Predictive Maintenance
維護方式簡介
預測性維護用一句話貫穿就是「把搶修變成維護」。
常見的維護種類有反應性維護(Reactive Maintenance, RM),預防性維護( Preventive Maintenance, PM)與預測性維護( Predictive Maintenance, PdM)。
第一種 RM 是損壞時才修復,這種根本稱不上是維護了,而且當損壞發生的時候成本最高,例如機器停止時的生產時間成本。第二種 PM 就是不管設備是不是有問題,都例行性保養維護,這種的成本主要就是維修成本,錢不能花在刀口上。而最後一種預測性維護則可以將維護與損壞成本的期望值最小化,只在有潛在損壞可能的時候進行維護。成本如下圖:
PdM 帶來的好處:
- 減少設備維護時間
- 最大限度地減少因維護而浪費的生產時間
- 最大限度地減少備件和用品的成本
常見的 ML 預測方法與數據
做預測性維護有很多種方法,例如:
- 預測剩餘使用壽命(Regression models to predict remaining useful lifetime)
- 預測一定區間下的機器「狀態類別」 (Classification models to predict failure within a given time window)
第一種方法要求在生產端有一定的設備損壞數據,才能知道還能存活多久,這意味著企業要先「繳學費」才能有這樣的經驗學習,因此如果機台本身有多段的狀態數據,在不正常時就先去搶修,對於企業而言會是比較好的選擇。
而數據收集建議透過 IoT 即時且持續蒐集數據,分析的數據可以從例如振動分析(vibration analysis),油分析(oil analysi),熱成像(thermal imaging)和設備觀察(equipment observation)這些來源獲得。
案例的部分可見這一篇:http://ilms.ouk.edu.tw/d9534524/doc/43787
Reference
https://ivctechnologies.com/2017/08/29/reactive-preventive-predictive-maintenance/
NASA 資料集
All articles in this blog are licensed under CC BY-NC-SA 4.0 unless stating additionally.