
文章類別
PHM
PHM是智慧製造不可或缺的重要技術,本文將介紹6大PHM實施流程,包含數據蒐集與健康評估等,更會分享企業導入PHM所能帶來的效益,最後若您想找可靠的PHM推薦廠商,文末也會推薦專業的智慧診斷方案!
目錄:
二、PHM 6 大實施流程,了解 PHM 預測設備故障的運作原理
1. 蒐集所需數據(Data Acquisition,DA)
2. 數據分析&處理(Data Manipulation,DM)
5. 設備故障預測&評估(Prognostics Assessment,PA)
6. 生成保養計畫決策&實施(Advisory Generation,AG)
一、PHM 介紹|幫設備進行預防性維護的最佳選擇
(一)PHM 是什麼?
PHM(Prognostics and Health Management,故障預測與健康管理)是一項透過設備監測來蒐集各類數據,並進行分析,以預測設備可能發生故障的時間點,從 而決定最佳維護時機的技術。此技術可幫助企業降低維護成本,避免過於頻繁的保養作業,同時防止因零件故障導致設備無預警停機。
目前最新的 PHM 主要使用數據分析與 AI 這 2 項技術,透過持續餵養資料給 AI ,使其透過學習不斷優化預測技術,讓預測越來越精準,而這樣的技術目前已大量應用於智慧製造中,並不斷發揮關鍵作用。
(二)預測維護 5 種層級介紹
預測維護(Predictive Maintenance)是指用「預測性思維」來維護設備的概念,分為 5 種層級,每一層級都對應著特定的維護策略,從最基本的被動式維護(RM),到預測性維護(PdM)及最高層次、以可靠性為基準的維護(RCM)。
這 5 大層級的預測修護,因應「重要性」的高低,維護策略會從被動修復到主動預測來逐步提升。因此通過層級劃分,企業可以根據設備的重要性與維護需求,選擇最適合的策略,以實現成本效益最優化並提升運行效率與系統可靠性。
預測維護層級 1:Reactive Maintenance (RM)被動式維護
被動式維護為預測維護的最低等級,也就是完全不進行任何預測,等到設備損壞後才進行維修。基本上用在「壞了也不會有立即困擾」的情況,例如家中使用的水槽濾網,就算壞了,也不會對水槽或管線造成即時的負面影響,因此可以等到買了新的濾網再換即可。
預測維護層級 2:Preventative Maintenance (PM)預防性維護
預防性維護則是「定期檢查以避免損壞」的概念,透過為設備設立定期檢修的時間,避免零件失效,造成設備損壞,例如機車的使用說明書中,會建議使用者應於多少里程數後,便要到機車行或保養廠更換部分零件,如空氣濾網,讓機車維持可良好運作的狀態。
預測維護層級 3:Condition-Based Maintenance (CBM)條件式維護
條件式維護的概念是「透過感測器數據」決定維護與否,會用到條件式維護的設備,就代表若設備損壞,可能會造成較為嚴重的損失。例如機車的電瓶燈,若未在亮燈後即時更換,不久後機車可能就會無法騎乘。另一個例子是家庭用的淨水器,會設置「更換濾芯燈」,當感測器確認該更換濾芯零件,便會主動亮燈提醒使用者,若未能即時更換,不久後淨水品質將大幅下降,可能造成飲用者的身體不適。
預測維護層級 4:Predictive Maintenance (PdM)預測性維護
預測性維護的概念則更加主動,以「主動蒐集數據,並提前預告維修時間」的概念來運作,可以將預測性維護簡單想像成天氣預報,不僅會利用歷史數據與演算法來預測設備故障的時機,還會為設備提前擬定維修計畫,直接避免「可能的損壞」。需要使用到預測性維護的設備,若損壞可能造成巨大、立即性的損失,因此有必要提前做好規劃,一般生活中較少用到此種維護策略,預測性維護通常用於製造業的產線中,以防止機器、產線無預警損壞造成停工。
預測維護層級 5:Reliability-Centered Maintenance (RCM)以可靠性為基準的維護
以可靠性為基準的維護,是最高層級的維護策略,用以避免因為零件失效所造成的極大且不可承受的損失,通常用於國家級的軍武設備上,或是航空業的機械維護中,由 於空難所造成的傷亡極大,因此在設備維護上會採取最高規格的維護策略。
在以上預測維護的 5 種層級中,Predictive Maintenance(PdM,預測性維護)與Reliability-Centered Maintenance(RCM,以可靠性為基準的維護)是最依賴數據分析與精準預測的維護策略,而這正是 PHM(Prognostics and Health Management,故障預測與健康管理)的核心目標。PHM 提供了一套完整的方法,透過數據監測、健康評估與設備故障預測,來強化 PdM 與 RCM 的執行效果,以下將詳細介紹 PHM 的實施流程,說明為何 PHM 技術可以協助做出精準的設備維護。
二、PHM 6 大實施流程,了解 PHM 預測設備故障的運作原理
1. 蒐集所需數據(Data Acquisition,DA)
數據蒐集是 PHM 實施的基礎,通過感測器監控設備,獲取運行時的相關數據(如溫度、濕度、壓力、振動、電流等)。這些數據來源包括即時的監測數據、歷史維護紀錄以及操作參數等。由於機器損壞前,通常會發生某些損壞前兆,蒐集的數據能為設備狀態提供基礎參考,協助後續的分析與診斷。
因此,數據的完整性與準確性直接影響 PHM 的後續判斷,企業需選擇適合的感測器、監控設備來確保數據可靠性。
2. 數據分析&處理(Data Manipulation,DM)
蒐集的數據需經過整理與分析,才能發揮最大效益。原始數據往往夾雜雜訊或冗餘資訊,因此需透過過濾、壓縮及格式轉換,使其轉化為適用於設備健康評估與故障預測的標準化數據。
經過處理後的數據可進一步依不同分析需求進行深度解析,並轉化為可視化圖表或報告,幫助維修人員快速判讀設備狀態,提升診斷與維護效率。
3. 狀態監測(Condition Monitor,CM)
狀態監測的流程是透過將處理後的數據,與預設的損壞參數(如警戒值)進行比對,以判斷設備當前運行狀況是否正常。透過這項技術,PHM 系統能即時偵測異常,當設備的即時數據達到警戒值時,便會觸發警報或通知訊息,提醒維修人員可能存在的問題。
透過精確的狀態監測,不僅能提升設備的穩定性與可靠性,也能有效延長設備使用壽命。
4. 健康評估(Health Assessment,HA)
健康評估會結合當前數據和歷史紀錄,如歷史故障資料、工作狀態等,對設備的運行狀況進行量化評估,包括設備的健康狀況與剩餘使用壽命(RUL)。此外,健康評估還能幫助識別影響設備性能的關鍵因素,為後續的維護策略提供依據。
5. 設備故障預測&評估(Prognostics Assessment,PA)
此階段會利用各種不同的數據分析模型,並根據所蒐集的數據、狀態監測與健康評估的資料,預測設備未來的健康狀態和故障趨勢,因此,在此階段所選用的分析模型及演算法就相當重要,目前主流採用 AI 預測模型,以 AI 會不斷學習的優勢,再透過專業技術人員的校正,不斷優化預測的精準度。
6. 生成保養計畫決策&實施(Advisory Generation,AG)
PHM 技術在此階段可根據故障預測結果,進行相對應的維護計畫,包括最佳維修時間與備件管理等。此步驟將預測性維護策略與企業營運需求結合,為企業打造最具經濟效益的維修計畫,不但提升設備的使用年限與生產效率,更能降低故障率及維修所需耗費的人力與物力支出。
三、PHM 技術雙引擎|物理模型與數據驅動的完美結合
1. 基於物理模型
物理模型的模擬實驗在 PHM 中非常重要,這種基於物理模型的預測方法,是通過建立設備的數學或物理模型,模擬設備、零件的運行過程、老化行為和故障機制進行計算,以幫助更準確地預測故障發生的時間,以及分析設備的健康狀況。
2. 基於數據驅動
基於數據驅動(Data-Driven)的模擬預測方法在 PHM 中十分普遍,此方法依賴數據分析和機器 學習 2 大關鍵技術。
數據分析:數據分析(Data Analytics)是一種透過蒐集與處理數據,揭示關鍵問題的分析流程。首先需蒐集相關數據,並進行核對、檢驗與判斷,以確保數據的準確性與一致性。接著,透過適當的統計方法對大量數據進行計算分析,從中找出設備在發生故障前可能出現的異常徵兆,為後續預測與維護提供依據。
機器學習:機器學習(Machine Learning)是屬於人工智慧(AI)的一種技術,其核心概念是讓電腦透過數據學習,並根據累積的經驗持續優化,就像人類透過學習後能不斷優化決策能力一樣,這種學習模式使 AI 能夠隨 著數據量的增加,不斷提升分析能力,提高預測設備發生損壞的準確度。
3. 物理模型結合數據驅動
目前主流的 PHM 技術是採用以上 2 種方式,進行綜合分析,以得到最佳的分析、預測結果。物理模型能夠提供設備運行的機械與數學模型,來計算常態性的設備損壞時間,而數據驅動方法則納入機器學習與數據分析,可歸類設備運行過程中的異常狀況。結合兩者的混合演算技術,提高了故障預測的準確性,是目前廣泛採用的演算方式。
四、PHM 5 大效益,透過預防性保養概念減少設備損耗!
PHM 效益 1:提高生產效率
透過 PHM 持續監測與分析,可及早識別設備潛在問題,並精確規劃最佳維護時機,有效預防突發故障,提升設備的穩定性與運行效率,進而優化整體產線的生產效能。
PHM 效益 2:縮短設備維修時間
PHM 技術能在日常運行中持續蒐集設備的損壞數據,並針對不同的異常狀況進行分析。因此,當設備發生故障時,可透過精準的診斷機制迅速鎖定故障原因,減少人工檢測與故障排除的時間,加快維修速度,確保設備能夠迅速恢復運作。
PHM 效益 3:延長設備壽命
PHM 技術結合數據分析與 AI 技術,能夠智慧化地規劃設備的最佳維護時機。透過及時檢修與保養,可有效減少設備損耗,延長使用壽命,進而提升設備的投資回報率,確保資源得到最大化運用。
PHM 效益 4:提升資源配置效率
PHM 技術能夠精確預測設備的維修時機,並提供詳細的時程規劃,讓企業能夠提前安排維護計畫與零件採購。透過這種預測性維護模式,不僅能降低突發故障帶來的影響,還能優化人力調度與物資管理,減少不必要的庫存成本,讓設備維護更具計畫性,確保產線穩定運行,提升整體營運效率。
PHM 效益 5:降低整體營運成本
PHM 技術能夠讓企業從較低層級的預防性維護與條件式維護,進一步提升至更精準的預測性維護,透過數據監測與分析,提前掌握設備的健康狀態,從根本上降低故障風險。這不僅能減少短期內維修過程中所需投入的人力與物料成本,長期來看,還能有效延長設備的使用壽命,降低更換設備的龐大開支。
五、PHM 服務推薦:皓博科技,預防性維護&預測保養的專家
設備維護不應只是被動應對突發故障,而是透過先進的預測解決方案,為企業建立更智慧、高效的預防性維護策略,讓產線無預警的停工率下降、提升整體產線生產效能!
皓博科技的馬達壽命預測解決方案,採用獨家 Vibration Guard 系列產品來進行,結合最先進的 AI 演算模型,讓企業全面掌握設備健康狀態,有效提升預測準確度。
Vibration Guard 智慧振動感測器&主機
Vibration Guard 智慧振動產品採用源自聲學的音頻處理技術,並以 AI 技術去除雜訊干擾,能精準找出難以辨識的主頻聲音,蒐集、轉化成馬達健康預測所需的相關數據。
AI 精準運算,提前預測馬達健康狀態
皓博科技透過獨家訓練的 AI 演算模型,讓系統能夠不斷學習設備運行數據,針對各種異 常振動模式進行分析,精準辨識異常狀況,使企業能夠提前規劃維護策略,避免突發性停機影響生產效率。
以國際標準進行檢測,提升設備監測準確性
馬達壽命預測系統導入 ISO-20816(10816)振動標準,讓企業能夠依據國際認可的規範來健康評估準則,精確判斷設備運行狀況是否合規,以國際標準來維持設備的運行狀況。
獨家老化率監測,精準評估設備壽命
透過皓博科技獨家的馬達老化率(Aging Rate)監測技術,能夠計算出每一顆馬達的健康狀況,並長期追蹤馬達狀態,分析不同的老化趨勢,並提供最佳維護時程建 議,幫助企業有效延長設備使用壽命,提高投資回報率。
皓博科技的馬達壽命預測解決方案能即時監測設備狀態,減少非計畫性停機,確保產線穩定運行,進一步提升機械、半導體、製造、能源、車子、建築等相關產業的生產效能與營運效率,使用 AIoT 智慧設備監測技術,為企業提前布局智慧製造的產業趨勢,現在就選擇皓博科技,讓您的設備與產線運行更智慧、更長久!
技術延伸:Power Guard 超早期局部放電診斷監測系統
皓博科技採用以上技術,使用主動 式全頻段天線、具有 AI 動態雜訊降噪的主機,使超早期局部放電診斷監測技術能精準辨識局部放電現象,大幅提升監測效率,讓企業能夠提前預防設備異常,降低維護成本與運行風險。