轉動設備監測
技術理念|轉動設備監測只要是設備,多半都有馬達,藉由馬達帶動而產生機械作動。因此,廠區內佈滿大量的馬達、泵浦、壓縮機、空調機設備等,若能掌握轉子狀態,就能掌握 60-70% 的設備問題關鍵點。
為何需要監測轉子品質? 導入理由
廠區內佈滿大量的自動化設備,而這些設備多數都有馬達。馬達中的轉子狀態是設備運轉是否正常的主要關鍵,而我們透過監測轉子來了解馬達的健康狀態,也就便能掌握 60-70% 的設備問題關鍵點。智慧製造中自動化設備雖然取代了人力,但機台設備不會說話,即便是新機台設備,也不可能是完美的狀況,在運轉時都會產生一些往復式作用力於機台設備上,並有其振動產生,我們便可以藉由量測機台設備上的振動訊號來得到實質意義。

如何執行
1. 套用 ISO 規範
固德於所有的轉子品質監測相關系統,皆內建 ISO 10816 / 20816 等相關規範,操作簡單,不需教育訓練就能上手,不用在等到維護人員到場就能排除問題,軟體以燈號顯示設備狀態,即使沒有振動量測背景相關的技術人員,也能快速判斷結果。
導入 Rule Base
此步驟會根據廠內轉動設備的功率(馬達銘牌)導入Rule Base。在此階段使用10816的管理,最主要是建置完廠內各設備規格後即可達到整廠設備可視化管理。可清楚看到整廠設備的品質分佈,軟體會將整場設備區分為4種燈號(優良、正常、警告、危險)。
保養維護原則
優良正常狀態者持續使用,不需特別安排流程;警告狀態,安排下次保養排入流程中;危險狀態是指隨時有停機可能,須盡快置換備機或維修。

如何執行
2. 特徵累積,分析異因
在日常管理流程中,背景會將感測器多個特徵值收進資料庫中。並加入特殊演算 SOA 使其特徵值放大,早期得知信號異常特徵。對於許多類型機械設備在透過振動量測後得到的數值能夠呈現設備狀態,而我們通常在頻譜圖中能夠輕易的判讀設備的異常特徵。因此,經由量化頻譜振動數值,我們可以得到一個強度的總和,稱為SOA,一個無限量化的頻譜圖數值。透過監控 SOA 變化,用戶可以很容易的了解到振動特性的變化。此外,此階段使用者還可針對有興趣或是趨勢明顯的特徵值自行設定管理門檻。
更有效的 SOA 演算法
固德的 SOA值 與市面上傳統的 OA 值不同,SOA(Spectrum Overall Value)的特點是將有效信號與環境系統雜訊作區分隔開來。SOA 的特殊演算法抑制雜訊以達到更清楚更有效率的分辨率,其發現早期故障檢測的有效性對照其他市面上的系統演算法是以往的4倍。
如何執行
3. AI 預測,優化決策
固德的 AI 訓練軟體會自動的根據內建規格訓練監測模型(隨著資料累積,軟體會在設定時間下自動 Retrain 優化模型),此 AI 預測模型是以最初設定的 Rule Base 管理原則優化的,因此在 AI 顯示項目中會是依照使用者的指示天數來預測趨勢 (例如:使用者在軟體上指定要看30天,軟體會顯示未來30天的變化趨勢,趨勢背景仍為優良正常警告危險)。
如何執行
4. 風險分層,維護排程
什麼是風險分層管理?眾多設備不該只仰賴單一維修機制。設備好多好雜怎麼辦?是否常遇到維護時無從下手的窘境?該如何有效規劃工作表,提升維護效率?實施風險分層管理,搭配相應的檢測門檻等級,依照設備重要程度進行維護規劃,能夠有效掌握重要設備的健康狀態,更能有效率的執行加快維護流程。
設備分級建議指標
產能直接
關聯度
工安直接
關聯度
設備維護
頻率度
設備維護
費用價值
備用設備
難易度
零件換料
難易度
實行規範分級
依照設備等級實行不同規範管控設定
根據設備優先級別使用不同每個規範管控,每種規範都以燈號顯示結果,綠燈表示合格;紅燈表示不合格。任何管控標準下,只要有一個紅燈即表示設備異常,建議立即停機排修。
常見問題(FAQ)
為什麼廠區需要做轉動設備監測?
廠區內多數自動化設備都由馬達帶動,例如馬達、泵浦、壓縮機與空調機設備。馬達轉子狀態是設備是否正常運轉的重要關鍵,透過監測轉子振動訊號,可掌握約 60% 至 70% 的設備問題關鍵點,提早發現異常並降低無預警停機風險。
轉子品質監測為什麼要套用 ISO 10816 / 20816 規範?
ISO 10816 / 20816 是常用於旋轉機械振動評估的規範。透過內建 ISO 規範,系統可用燈號快速顯示設備狀態,即使沒有振動量測背景的維護人員,也能快速判斷設備屬於優良、正常、警告或危險狀態。
Rule Base 燈號管理如何協助設備維護?
Rule Base 會依照廠內轉動設備功率與規格建立管理標準,並將設備狀態分為優良、正常、警告與危險四種燈號。優良與正常狀態可持續使用,警告狀態可安排下次保養,危險狀態則代表可能隨時停機,需盡快置換備機或維修。
SOA 值是什麼?
SOA 是 Spectrum Overall Value,代表量化後的頻譜振動強度總和。固德科技的 SOA 演算法可將有效訊號與環境系統雜訊區分,抑制雜訊並放大早期異常特徵,協助使用者更早發現設備故障徵兆。
AI 預測如何應用在轉動設備監測?
固德科技 AI 訓練軟體會依據內建規格與累積資料自動訓練監測模型,並在設定時間下自動 Retrain 優化模型。使用者可指定預測天數,例如未來 30 天,系統會顯示設備趨勢與燈號狀態,協助維護決策。
什麼是轉動設備風險分層管理?
風險分層管理是依照設備的重要程度與風險條件,建立不同維護優先順序與管控門檻。常見分級指標包含產能直接關聯度、工安直接關聯度、設備維護頻率、設備維護費用、備用設備難易度與零件換料難易度。
Support
其他轉子相關案例

