專案背景
- 在製造業希望機台能維持長時間的運轉，減少主要昂貴零件壞損與更換；另一方面，也希望避免機台完全損壞而造成更大的損失，故對於機台設備的異常監測是有所需要的。
- 隨著物聯網(Internet of Things，IoT)的概念提出，可在機台設備上進行運作紀錄，並產生大量監測資料可經過評估以優化成本和效益，異常偵測和預測未來事件等。
面臨問題
- 如何利用歷史資料去推斷出過去沒發生類似的故障事件，達到防止損失產生的目的?
- 如何從監測資料中辨別出異常資訊?
- 發現異常資訊時如何發布通知給管理人員?
解決方案/系統畫面
- 使用「時間折線圖」、「散布矩陣圖」、「相關矩陣圖」和「熱圖」來觀測與分析監測資料，可得知機台運轉時「正常」與「異常」有何不同。
- 以「SPC」的技術定義了機台無異常時間之上下界線。界線是以平均信號值為中心，並在兩個方向上以標準偏差的兩倍為界。如果信號正在落於上下界線之外，則應發生報警。
- 第二種方式是利用機台無發生異常時的監測資料，建立出類似管制圖的自我迴歸(AR)模型，並計算出管制上下界線。當新的監測資料預測到機台的運轉值，將要偏離出管制上下界線時，則會發出警報，並要求管理者進行機台檢查。
- 發現異常資訊報觸發寄出電子郵件，請管理人員進行機械檢查。
相關成功案例：