機器操作員站在有兩隻機械手臂的組裝機器前,使用滑鼠和顯示器螢幕上顯示的資訊互動。

透過最佳化的預測性維護,將正常運行時間最大化並實現營運效率

瞭解如何在 Intel 以及 Intel 合作夥伴的協助下,在工廠部署預測性維護系統。

預防性維護的關鍵要點

  • 使用 AI 預測機器何時需要維護,將正常運行時間最大化並提升整體設備效能(OEE)。

  • 在規劃部署前,進行內部和外部評估,計算作業的停機風險。

  • 與 Intel® 技術夥伴合作,簡化 AI 部署、加速實現價值的時間,並克服實施障礙。

  • 利用 Intel® 軟硬體加速 AI 工作負載,取得廠房的即時作業資料。

author-image

作者

瞭解預測性維護(PdM)優勢

使用 AI 進行預測性維護策略,可協助工廠避免因設備故障和意外停機而導致代價高昂的問題,包括生產力損失、修復成本,以及錯過客戶交貨時間和辜負期望。

預測性維護為使用舊式系統的公司普遍存在昂貴的消耗維護心態,提供符合成本效益的替代方案。它也改良了過時的勞動密集型預防性維護方法,其中是以嚴格、固定增量執行維護。

反觀資料驅動的方法可讓您事先干預,避免造成代價高昂的停機時間。透過現代軟體定義廠房基礎架構,可以從整個工廠實體設備(通常是生產設備、引擎和其他高價值資產)的多個故障點收集作業資料。

例如,汽車製造商可以使用感應器資料來監測容易過熱的焊接槍狀況。分析資料可用來根據機器的運作狀況預測未來可能發生的故障,在接近閾值時觸發警示。

透過 AI 支援的預測性維護策略,貴組織可以: 

  • 採用預測性方法,將正常運行時間最大化。感應器資料可預先通知潛在的故障事件,讓決策更有效並加速修復。您可以提前規劃,將機器故障對作業的影響降至最低、主動安排維護,以免長時期中斷生產,並在機器維修時將負載轉移至其他設備。
  • 透過預測設備何時會故障來提升營運效率。讓設備高效啟動並運作是生產與利潤率的核心驅動力,可使您最大限度地提高整體設備效能(OEE)、達到關鍵效能指標(KPI)並最佳化投資報酬率(ROI)。
  • 利用歷史資料預測關鍵元件的損耗,實現產品品質的一致性。您可以在預測到異常狀況時訂購維護,並將設備維持在理想參數範圍內,實現趨近於零的缺陷率。

密切相關的是基於 AI 的機器狀況監測,這是一種類似的工業 4.0 技術,可讓您利用數位孿生模擬作業結果、偵測災難性故障的異常情況、偵測產品缺陷,以及使用電腦視覺來監測員工是否符合安全合規性法規。

既然您已瞭解工廠中智慧偵測的一些優勢,現在就可以規劃實作。以下是協調成功預測性維護部署應採取的步驟。

評估您的風險等級

第一步是評估組織的風險等級。製造商面臨的風險何其多,而預測性維護和 AI 支援的機器狀況監測有助於緩解設備故障和缺陷,以及安全和法規遵循的種種風險。彙編潛在風險報告可讓您確定 AI 解決方案是否值得前期投資。

  • 應進行內部風險評估,深入瞭解營運風險。需要考量的一些重要資料點包括:
    • 危害分析
    • 機器停機時間記錄
    • 產品品質調查
    • 安全事件審查
    • 過程偏差的記錄與歷史資料
    • 缺陷率
    • 法規遵循問題
    • ISO 認證狀態
  • 也應對意外停機所涉及的財務影響進行外部風險評估和研究。研究生產中斷如何導致供應鏈瓶頸和商品價格波動,並調查停機時間如何影響客戶滿意度。AI 解決方案可讓營運保持順暢運行,協助降低業務風險。

    組織面臨的具體風險會因子領域而有所不同:
    • 汽車、家電和電子產品製造商等獨立製造商更易容受機器故障引起的品質損失和供應鏈中斷問題。
    • 包括製藥、食品與飲料在內的流程製造商更易受到公式錯誤、法規遵從性和流程控制相關問題的影響。

您也應當仰賴外部研究(包括競爭性分析和產業報告)來比較與自家相似的工廠數位轉型。例如,您可以閱讀客戶成功案例,瞭解 BMW 如何利用工業 4.0 解決方案自動化及增強工廠的關鍵品質控制流程

與 AI 解決方案供應商合作

一旦準備繼續,請考慮引進外部協助來完成繁重的工作。與技術合作夥伴合作可簡化從規劃到實作的整個流程,有助於節省時間、降低成本、化繁為簡並克服實施障礙。Intel 與 AI 和工業解決方案供應商與系統整合商(SI)的全球網路合作,確保合作夥伴解決方案針對 Intel® 硬體最佳化,且搭載 Intel 技術的系統專為高效能和順暢作業而設計。

例如,Prescient Technologies 提供靈活的數位孿生解決方案,讓您在 30 天內就看到資料的影響。它基於適用於工業平台的 Intel® Edge Insights 和 OpenVINO™ 工具組,可協助您的作業員快速處理分散的營運資料來源,提供清晰的視覺化與可據以行動的資料深入解析。在這裡與他們聯絡

閱讀近期案例研究,瞭解 Intel 的生態系統合作夥伴如何在製造業實施工業 4.0 解決方案

實施您的 AI 解決方案

下一步是在整個工廠部署 AI 功能,以便您監控設備。這需要實體安裝支援 AI 的技術,收集每部設備的資料並部署 AI 演算法,即時分析收集的資料,以識別並防止發生維護、法規遵循與生產力相關的問題。

以下是在工廠部署 AI 解決方案的詳盡摘要:

  1. 在設備中安裝 支援 AI 的技術,收集作業資料與故障歷史記錄,並定義機器特定的特徵。作業資料為預測性維護帶來基礎,特別是機器正常運作的資料與錯誤資料。感應器通常用來收集這些資料。舉例來說,如果液壓泵受到監控,則感應器可以擷取振動率、油壓、流體速度和其他相關參數。或者,如果機器是軟體定義控制(SDC)系統的一部分,則安裝遙測代理程式來即時擷取機器的特徵。
  2. 在邊緣或雲端準備 機器資料。資料庫用來儲存原始資料以供分析。資料科學家會預先處理資料,將其轉換為適合演算法的格式。預先處理的步驟提升了資料準確性,並讓演算法高效處理資料。
  3. 訓練 預先處理之資料的 AI 演算法,建立特定於機器作業資料的模型。資料科學家會根據資料的性質和關鍵效能指標(例如延遲、模型大小和準確性)來確定適當的演算法。
  4. 邊緣裝置或中央伺服器上部署 經過訓練的 AI 模型,從各種機器收集串流資料,集體做出預測。貴組織的最佳選項將取決於您上述的風險等級。需要即時預測的作業應在邊緣裝置上部署模型,而那些在預測故障方面有較大餘地的作業可以使用中央伺服器。

    然而,仍需要考量利弊得失。在邊緣裝置上即時讀取資料可能需要使用較小的模型,這可能不如大型模型準確,也會導致預測有所變化。

    建議將具有 AI 加速功能的邊緣裝置用於邊緣使用案例。OpenVINO™ 工具組是一款最佳化及部署 AI 模型的開放原始碼工具組,可讓您以更高的效率在邊緣執行 AI 應用程式。

    此外,搭載 oneAPIIntel® AI 工具利用熱門架構與程式庫(包括 PyTorch、Modin、scikit-learn、XGBoost 等)的最佳化套件,協助您加速 Intel® 架構上的機器學習工作負載。

挑選並部署 Intel® 解決方案

利用合適的技術組合,是成功部署 AI 的關鍵。透過強大的端對端 AI 平台,Intel 可為您提供實施工業 AI 解決方案所需的元件,包括:

  • 硬體解決方案,例如具有低延遲時效性網路(TSN)等功能的 AI 就緒處理器,和適用於工業條件的強固性耐熱硬體1
  • 軟體解決方案,例如以工業為重點的開發平台
  • 提供部署就緒、自訂解決方案或系統整合專業知識的合作夥伴,協助您部署基於 Intel 技術的解決方案,並盡量減少系統複雜性

部分可協助推動預測性維護解決方案的 Intel 產品包括:

  • Intel® Xeon® 可擴充處理器提供效能,推動廠房的進階分析。這些處理器包含內建的 Intel® AI Engines,可大規模加速 AI 工作負載,透過提升 CPU 核心上深度學習訓練和推斷任務的效能,快速提供作業資料的洞見。2
  • 適用於工業的 Intel® Edge Insights 平台為利用工廠資料以改善作業奠定了基礎。透過支援影片與時間序列資料擷取,這個開放且可隨時部署的軟體套件附有預先驗證的軟體元件,可加速工業 AI 部署。它包括 AI 分析、可以發布至本地應用程式或雲端,並讓自訂解決方案更為靈活變通。
  • Intel 生態系統合作夥伴的 Intel® IoT Market Ready Solutions(Intel® IMRS)整合 Intel® 軟硬體至可立即部署的工業解決方案,進而消除停機風險、釋放作業效率並提升員工安全。這些可立即部署的工業 4.0 解決方案專為在Intel® 處理器上執行 AI 應用程式最佳化,提升邊緣和內部部署的效能。

馬上開始最佳化預測性維護

預測性維護和基於 AI 的機器狀況監測解決方案可讓組織最大限度地延長正常運行時間,實現作業效率。Intel® 軟硬體與合作夥伴網路可協助您部署市場就緒的 AI 解決方案,並實現理想的作業端狀態。立即聯繫您的 Intel 代表或 Intel® 技術夥伴,讓 AI 為貴組織服務。

立即尋找 Intel® 技術合作夥伴提供的工業 AI 解決方案產品

常見問題集 (FAQ)

常見問題集

預測性維護是一套即時偵測潛在風險以防止設備出現故障的策略。從機器收集資料並在工廠進行分析,可讓您規劃維護事宜,避免停機並最佳化維護成本。