首頁解決方案 > 案例分享工業4.0智能生產分析製造業機台IoT案例-KNIME異常偵測和預測系統
製造業機台IoT案例-KNIME異常偵測和預測系統

專案背景

  1. 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。
  2. 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

  1. 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?
  2. 如何從監測資料中辨別出異常資訊?
  3. 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

  1. 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。

  2. 時間折線圖
    散布矩陣圖
    相關矩陣圖
    熱圖

  3. 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。

  4. 以「SPC」的技術定義了機台無異常時間之上下界線

  5. 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。

  6. 使用自我迴歸(AR)模型的第二種方法在概念上類似於管制圖

  7. 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。

  8. 發現異常資訊報觸發寄出電子郵件

相關成功案例:

  1. 富士康-導入智能工廠管理系統
  2. LED封裝生產案例-導入iPASP系統
  3. 塑膠模產業案例-導入iPASP系統
  4. 半導體IC測試業案例-導入iPASP系統
  5. 精密科技產業案例-導入iPASP系統
  6. 某製造業業者-MicroStrategy業績分析管理平台
  7. POSCO韓國浦項鋼鐵廠-IBM SPSS Modeler品質預測和控制系統

台灣析數資訊股份有限公司

AsiaAnalytics Taiwan Ltd.


114台北市內湖路一段356號5樓[Google Map]

5F, No. 356, Sec. 1, Neihu Rd., Neihu Dist., Taipei City 11493, Taiwan (R.O.C.)

TEL:+886 2 7728 7958 FAX: +886 2 2627 0667

e-mail:service@asia-analytics.com.tw

關於析數 | 連絡析數 | 資料分析同樂會社團 | 訂閱析數電子報