返回首页
当前位置: CompoTech China > 专题 >

工业4.0盲点二:只重其形,不得要义

时间:2018-12-24 08:10来源:Compotech 作者:任苙萍 点击:
"预知保养"防患未然,复合式检测相得益彰
工业 4.0 促使智慧机械趁势而起,坊间已出现可依感测数据调整设定的工具机产品,另有鉴于塑料射出成型对温度、压力变化非常敏感,造成良率下降,台湾厂商如全立发、百塑等亦开发智能型射出成型机,可监测环境及制造状态,并用以调整工艺参数。然而,台湾科技大学机械工程系助理教授刘孟昆提出一个反思:精密传感器代价高,且数据的收集、储存、管理、联网及应用软件皆是成本;如果业界仅单纯想解决机械本身的问题,真需如此大费周章?他认为,"过于注重工业 4.0 架构而忽略产业真正需求,并不恰当";必须洞悉产业特性,且基于足量且多样化的数据建立演算模型,才能发挥效益。
 

照片人物:台湾科技大学机械工程系助理教授刘孟昆
设备维护三层次:事发、预防、预知

刘孟昆指出,交流感应马达 (Induction motor)、水泵等设备有配重限制,运转速度一快就会振动;当侦测到异常,可适时降速。但他强调,这是治标不治本的作法,设备的维护、故障排除与节能考虑其实打从设计、组装就开始。设备机台的维护有三个层次:
1. 事发修复 (run to failure)——由事件驱动,等设备故障才设法改善或重新设计以延长使用寿命;
2. 预防保养 (preventive maintenance)——可依循时间周期或设备状态驱动;
3. 预知保养 (predictive maintenance)——架构于预防保养上,配合生产工艺条件建立可预测异常失效的模型、预先规划修正措施,在故障初期即可借微小变异预估设备剩余寿命并量化成本效益。
 
以构造简单、成本低廉、应用广泛的感应马达为例,正确的预知保养并排除设备的初期故障,可节省 5~20% 能耗。刘孟昆指出,理论上,马达接近全载时效率最高,但实务上基于可靠度起见,宁可让多台马达以 50% 效率同时平行运转,意谓有半数能源将被浪费!据估计,感应马达在工业用电占比达 70%、占全国总用电量 40%,全天候开启的能耗可观;虽说马达初期置换效率可提升三成左右,但现今马达多半已是 IE3 或 IE4 级别,升级效率不到 5%。假如处于"半载运转、但振动未达极限值",效率会更低;且只量测振动无法评估设备运转效能,须借助预知保养、依设备实时状态进行维护。
 

图1:不同阶段之设备生命周期的维护重点
资料来源:聆特科技提供
 
此外,平行运转会导致机组故障的时间点相近
,越早预知状态、计算效率,以便及时修护或置换,越有助于备料、估算排程并避免额外损失,偏偏早期振动信号的微幅上升难以察觉——机台刚装机时因不可避免的磨耗,故障率最高,中段进入稳定期,但经过岁月洗刷后,故障机率又会变高;唯有预知维护才能减少无预警停机。刘孟昆表示,预知保养的检测技术众多、莫衷一是,无法一招行遍天下,各家互有长短、相辅相成。其中,"振动特征分析"常用于检知机械运作,目前业界大多参考ISO 10816,对于不同的设备功率及基座安装型式,订有对应的振动速度方均根值上限及安全等级。
 
振动诊断:振动量测 vs. 频谱分析
典型作法是由厂务设备人员以手持式振动量测仪定期巡检,观测振动加速度或速度振幅的方均根值 (RMS) 是否有成长趋势?是否超出订定的阀值极限?此法可以概括的得知机台的整体状态,但无法进一步确认故障的成因,且无法预测突发式的故障。另一个方法是观测振动频谱,更能辨识问题环节;也有人会在机台安装多个加速度计 (Accelerometer) 量测,然后从厂务端拉线至中控台、收集数据,但缺点是:硬件需求大、通信成本高、须慎选量测点位置并排除环境嘈杂的干扰因素。
 

图2:常见的转动设备振动异常频谱
资料来源:刘孟昆提供
 
振动频谱分析在操作上常遇到的困境是:量测多少会干扰制造工序或现场工作,需要作业人员的配合,但现场人员对于频谱分析未必有经验;当然,也能选择委托专业服务商处理,惟由于须长期监控,委外代价恐不小。最重要的是,这些消极方式仅能检测会随时间恶化的故障情形,无法应对突然跳机或已进入故障/失效末期、须立即处置者,且异常信号易受干扰、数据分析需要专业奥援。于是,业界试图从量测"电信号"、冀透过"电压/电流特征分析"和以此为基础的物理模型诊断设备,其优点为可直接从中央控制端撷取数据、省下设备端部署成本。感应马达电信号诊断的相关规范,在 ISO 20958 中有明确定义。
 
刘孟昆表示,高温、高压、粉尘皆容易引发传感器、致动器零部件或设备机构故障,可能是渐进、突然、间歇性发生,假如观测时间不够长,很难从设备端撷取信号解析;因此,他主张以"电流特征分析"对转动设备进行长时间的连续监控,一旦检知设备的异常情形,再辅以现场设备的"振动量测"或"频谱分析"进行确认。电流特征分析的运作方式为:机台振动时,定子和转子之间的气隙会改变,进而改变电流值;一旦轴承损坏,会反应到转子、再到电流。电信号十分敏感,且可估算能耗并回推电流负载率,监测供电品质。目前提供马达电流诊断服务的有聆特科技等厂商。不过,信号式终究只能检验设备机械异常,无法具体显示异常状况与能耗间的关系,用以维持设备运转效率;若欲获悉更明确的信息或是早期预警,须辅以模型式诊断。
 

图3:马达异常可由振动或电信号诊断
资料来源:聆特科技提供
 
电流特征+建立模型+巡检定位,多方会诊
一般而言,故障检知层次越高、成本也越高,从低阶到高阶分别是:
1. 侦测 (Detection):仅知故障,却不知是何种类型;
2. 区隔 (Isolation):能大致区分,但无法精确列示;
3. 辨别 (Identification):确认是哪个组件出错;
4. 预测 (Prediction):预知即将故障;
5. 校正 (Correction):根据预测结果自动更正、不需人为介入,真正达到"智慧机械"境界,即使经验传承一时青黄不接,也不会完全束手无策。
 
使用电流输出残差值、系统模型参数变异和输出频谱特征可检知异常;而经由推算定额电压下的理想电流输出,将它与真实电流值相减可排除电源谐波等噪声干扰,提升预测准确率、减少预警误报。电压、电流亦可与振动检测并行不悖,前者用以做连续性监测、发现异常后,再用手持式设备定位确认,远较在各机台安装许多加速度计更为实际。
 
顺带一提,"电流特征分析"可诊断机械和电性异常,亦可逆向从齿轮等机械规格反推正常频谱落点范围,可检知的项目包括变频器输出的供电质量是否异常 (谐波失真率)、对心不良、轴承损坏、底座松脱、转动不平衡、气隙偏心等。最后,刘孟昆还提到"产学落差"隐忧:学界未必熟稔领域知识、有能力解决工厂跳机问题;当撷取的数据量不足或是没有足够的多样性,则会造成分析上的困难,且架设传感器及数据收集系统又会造成成本增加。这些,都是投身工业 4.0 不得不正视的议题。
(责任编辑:helen)
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名:密码: 验证码:点击我更换图片