即時線上人數:21 參觀總人數:258109
Smart Pad

頁面路徑選單

最新消息

預測性維護讓製造業降低營運成本

  • facebook
  • Plurk
  • Twitter
  • Weibo
  • qq
  • renren
  • 微信

機器故障讓製造業付出鉅額成本,所幸現在的感應器與機器學習等新技術,可以做到提前預測,進而減少停機時間。據Bureau of Analysis數據,美國平均工業設備使用年限,從1970年代以後就持續拉長,現在平均的使用時間都已達到10年。隨著資產老化,故障與維修的機會就變得越來越多。

預測性維修業者Presenso共同創辦人暨執行長Eitan Vesely表示,目前許多製造業者仍採用到故障為止(Run-to-failure)的方式,這種被動式的維修,但這其實要付出昂貴的成本,除了維修故障的機器之外,這還會損害整個生產線。

由於製造機器的年限持續拉長,製造業者復出的成本與風險也跟著上升。許多公司並未精確量化他們的停機成本,但據估計,就算是小型工廠,其每小時產生的成本也可能高達數萬美元。

工業4.0提供新的技術,可以量化停機時間,並監測、預測故障。機器中的感應器,可以透過先進的演算法,快速顯示出異常的趨勢與問題。

一般人工方式需要拿著清單,並設定許多變數,並根據歷史數據進行評估;機器有複雜的演法,可以考慮成千上萬個變數,而且即時偵測出細微的改變,這是傳統方法作不到的。

Infosys全球調查指出,儘管81%製造商明白機器學習有助於機器維修,但只有17%真正採用了相關技術。許多中小型業者還在使用1980年代的系統,甚至使用人工的數據分析。

還沒導入預測性分析的製造業者可能會問,究竟這麼做的投資報酬率有多高?使用預測性分析,需要投資感應器和SaaS解決方案等。製造業者應該瞭解相關分析工具的精準度,同時考量停機所造成的衝擊,然後做出綜合評估。

Vesley認為,一開始應該從概念驗證開始,如果能夠提前偵測出資產故障,這時候管理階層就比較容易接受這樣的提議。跨部門的合作,包括IT部門與營運部門的整合,也是非常重要。

回上頁