Page 95 - Vol.47

TSMC / FACILITY PUBLISHED
VOL.47
廠務季刊

URL.http://nfjournal/

應用IOT技術於AAS早期震動故障預警系統

Application of IOT Tech. on Air abatement system Failure Prediction

文│曾柏憲 張子鴻│台南廠務四部│

摘要 / Abstract

因應趨向嚴苛的空氣污染防制法，降低因保養不當/未發現異常/系統壽命造成之系統異常為本廠相當重視之議題，於本篇
中以互聯網與機械學習作為主軸。來探討使用具有高彈性的αduino架構用於空氣污染防治設備上以期能達到及早發現及早預防
之目的。本架構使得通訊方式也具有相當大的彈性以配合各種不同通訊架構，可使用各種常用通訊接口，並且可以選擇使用無
線傳輸來跨越現場難以配管配線的區域。而在成廠區有空間與預算方面的限制，本系統有相當大的系統優勢可以免去拉配線的
人工與經費。並且達到與現有系統平行運轉的目的。
轉動設備維護現行為每月量測震動值，並且輔以每日巡檢以達到例行管理，每月光是量測全部系統之震動值需要4.5HR*2個
TMM人力共約9小時人力來做量測與例行保養。如使用本系統則可以省去量測震動值之時間得到每月節省5小時的人力並且可以
透過實時量測得到系統行為與保養的相對關係。

關鍵詞 / αduino物聯網、故障預知、人工智能

Due to Air Pollution Control Act tend to stricter, Trying to reduce all potential risk like unproper maintenance/loss
abnormal detected/system live time is our major goal as a system owner. In this paper, we use IOT and αduino structure to
build this system. Our major target is trying to know more detail and find risk between the lines. So we are able to solve the
potential problem before it cause real accident. This system's major advantage is the flexibility of compatible of different type
of sensor. And allow to use different type of communication Arch. RF/ Wi-Fi and other wireless are also optional. In Operation
Factory, there are so many difficulties to setup a new system. Like no space to set a cable tray or Cost issue. If chose wireless
communication Arch. Will Save a big money. And able to tie in current operation system. For now, we checked the Vibration
every month and that cost 9 HR/man power. Use this system can save 5 HR/man power every month and able to know the
relationship between system reaction and maintenance.

Keywords / αDuino Internet Of Things(αIoT), Failure Prediction, Artificial Intelligence(AI)

1. 前言

在廠務系統內，AAS系統處理的面向相當多，包括製程廢 在本篇中應用了αIoT(αduino Internet of things)架構來進
氣與化學品環境換氣，散熱與除塵，揮發性物質與酸鹼廢氣的 行系統建置。在本研究中著重於系統異常震動預知，以及資料
處理等等。而廠內設備為了運轉安全，在排氣與製程廢氣的安 模型建立，核心為取得穩定運轉數據後，如系統因任何原因
全機制也需要高穩定性。為避免臨時發生因馬達壽命/組裝/施 導致震動值離群，透過本系統可以在發生真正的Failure之前進
作手法產生之系統異常，導致空污處理設備跳脫。於此篇設置 行預先保養/維護，本系統架構為sensor-IoT-Scada-ML建模後
模組化系統目的為達到提前預測，以減少預期外的系統風險。 進行前後期模型比對，如脫模或者離群者再根據既有資訊去
本廠進行了如下架構來完成極早期預警系統。 Trouble shoot或是提前保養。

FACILITY JOURNAL 09 2022 93