XWIN 精進您維護計畫

結合 Microsoft Azure 即時偵測運作數據，導入機器學習分析診斷根因 將「工業4.0」從口號轉為行動，睿捷國際結合 Microsoft Azure 公有雲及機器學習服務，依據 RCM（Reliability Centered Maintenance）建立失效模式導向的 CBM（Condition Based Maintenance）創新服務，開發 IIoT 的智能邊緣運算單元，深耕智能診斷平台，提供預知維護及決策支援的高端服務。 ▲ 睿捷國際王智中博士 「睿捷規模不大，無法自行處理後台服務系統，與微軟合作可以專注在自己的服務方案和優勢上；另一方面，微軟亦可透過睿捷來拓展應用面及客戶群。希望透過雙方的合作，推動台灣產業的數位轉型，通過智能檢測與診斷技術來提高設備綜合效能及運轉安全。」 目前，中鋼使用睿捷的服務已超過兩年，其他客戶群還包括來自汽車及塑化產業的知名企業，就連造船、螺絲及維修等不同產業領域，也都有睿捷的用戶。 睿捷國際王智中博士表示：「我們的 IIoT 智能邊緣運算單元可以升級成智能診斷平台，隨裝即用，大幅提高預警與確診的效率與效果。採用 Microsoft Azure 之後，診斷平台的建置速度從三個月縮短為兩小時，不僅讓我們的服務迅速到位，客戶也能更快獲得效益。」   克服預知維護在人力、專業及決策的挑戰 依據睿捷的經驗，導入工業 4.0 應循六西格瑪的 DMAIC 方法，先釐清〝目的〞並定義問題，優先選定高風險的失效後果且能短期決戰而展現具體效果的課題，因為中小企業缺錢、缺人也缺時間，很難承擔較大的投資風險和較長的等待。 在實踐工業 4.0 的過程裡，對重要設備採取對應於主要失效模式的預知維護策略，依據智能診斷訊息而適時啟動正確的計劃性維修工作，是極為關鍵的一環。睿捷的解決方案是針對各類型設備的 RCM 分析結果，建置可防止重要失效的診斷分析模組，利用各種實體感測器量測聲音、振動、溫度、扭矩和應力等訊號，於 IIoT 的智能邊緣運算單元即時取得多元的診斷指標，同時於智能診斷平台上匯入其他設備檢測與製程資料，即時上傳 Microsoft Azure 雲端進行深度學習或預測，並提供使用者各種檢視圖表。 王智中博士說明，企業當前面臨的挑戰是人力不足，即使暫時以外勞來滿足需求，但不出數年就會遇到另一個問題，也就是維修保養的知識無法傳承及根留台灣；另一項挑戰則在診斷技術，雖然企業已有預知維護的概念，也收集了許多監診數據，但缺乏適當的數據分析診斷技術及專家。此外，受限於企業的組織及分工，同一設備的維護及管理數據常會分散在不同的管理系統或報表，影響決策的效率和品質，亦是難解的問題。 睿捷所開發的設備失效模式指標，涵蓋低轉速、變轉速、高負載設備所需的監診技術，更重要的是建立了可凝聚共識、高效決策的智能診斷平台，透過雲端無所不在的便利性，從第一線到後台的所有相關人員及主管，都能看到相同的監診訊息及報表，避免事倍功半的訊息傳達甚至誤解，進而凝聚共識，邁向真正的數位轉型。   預知維護的眼睛與決策支援的大腦 偵測數值並不難，真正的挑戰是偵測後，下一步該做什麼。睿捷是以問題導向的模式來推動解決方案，協助客戶解決問題，舉例來說，感測器的部署方式取決於設備重要度、失效後果的大小及問題改善的優先順序。此外，企業文化的改變也很重要，不再視停機搶修為必然，而是專注於如何讓設備能可靠第提供使用者所需的功能與效能。 睿捷現已選用的 Microsoft Azure 服務包括虛擬機器、VPN、IoT Hub，以及機器學習。王智中形容：「運行於 Microsoft Azure … Continue reading 睿捷國際以技術深耕落實工業 4.0