摘要
應用αduino物聯網技術於強化廠務設備之故障預知能力
Keywords / αDuino Internet Of Things(αIoT)2,Failure Prediction2,Artificial Intelligence(AI)2
為因應未來人工智慧(AI)工廠之需求與分擔工程師之工作負荷，將應用αduino 物聯網(αIoT)技術來強化廠務設備之故障預知能力。αduino應用架構主要分為7個單元，各單元之資料與資訊之傳輸都採無線通訊模式來傳遞，這樣一來將能減少90%配線之人工費用，其系統架設之優勢還有各單元體積小安裝簡單、能耗節能50%與高彈性應用等優點◦此外，系統也擁有AI學習能力，能一直不斷更新故障預知代理人之預知方式與條件，最後達到故障預知代理人最佳世代，如此才能100%代理工程師去監視廠設備與元件之壽命，提升工作效率與輕鬆管理所屬設備與達到快樂工作之目標。
前言
本篇應用αIoT(αduino Internet of Things,αIoT)技術來強化廠務設備之故障預知能力，其架構如 圖1所示，其敘述如下:資料收集單元:為各類αduino相容的感測器(如溫度、濕度、電壓、電流、測距、測漏、CO2、振動、電磁場、瓦斯、O2、偵煙、 Ph值、火燄、測速、心跳、噪音、照度及壓力等)。資料初步判讀單元:微處理器擁有運算功能，若我們將移動平均數之方法植入程式中讓這個微處理器能代理工程師對所屬之設備與元件進行24小時監視其壽命，那麼我們將稱此微處理器為設備故障預知代理人(Failure Prediction agent，以下簡稱FP agent)。
圖1、αduino FIoT 之無線通訊故障預測系統架構
資料與預警信號無線傳送於接收單元：它是靠無線射頻模組(RF433 MHz)將資料收集單元之資料與設備FP agent資料判讀資訊傳送到資料與資訊之收集單元。
雲端大數據儲存單元：儲存來自各區域設備與元件之偵測資料與資訊。
AI專家分析單元：建立各系統設備與元件大量專家偵測診斷規則而形成一個大型專家系統規則庫。
故障預知代理人製造單元：將AI專家分析單元所製造出來的專家系統規則植入FP agent，依此類推建立其大量FP agent來取代人工偵測診斷之工作。
FP agent更新單元：FP agent要不斷的演進才能創作出每一類型之最佳FP agent，如此一來才能有效的區取代人工。
αduino 介紹
αduino PLC是一項集合小而巧、便宜、功能強大及彈性運用廣等優勢之工具，其組成如 圖2所示，為感測器單元與all-in-one的PLC包括電源供應單元、微處理器、數位輸入與輸出單元(DI/O)、類比輸入與輸出單元(AI/O)、通訊單元(RS232通訊埠)、RS485、無線射頻模組(RF433MHz)與可擴充搭配之通訊模組(RS422、USB、Wi-Fi、藍牙(Bluetooth)、X-Bee、Z-Bee、無線射頻模組(800M/900M/2.4GHz可調頻)、Z-Bee與GPRS)。
圖2、duino PLC 組合圖
未來發展將克服感應器單元到αduino PLC也成為無線通訊架構如 圖3所示，其架構可分為感應器無線電力傳送單元與感應器無線電力接收單元，如此一來將可實現無線感應量測架構。
圖3、無線充電架構圖
αduino 與傳統式故障預知系統架構之比較
其故障預知系統架構可分為四種模式，全無線αduino base資料與資訊傳輸架構，如 圖4所示，其主要特色是運用無線充電技術將各類感測器(sensor)變成無線感測器，如此一來將能實現全無線資料與資訊傳輸之架構；αduino base 無線資料與資訊傳輸架構，如 圖5所示；
圖4、αduino PLC 組合圖
圖5、無線資料與資訊傳輸架構圖
可程式控制器(PLC base)資料與資訊傳輸架構如 圖6；表頭式資料傳輸架構如 圖7所示，其四種模式之優缺點比較如 表1所示，其CP值(3.5)最高的為全無線αduino base資料與資訊傳輸架構。
圖6、PLC base 無線資料與資訊傳輸架構圖
圖7、表頭式無線資料傳輸架構圖
| 比較項目 | 權重值 | αduino (全無線) | αduino (90%無線) | PLC | 表頭式 | ||||
|---|---|---|---|---|---|---|---|---|---|
| CP值：3.5 | CP值：3.4 | CP值：2.3 | CP值：0.6 | ||||||
| 狀態值 | 轉移函數值 | 狀態值 | 轉移函數值 | 狀態值 | 轉移函數值 | 狀態值 | 轉移函數值 | ||
| 前端資料判讀能力 | 1 | 高 | 5 | 高 | 5 | 中 | 3 | 無 | 0 |
| 後端SCADA負荷量 | 0.95 | 低 | 5 | 低 | 5 | 低 | 5 | 高 | 1 |
| 系統能耗性 | 0.9 | 低 | 3 | 中低 | 4 | 中 | 3 | 高 | 1 |
| 感應器選配性 | 0.85 | 高 | 5 | 高 | 5 | 中 | 3 | 低 | 1 |
| 配線成本 | 0.8 | 無 | 6 | 低 | 5 | 中 | 3 | 高 | 1 |
| 硬體成本 | 0.8 | 中低 | 4 | 低 | 4 | 中 | 3 | 高 | 1 |
| 硬體配置便捷性 | 0.7 | 高 | 5 | 中高 | 4 | 中 | 3 | 低 | 1 |
| 體積大小簡易性 | 0.65 | 高 | 5 | 高 | 5 | 中 | 3 | 低 | 1 |
| 軟硬體維護保養方便性 | 0.6 | 高 | 5 | 高 | 5 | 中 | 3 | 低 | 1 |
| 使用方便性 | 0.5 | 高 | 5 | 高 | 5 | 中 | 3 | 低 | 1 |
| 程式軟體開放性 | 0.5 | 高 | 5 | 高 | 5 | 中 | 3 | 高 | 1 |
| 軟硬體通用性 | 0.5 | 高 | 5 | 高 | 5 | 中 | 3 | 低 | 1 |
αduino 於廠務設備故障預知之應用
可應用之範圍為電源供應器輸出電壓偵測；電容器溫度及電壓偵測；馬達軸承溫度及振動偵測；Plug-in偵煙及溫度偵測；AC Box溫度偵測；變壓器磁場、偵煙及溫度偵測；匯流排接點溫度偵測；變頻器IGBT模組溫度偵測；高壓端比壓器(PT)磁場及溫度偵測。
圖8、αduino IoT 廠物設備故障預知代理人建置架構
已建置完成的範例
範例一
如 圖9所示，為南科機械課冷卻水塔系統(Cooling Tower)之電源供應器與變頻器內部之IGBT與直流電容器的故障預知系統，本系統有五站變頻器盤，本期刊將於每個變頻器盤體內部安裝一組故障預知代理人以偵測電源供應器輸出電壓與變頻器內部IGBT與直流電容器溫度，再透過無線射頻將盤內偵測資料傳至盤外主站(Master)故障預知系統，之後由主站再與原有的可程式控制器(PLC)連接(運用一點DI)，最後在於原冷卻水塔監控系統(SCADA)上建立一點共同警報(common alarm)來顯示狀態。
此架構之優點減少90%配線人工、減少90%通訊負荷、低耗量之αduino元件、可直接融入現有的SCADA、提前預警元件故障並提高系統故障防禦能力，其建置成本低，約省下成本60%，如 表2所示。
圖9、αduino IoT 廠物設備故障預知代理人建置架構圖
|
系統 |
感測器 |
通訊配線 工資 |
感測器配線 工資 |
模組 |
程式 |
監控畫面 點數新增 |
Total |
|---|---|---|---|---|---|---|---|
|
PLC建構方式 |
60,000 |
100,000 |
50,000 |
120,000 |
30,000 |
20,000 |
380,000 |
|
αduino建構方式 |
60,000 |
12,000 |
50,000 |
50,000 |
0 |
20,000 |
192,000 |
範例二
南科廠區水課漏液檢知器自我測試裝置如 圖10所示，本篇應用αduino搭配1顆2個常開接點繼電器，將程式撰寫每天早上08:30自動對漏液檢知器作導通測試三次並且由原有可程式控制器(PLC)去判斷為漏液檢知器自動測試動作若正常完成就觸發400漏液檢知器測試完成警報。
此架構若實行至南科廠區之3351套漏液檢知帶(電阻式)，自動測試時預估每年將節省2016小時漏液檢知器預防保養人工工時，其附加優點有可減少90%配線人工、低耗量之αduino元件，並可直接融入現有的監視系統之優勢。省下成本約53%，如 表3所示。
圖10、Leak sensor 自我測試裝置架構圖
|
系統 |
感測器 配線工資 |
模組 |
程式 |
監控畫面點數新增 |
總金額 |
|---|---|---|---|---|---|
|
PLC 建構方式 |
2,000 |
10,000 |
5,000 |
0 |
17,000 |
|
αduino 建構方式 |
2,000 |
6,000 |
0 |
0 |
8,000 |
預計執行專案
專案一
馬達軸承溫度與振動無線自動監測裝置[RF and RFID]其架構如 圖11所示，本文應用Arduino整合板搭配RF無線通訊技術將24hr監測馬達軸承溫度及振動量並且運用偵訊到的這溫度與振動量這兩條曲線來分析出軸承運轉壽命剩餘小時數，這樣一來就能於馬達軸承要損壞前就可安排PM進行更換，那就可避免不預期的故障所帶來的停機的impact。
圖11、馬達軸故障預知系統架構圖
專案二
PT/匯流排/變壓器/Plug in/AC Box接點溫度無線自動監測裝置[RFID]，其架構如 圖12所示，其監測電力元件溫度的defense可以掌控元件壽命，因為電力元件燒燬五步曲，(過載/接觸不良)→過溫→絕緣破壞→短路→元件燒燬，若第一時間能監測元件重要位置之溫度並有警報通知那將會避免元件絕緣破壞，那元件就不會到短路燒燬的階段，那我們就能因此掌控元件更換之壽命了。
圖12、比壓器\ 匯流排\ 變壓器\Plug in\AC Box 故障預知系統架構圖
專案三
應用無線電壓表於不斷電系統(UPS)預防保養時避免人員感電風險與減少預防保養時人員量測跨壓之時間，其架構如 圖13所示，本期刊應用αduino整合板搭配無線射頻通訊(RF)技術與三個單相交流電壓檢知器，將盤內所量測之電壓透過無線傳輸將電壓傳至預防保養(PM)模擬板以供UPS預防保養切機時參考，如此一來就不用開電盤量測電壓以節省量測電壓時間，並且能避免人員因量測電壓時不小心感電之風險。
圖13、無線電表架構圖
結論
本篇運用αduino物聯網之技術來建置廠務設備的防禦系統，最終目標是能預測其廠務設備之元件壽命並於元件尚未故障前將之更換，以避免元件不預期的故障所導致緊急搶修與不預期之生產中斷，進而達到減少工作量之目的。以馬達軸承溫度與振動監測系統為例，我們能將收集到的馬達軸承之溫度及振動這兩條曲線方程式進行分析找到各款軸承之運轉壽命，進而推算出軸承剩餘運轉時數以供工程師參考。本篇也應用了αduino製作一些故障預知多工代理人(FP agent)來取代某部分例行性的預防保養工作，例如：漏液檢知器自我測試裝置如 圖10所示，此多工代理人為南科廠區節省了每年2,016小時的預防保養工時(預計安裝3351組)；另一個例子為無線電表自動量測裝置如 圖13所示，此多工代理人節省了20%不斷電系統年度預防保養時切機工作量與避免100%人員感電風險(預計安裝175 組)，這些多工代理人都是能替代人工之裝置，若我們能製作更多的多工代理人就能減輕工作量，那麼工程師與TXM人員更能得到更多時間再去作跨領域之學習，進一步能達到人力工作效能之提升目標。
圖10、Leak sensor 自我測試裝置架構圖
參考文獻
- Tzu-Hung Chang1a, Tsung-En Lee1b, Nai-Kuei Hsueh2c, Chia Hong Lin1d, Cheng-Fu Yang2e*, "Investigation of TiO2-Al2O3 Bi-Layer Films as Bragg Reflector of Blue Light by Using Electron Beam Evaporation", (SCI-IF: 1.195), The Microsystem Technologies SCI Journal on Springer International Publishing ,DOI: 10.1007/s00542-017- 3504-8,ISSN:1432-1858, Accepted:25 July 2017/Published online:29 July 2017
- 張子鴻(2018)，“ 應用模糊派翠網路於 強化電力系統防禦能力之研究”，國立 高雄應用科技大學博士論文，2018
- 余秀玲(2004)，布拉格反射器之反射光 譜研究，中原大學應用物理研究碩士論 文
- 趙英傑(2017)。超圖解Arduino 互動設 計。台北市：旗標科技
- 孫駿榮/ 蘇海永(2015)。用Arduino 全 面打造物聯網。台北市：碁峰資訊
留言(0)