账号:
密码:
CTIMES / 文章 /   
帮浦设备迈向智慧生产的第一步
自我检测与故障预知

【作者: 盧傑瑞】2019年01月07日 星期一

浏览人次:【1986】
  

@内文;


近年来由於工业4.0的推动,各国莫不朝智慧化与节能的方向发展,以提高产品之附加价值。在智慧化时代如何撷取帮浦系统的关键运转资讯,以做为回授控制,达成自动化与高效能运转,甚至可以远端进行故障诊断与预测维修,也是极为须要掌握的技术,此时感测器与无线网路扮演了重要的角色。


帮浦产品根据运转原理可以分为两大类:??转动力式与齿轮式。依照水流经帮浦叶轮之方向将??转动力式分类为离心式、轴流式及混流式。其中??转动力式帮浦为应用产品中占比最大的类型,而齿轮式帮浦依靠活塞、叶片、齿轮等工作原件,在帮浦内部作往复或??转的运动,交替性的将液体吸入及排出,结构较为复杂,制造成本较高。


能够正确的预测出故障已渐受关注

利用物联网(IoT)与人工智慧(AI)让冷却帮浦具有故障预知的能力,防止加工设备突然因为冷却帮浦出现故障,造成空转或因故障长时间生产中断。根据所有的发生情况分析,设备故障是造成生产工厂无法维持高生产能力的最大因素。而现在因为有了物联网与AI等技术,可以让生产设备导入先进数位技术的可能性。并且类似这样的技术,吸引着各个加工设备业者,以及加工设备重要关键零件争先投入开发。


就如前述,对於生产工厂来说,提升加工设备稼动率的最大障碍点,就是加工设备的故障。加工设备有2大停机状况,分别是短时间的生产停止,在日本业界称之为Chyoko停止,和长时间生产停止的Doka停止。然而因为设备的故障停止往往大多会产生长时间的生产停止,而严重影响着生产效率与设备稼动率。


为了预防因为设备的故障而产生Doka停止,在设备发生故障之前,定期和时时关注磨损品状况等,并且适时地更换零件,这样的设备保养维护是不可避免的。但是,却有各式各样的原因会让设备发生故障,能够精准地掌握何时会出现故障的情况,这就非常的困难。但是,由於技术的进步,透过物联网与AI等的先进数位技术,就能够正确的预测出故障,已经愈来愈受到关注。


其中,因为冷却帮浦的故障出现,会对加工设备造成高度严重的生产中断,并且无法在短时间内排除故障,甚至可能会对加工生产设备中的其他零组件造成连锁性的损伤和影响。但是,由於物联网与AI等先进数位技术的出现,吸引了日本各大冷却帮浦的开发业者向外寻找合作对象,例如住友集团旗下,专注於油压机器、热交换器等等的住友精密工业,结合了IT服务业的UNIADEX,针对新一代的高压冷却帮浦开发,导入物联网与AI系统,并且开始进行针对高压冷却帮浦故障预测和相关验证的研发工作。


进行智慧化提升除了冷却帮浦,还必须考虑其他元件

对於切削加工设备来说,在进行切削加工时,必须依靠冷却帮浦喷出高压的冷却液,维持固定的切削时工作温度,来确保加工精度,并且也因为依赖这些高压冷却液,让切削加工元件延长使用的寿命。


不过,切削加工设备最经常出现的状况是,在进行切削加工时,必定会因为切削过程而产生各种形状和大小不等的金属粉末或废屑,当这些金属粉末或废屑被吸入冷却帮浦内部的话,就会造成内部零件的磨损,在长时间磨耗下而导致冷却帮浦出现故障,进而造成加工温度过高,而产生加工设备损坏,最严重的更会出现整部设备无法作动,而必须等候维修人员前来排除障碍或更换冷却帮浦,影响了生产的排程进度(图1)。



图1 : 加工设备损坏最严重的更会出现整部设备无法作动,必须等候维修人员前来维修。(source:American Precision Gear)
图1 : 加工设备损坏最严重的更会出现整部设备无法作动,必须等候维修人员前来维修。(source:American Precision Gear)

因此,上述的这些因果影响,就代表着必须认真的检讨,和订定冷却帮浦的故障预知与预防保全等的工作和技术。特别是标榜着智慧生产的工厂,更是连这些小课题都不能轻忽。


在日本业界对於冷却帮浦的销售潜规则来说,加工设备的制造业者是透过采购各种的次系统,并且一一加以组装起来,而生产设备中的冷却单元部分也是如此。因此如果只想要针对单一冷却帮浦来进行智慧化,达到故障预知和预防维护的话,几??是做不到的,因为必须面对3个生产商,分别是冷却帮浦业者、冷却单元业者以及加工设备业者。


更进一步的,对於整套加工生产设备来说,并非只有单纯对冷却帮浦进行智慧化提升就好了,必须要考虑到其他元件,以及该元件生产业者是否有能力可以搭配改良。进而尝试着提供给客户端最低限度基础的,故障检测和故障预防的能力与资料,而这个就是加工设备制造业着必须面对智慧化的挑战与无法避免的工作。另一方面来说,客户也会选择适合且先进的生产设备供应商,是不是能够达到客户的条件要求,同样是会左右着生产设备供应商的生存机会。


在朝向智慧化工厂的前进路途上,必须应用到冷却帮浦和相关系统的加工生产设备,在物联网化与AI化时,必须能够获得相关的各种资料数据,才能够具有各种的预知检测与故障预防的能力。


不过,事实上对於冷却帮浦来说,在加工生产设备中获得这方面的资料,进而实现故障预知的能力,这是一件非常非常困难的事情。这是因为冷却帮浦的工作模式是,在高压的状态下对加工生产单元喷送冷却液,而多馀的冷却液就会回流到前端的储存槽之中。


因此,当生产速度因为某些因素或故障减缓时,理论上所喷送的冷却液量也应该跟着改变,但是,很残忍的是,事实上却不是这样,所喷送的冷却液量,并不会因为生产减缓而有所改变,也因此回流到储存槽中的冷却液流量也不会减少,所以是没有办法从外部观察冷却液流量的变化,而发现设备的生产速度会因为某些因素或故障出现减缓。


所以,期??让生产设备能够达到故障检测与预防的话,掌握冷却帮浦的工作状态和工作资料数据的传送是必须且必要的。


透过AI能够事先预防长期性因素的老化预知

对於冷却帮浦的故障检测与预防来说,必须掌握的第一件事就是零件老化的数据资料与各种迹象。通常零件老化的过程,是经过长时间的一点一滴劣化所累积的结果(图2),而如果能够拥有这些资料与情报,对於生产设备所使用的零件使用生命周期资料,配合各种加工数据就有可能能够精确的掌握老化预知能力。另一方面也是非常重要的,就是要从时间序列的连续量测资料数据中分析出,加速老化的时间点,才能够准确地判定和检测出变化点。


图2 : 对於冷却帮浦的故障检测与预防来说,必须掌握的第一件事就是零件老化的数据资料与各种迹象。(source:KITO SEIKI)
图2 : 对於冷却帮浦的故障检测与预防来说,必须掌握的第一件事就是零件老化的数据资料与各种迹象。(source:KITO SEIKI)

例如,采用齿轮式结构的冷却帮浦,当齿轮转动一圈时,就会有固定量的冷却液被送出去。当出现流量小於预先设定值的话,就能够推测出冷却帮浦内部已经出现因为长时间损伤或磨耗所造成的零件老化,进而再预测出需要更换零件的时间点,防止生产设备仅仅因为冷却帮浦内部的一个小零件劣化而造成故障,需长时间停止运转等待修复。


当然,这个因为零件老化所造成的轻微异常震动、声音、变化都可以透过加装各式的感测器来获得数据资料。就像是当出现异常震动时,就可以从各种叁数来导算出帮浦内部的结构零件现况,并且作为资料记录时间序列上的一个连续数值。不过就如前述,以技术而言,术业有专攻,大多数冷却帮浦的制造业者是不具备有数据搜集、再分析後获得结果的技术能力,因此,以日本的产业现况,几??都是寻求外部合作夥伴。


以住友精密工业和UNIADEX的合作案例来说,UNIADEX是日本UNISYS集团中一家专注於IT服务提供的子公司(UNISYS集团本部位於美国宾夕法尼亚州),原本对於硬体的开发等就有相当多的经验和时机,并且对於制造业具有一定程度的了解和熟悉度,例如对於内部有采用轴承和马达作为零件的生产设备,具有故障检测机制开发的经验和实绩。


因此,这也是住友精密工业为什麽会选择UNIADEX,最为新一代高压冷却帮浦进行物联网化与AI化的技术合作对象。相信藉由UNIADEX在硬体上的检测机制开发能力,协助住友精密工业开发出新一代具有物联网化与AI化的高压冷却帮浦。


双方这样的合作开发下,在2017年中,终於有了具体的成果。


在一次的实验中,准备了3部具有异常叁数值的冷却帮浦样品。其中,第一台是普通无异常的冷却帮浦、第二台是齿轮有稍许磨损的冷却帮浦,第三台是齿轮已经完全破损的冷却帮浦。从三台内置的感测器中获得「正常」、「异常发生」和「故障」等三种模式数据,并且从这三台各自的震动和特定叁数值进行机械学习,再进一步的获得分析结果。


以这些资料和样品作为冷却帮浦老化测试的数据基础,并且准备了另一台正常的冷却帮浦进行加速老化的实验。在让冷却帮浦运转进行的过程中,每个时间点所测得的震动资料,和先前三台冷却帮浦所测得的Golden Patten做相比对。结果在从正常运转一直到出现故障的过程中,所获得的数值和Golden Patten比对後,所呈现的相似度结果非常高。这个实验也就应证了,可以从原始叁数的比对中,推估出「异常发生」和「故障」等等状态的发生时间点。


如果无法熟知设备的运转和原理,就无法了解现象的起因

虽然只是个不复杂的实验,但是双方还是投入了相当的心力,例如连测量振动的感测器,其所摆放的地方都经过再三深思熟虑,而UNIADEX也要求住友精密工业提供详细的设计图,也接受了住友精密工业的工程师专业解说,对於构造、功能都能够彻底地了解。如果无法熟知设备的运转和原理,那麽对於感测器所测得的振动资料,就没有办法了解现象引起的原因,以及原因和现象的因果关系(图3)。



图3 : 住友精密工业导入故障预知的结构说明(source:住友精密工业)
图3 : 住友精密工业导入故障预知的结构说明(source:住友精密工业)

在导入物联网化与AI化的初期,如果不细心研究,并且定义出感测器摆放位置的话,就会出现即使从感测器获得了资料数据,而这些资料数据所呈现出来的特徵会非常有限,除此之外,透过这些好不容易却不正确收集到的资料,根本无法显示出真正的异常以及故障徵状,甚至连杂讯都没有办法分辨和判断出来。尤其是特别对於冷却帮浦来说,这是一个结构相当复杂的装置,各式各样部位都会有差异性相当大的震动发生。


况且,除了内部振动外,还会有外部因素所导致的震动,而带来的影响。这些都是在让冷却帮浦迈向物联网化(IoT)与人工智慧化(AI)所必须详细思考的范围,以及对冷却帮浦的结构进行透彻的了解。


目前微软有针对设备的智慧化研发,开发了一套IoT的平台「Microsoft Azure」,可以在输入相对应的老化叁数资料後,进行加速老化的连续运转,以及从实验装置的感测器中获得的资料。而在网路传输平台方面,日本业者大多是采用NTT DoCoMo的封闭性网路,先透过Azure上的虚拟伺服器上传系统的基本叁数资料,再透过时序列的累积出从感测器上获得的宝贵数据,并且监控和比对各项数据资料,来一步步地进行物联网化与AI化的开发工作。


*刊头图 (source:Haascnc.com)


相关文章
仓储物流新平台 效率再升级
网通架构完善与否 决定物联网系统效能
BMW利用机器学习检测汽车的过度转向
感测器新功能加速物联网技术应用於智慧场域
CNC数控扩增应用 AIoT与客制化分向发展
comments powered by Disqus
相关讨论
  相关新闻
» 迎接5G大人物时代 工研院剖析2019年智慧制造关键技术与应用趋势
» 看好工业4.0长远发展 大银微系统通过审议上市
» 【COMPUTEX心得报告】:5大人物登场 聚焦资料储存与防护
» Computex聚焦智慧制造 共论5大人物时代资安主题
» 明纬强化ICT领域发展 COMPUTEX首展双系列产品
  相关产品
» Fluke首款可携式囗袋热像仪上市
» Fluke首款工业声学成像仪ii900上市
» Fluke四款640 x 480解析度热像仪齐登场
» 明纬扩充EPP-500系列
» KNX用於现代建筑 可降低事後维护与火灾风险

AD


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2019 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw