TWI709010B - 設備異常原因診斷方法及系統 - Google Patents
設備異常原因診斷方法及系統 Download PDFInfo
- Publication number
- TWI709010B TWI709010B TW108123681A TW108123681A TWI709010B TW I709010 B TWI709010 B TW I709010B TW 108123681 A TW108123681 A TW 108123681A TW 108123681 A TW108123681 A TW 108123681A TW I709010 B TWI709010 B TW I709010B
- Authority
- TW
- Taiwan
- Prior art keywords
- abnormal
- equipment
- category
- abnormality
- historical
- Prior art date
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
一種設備異常原因診斷方法,包含:藉由檢測器輸入檢測訊號;藉由監控分析模組判斷檢測訊號對應的異常模式,其中異常模式以及異常代碼分別對應至設備類別;以及利用異模式對應的異常代碼與專家知識資料庫比對,以產生異常模式對應的異常原因以及保養建議。
Description
本案是有關於一種異常原因診斷方法及系統,且特別是有關於一種設備異常原因診斷方法及系統。
工廠產線關鍵設備一般而言會設置線上監控系統,以確保產線穩定及運作安全;然而,傳統監控系統是採用各監控點位上下警戒值作為設備運轉狀態評估,然而,在發生異常模式時,無法提供設備可能異常原因及保養對策,相關增加異常診斷困難度及無合理後續保養修繕規劃;導致產線的良率下降或是產線被迫停止等情況。因此,如何在發生異常狀況時,系統自動給出維修保養的建議是本領域待解決的問題。
為達成上述目的,本案之第一態樣是在提供一種設備異常原因診斷方法,此方法包含以下步驟:藉由檢測器輸入檢測訊號;藉由監控分析模組判斷檢測訊號對應的異常模式,其中異常模式以及異常代碼分別對應至設備類別;
以及利用異常模式所對應的異常代碼與專家知識資料庫比對,以產生異常模式對應的異常原因以及保養建議。
本案之第二態樣是在提供一種設備異常原因診斷系統,其包含:儲存裝置、操作介面以及處理器。處理器與儲存裝置以及操作介面電性連接。儲存裝置,用以儲存專家知識資料庫、檢測訊號以及設備資料。處理器用以根據控制訊號判斷檢測訊號,其包含:異常判斷元件以及保養建議產生元件。異常判斷元件用以藉由監控分析模組判該檢測訊號對應的異常模式,其中異常模式以及異常代碼分別對應至設備類別。保養建議產生元件與該常判斷元件電性連接,用以利用異常模式對應的異常代碼與專家知識資料庫比對,以產生異常模式對應的異常原因以及保養建議。
本發明之設備異常原因診斷方法及系統,其主要係改進以往傳統保養模式(預知及預防保養),當異常判斷元件判斷發生異常狀況之後,利用保養建議產生元件比對異常代碼與專家知識資料庫,達到自動產生異常原因以及保養建議的功能。
100‧‧‧設備異常原因診斷系統
110‧‧‧儲存裝置
120‧‧‧處理器
130‧‧‧操作介面
140‧‧‧顯示器
121‧‧‧異常判斷元件
122‧‧‧保養建議產生元件
123‧‧‧類別判斷元件
124‧‧‧樣版建立元件
200‧‧‧設備異常原因診斷方法
S210~S230、S310~S350‧‧‧步驟
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:第1圖係根據本案之一些實施例所繪示之一種設備異常原因診斷系統的示意圖;第2圖係根據本案之一些實施例所繪示之一種設備異
常原因診斷方法的流程圖;以及第3圖係根據本案之一些實施例所繪示之建立專家知識資料庫的流程圖。
以下揭示提供許多不同實施例或例證用以實施本發明的不同特徵。特殊例證中的元件及配置在以下討論中被用來簡化本揭示。所討論的任何例證只用來作為解說的用途,並不會以任何方式限制本發明或其例證之範圍和意義。此外,本揭示在不同例證中可能重複引用數字符號且/或字母,這些重複皆為了簡化及闡述,其本身並未指定以下討論中不同實施例且/或配置之間的關係。
請參閱第1圖。第1圖係根據本案之一些實施例所繪示之一種設備異常原因診斷系統100的示意圖。如第1圖所繪示,設備異常原因診斷系統100包含儲存裝置110、處理器120、操作介面130以及顯示器140。處理器120電性連接至儲存裝置110、操作介面130以及顯示器140,儲存裝置110用以儲存專家知識資料庫、檢測訊號、歷史訊號、設備資料以及修繕履歷等資訊。
於一實施例中,檢測訊號以及歷史訊號是來自設備上裝設的檢測器(圖未示)所檢測到的設備運轉狀態資訊,舉例而言,檢測訊號以及歷史訊號可以是溫度、壓差、震動、電流等偵測器產生的監控訊號。當使用者想要查詢檢測訊號的異常原因以及保養建議時,可以藉由操作介面130
輸入控制訊號,以控制處理器120進行相應的操作。顯示器140用以顯示處理器120產生的異常原因以及保養建議。
於本發明各實施例中,處理器120可以實施為積體電路如微控制單元(microcontroller)、微處理器(microprocessor)、數位訊號處理器(digital signal processor)、特殊應用積體電路(application specific integrated circuit,ASIC)、邏輯電路或其他類似元件或上述元件的組合。儲存裝置110可以實施為記憶體、硬碟、隨身碟、記憶卡等。操作介面130可以實施為鍵盤、滑鼠等人機介面裝置,顯示器140可以實施為觸控顯示器。
承上述,如第1圖所示,處理器120包含異常判斷元件121、保養建議產生元件122、類別判斷元件123以及樣版建立元件124。保養建議產生元件122與異常判斷元件121、類別判斷元件123以及樣版建立元件124電性連接。
請參閱第2圖。第2圖係根據本案之一些實施例所繪示之一種設備異常原因診斷方法200的流程圖。於一實施例中,第2圖所示之設備異常原因診斷方法200可以應用於第1圖的設備異常原因診斷系統100上,處理器120用以根據下列設備異常原因診斷方法200所描述之步驟,診斷異常狀況,以產生異常模式對應的異常原因以及保養建議。
接著,設備異常原因診斷方法200首先執行步驟S210,藉由檢測器輸入檢測訊號;接著執行步驟S220,藉由監控分析模組判斷檢測訊號對應的異常模式。於一實施例中,每個設備皆包含複數個類型不同的檢測器,舉例而
言,可以是檢測設備的溫度、壓差、震動或電流狀態的偵測器。在此以溫度、壓差、震動為例。設備操作參數包含設備的基本訊息以及性能參數。
在執行步驟S220之前需要先建立監控分析模組,於一實施例中,監控分析模組可以先由主成份分析演算計算得特徵值以及特徵向量,根據計算出的特徵向量進一步求出每個檢測訊號對應的異常值,如果異常值大於門檻值則判斷該筆檢測訊號發生異常狀況。
承上述,在執行步驟S230之前,需要先建立專家知識資料庫。請參閱第3圖。第3圖係根據本案之一些實施例所繪示之建立專家知識資料庫的流程圖。如第3圖所示,首先執行步驟S310,輸入歷史訊號以及歷史訊號對應的歷史異常模式;接著執行步驟S320,輸入設備資料。其中,異常模式以及異常代碼分別對應至不同的設備類別,設備資料包含設備形式資料以及設備類別。
承上述,舉例而言,設備類別是指根據設備組件的功能將其分類,包含動力系統類別、傳動系統類別、設備本體類別以及潤滑系統類別。設備形式資料是指設備的出廠設定資料、設備組件資料以及組件異常資料等。舉例而言,設備形式資料包含設備組件的操作溫度、壓力範圍,或是設備運轉時需要的能耗等。
承上述,接著執行步驟S330,根據設備資料將歷史異常模式分類,以決定歷史異常模式對應的設備類別以及異常代碼。於一實施例中,每一歷史訊號皆由檢測器產
生,因此可以藉由檢測器安裝的檢測位置以及檢測的設備組件,將歷史異常模式分類。舉例而言,如果是對應傳動系統類別的組件的檢測訊號發生異常模式,可以根據設備資料找到此異常模式的設備類別是傳動類別,異常代碼為ELP。
承上述,接著執行步驟S340,將歷史異常模式對應的設備類別以及異常代碼與設備異常資料以及組件異常資料比對,以決定歷史異常模式對應的異常原因以及保養建議。於一實施例中,設備異常資料可以是設備操作手冊以及過往日誌紀錄等資料,組件異常資料可以是設備出廠時所規定的異常數據。
接續上方實施例,如果是檢測設備壓力的檢測器檢測到設備發生異常模式,在傳動系統類別中發生壓力異常的狀態可能是發生外部洩漏的異常狀況。根據傳動類別與ELP異常代碼,在設備異常資料以及組件異常資料中比對,產生異常原因可能是泵殼洩漏,建議可以檢查泵殼有無洩漏並且進一步根據檢查狀況更換泵殼。值得注意的是,比對設備異常資料以及組件異常資料時可以將文字進行斷詞處理後,再進一步進行文字比對。
於另一實施例中,在比對設備異常資料以及組件異常資料時也可以進一步分析異常原因。接續上方實施例,在比對傳動類別與ELP異常代碼時,除了比對出異常原因為泵殼洩漏,也可進一步比對出是因為泵殼製作有瑕疵產生砂孔才導致泵殼洩漏。
承上述,接著執行步驟S350,根據歷史異常模
式對應的設備類別、異常代碼、異常原因以及保養建議建立設備樣版,利用設備樣版產生該專家知識資料庫。接續上方實施例,設備樣版可以顯示如下《表一》,根據此樣版建立專家知識庫。
接著,專家知識庫建立後,設備異常原因診斷方法200執行步驟S230,利用異常模式對應的異常代碼與專家知識資料庫比對,以產生異常模式對應的異常原因以及保養建議。於一實施例中,當專家知識庫根據設備樣版建立完成後,可以直接將發生狀態的檢測訊號所對應的設備類別與專家知識資料庫比對,以找出對應的異常原因以及保養建議。
由上述本案之實施方式可知,主要係改進以往傳統保養模式(預知及預防保養),當異常判斷元件判斷發生異常狀況之後,利用保養建議產生元件比對異常代碼與專家知識資料庫,達到自動產生異常原因以及保養建議的功能。
另外,上述例示包含依序的示範步驟,但該些步驟不必依所顯示的順序被執行。以不同順序執行該些步驟皆在本揭示內容的考量範圍內。在本揭示內容之實施例的精
神與範圍內,可視情況增加、取代、變更順序及/或省略該些步驟。
雖然本案已以實施方式揭示如上,然其並非用以限定本案,任何熟習此技藝者,在不脫離本案之精神和範圍內,當可作各種之更動與潤飾,因此本案之保護範圍當視後附之申請專利範圍所界定者為準。
100‧‧‧設備異常原因診斷系統
110‧‧‧儲存裝置
120‧‧‧處理器
130‧‧‧操作介面
140‧‧‧顯示器
121‧‧‧異常判斷元件
122‧‧‧保養建議產生元件
123‧‧‧類別判斷元件
124‧‧‧樣版建立元件
Claims (8)
- 一種設備異常原因診斷方法,包含:藉由一檢測器輸入一檢測訊號;藉由一監控分析模組判斷該檢測訊號對應的一異常模式,其中該異常模式以及一異常代碼分別對應至一設備類別;以及利用該異常模式所對應的該異常代碼與一專家知識資料庫比對,以產生該異常模式對應的一異常原因以及一保養建議,其中該專家知識資料庫之建立方法包含:輸入一歷史訊號以及該歷史訊號對應的一歷史異常模式;輸入一設備資料,其中該設備資料包含一設備形式資料以及該設備類別;根據該設備資料將該歷史異常模式分類,以決定該歷史異常模式對應的該設備類別以及該異常代碼;將該歷史異常模式對應的該設備類別以及該異常代碼與一設備異常資料比對,以決定該歷史異常模式對應的該異常原因以及該保養建議;以及根據該歷史異常模式對應的該設備類別、該異常代碼、該異常原因以及該保養建議建立一設備樣版,利用該設備樣版產生該專家知識資料庫。
- 如請求項1所述的設備異常原因診斷方法,其中,該設備類別包含一動力系統類別、一傳動系統類別、 一設備本體類別以及一潤滑系統類別。
- 如請求項1所述的設備異常原因診斷方法,其中,該設備形式資料包含一設備組件資料以及一組件異常資料。
- 如請求項3所述的設備異常原因診斷方法,其中,更用以利用該組件異常資料產生該歷史異常模式對應的該異常原因以及該保養建議。
- 一種設備異常原因診斷系統,包含:一儲存裝置,用以儲存一專家知識資料庫、一檢測訊號以及一設備資料;一操作介面,用以輸入一控制訊號;一處理器,與該儲存裝置以及該操作介面電性連接,用以根據該控制訊號判斷該檢測訊號,該處理器包含:一異常判斷元件,用以藉由一監控分析模組判斷該檢測訊號對應的一異常模式,其中該異常模式以及一異常代碼分別對應至一設備類別;一保養建議產生元件,與該異常判斷元件電性連接,用以利用該異常模式對應的該異常代碼與一專家知識資料庫比對,以產生該異常模式對應的一異常原因以及一保養建議;一類別判斷元件,與該保養建議產生元件電性連接,用以輸入一歷史訊號以及該歷史訊號對應的一歷 史異常模式,輸入一設備資料,並根據該設備資料將該歷史異常模式分類,以決定該歷史異常模式對應的該設備類別以及該異常代碼,其中該設備資料包含一設備形式資料以及該設備類別;以及一樣版建立元件,與該類別判斷元件電性連接,用以將該歷史異常模式對應的該設備類別以及該異常代碼與一設備異常資料比對,以決定該歷史異常模式對應的該異常原因以及該保養建議,以及根據該歷史異常模式對應的該設備類別、該異常代碼、該異常原因以及該保養建議建立一設備樣版,利用該設備樣版產生該專家知識資料庫。
- 如請求項5所述的設備異常原因診斷系統,其中,該設備類別包含一動力系統類別、一傳動系統類別、一設備本體類別、一潤滑系統類別。
- 如請求項5所述的設備異常偵測系統,其中,該設備形式資料包含一設備組件資料以及一組件異常資料。
- 如請求項7所述的設備異常偵測系統,其中,更用以利用該組件異常資料產生該歷史異常模式對應的該異常原因以及該保養建議。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108123681A TWI709010B (zh) | 2019-07-04 | 2019-07-04 | 設備異常原因診斷方法及系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108123681A TWI709010B (zh) | 2019-07-04 | 2019-07-04 | 設備異常原因診斷方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI709010B true TWI709010B (zh) | 2020-11-01 |
TW202102951A TW202102951A (zh) | 2021-01-16 |
Family
ID=74202228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108123681A TWI709010B (zh) | 2019-07-04 | 2019-07-04 | 設備異常原因診斷方法及系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI709010B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201327077A (zh) * | 2011-12-30 | 2013-07-01 | Ind Tech Res Inst | 擷取機台之圖形介面視窗之元件的程式參數的方法和機台之操作方法 |
TW201615844A (zh) * | 2014-10-22 | 2016-05-01 | 財團法人工業技術研究院 | 異因分析與校正方法與系統 |
TW201843642A (zh) * | 2017-05-08 | 2018-12-16 | 臺泥資訊股份有限公司 | 巡檢管理方法及系統 |
-
2019
- 2019-07-04 TW TW108123681A patent/TWI709010B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201327077A (zh) * | 2011-12-30 | 2013-07-01 | Ind Tech Res Inst | 擷取機台之圖形介面視窗之元件的程式參數的方法和機台之操作方法 |
TW201615844A (zh) * | 2014-10-22 | 2016-05-01 | 財團法人工業技術研究院 | 異因分析與校正方法與系統 |
TW201843642A (zh) * | 2017-05-08 | 2018-12-16 | 臺泥資訊股份有限公司 | 巡檢管理方法及系統 |
Also Published As
Publication number | Publication date |
---|---|
TW202102951A (zh) | 2021-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023071217A1 (zh) | 基于深度迁移学习的多工况流程工业故障检测诊断方法 | |
US7496798B2 (en) | Data-centric monitoring method | |
US10977568B2 (en) | Information processing apparatus, diagnosis method, and program | |
KR20100054816A (ko) | 결함 패턴 매칭을 위한 퍼지 분류 접근 | |
US10775270B2 (en) | System and method for monitoring a turbomachine, with indicator merging for the synthesis of an alarm confirmation | |
US20130173215A1 (en) | Adaptive trend-change detection and function fitting system and method | |
CN105466707A (zh) | 用于离心泵中的故障检测的方法、系统和计算机程序 | |
TWI687783B (zh) | 設備異常偵測方法及系統 | |
Wen et al. | A new method for identifying the ball screw degradation level based on the multiple classifier system | |
Manservigi et al. | Development and validation of a general and robust methodology for the detection and classification of gas turbine sensor faults | |
CN114295814A (zh) | 一种油液检测的阈值生成方法及系统 | |
TWI709010B (zh) | 設備異常原因診斷方法及系統 | |
CN117076869B (zh) | 旋转机械时频域融合故障诊断方法及系统 | |
CN117763432A (zh) | 通讯故障预测方法、装置、设备及存储介质 | |
Wang et al. | Two-stage imbalanced learning-based quality prediction method for wheel hub assembly | |
CN111474476B (zh) | 一种电机故障预测方法 | |
US20140188772A1 (en) | Computer-implemented methods and systems for detecting a change in state of a physical asset | |
Decker et al. | Does your model think like an engineer? explainable ai for bearing fault detection with deep learning | |
CN116204825A (zh) | 一种基于数据驱动的生产线设备故障检测方法 | |
TWI700565B (zh) | 參數修正方法及系統 | |
CN116802471A (zh) | 综合诊断旋转机械的缺陷的方法及系统 | |
KR102656853B1 (ko) | 인공지능 기반 절삭공구 마모 관리 시스템 및 그 방법 | |
KR102602840B1 (ko) | 학습 데이터셋 생성 시스템 및 이를 이용한 학습 데이터셋 생성 방법 | |
CN116702030B (zh) | 一种基于传感器可靠性分析的高炉状态监测方法及装置 | |
Harrou et al. | Fault detection in processes represented by PLS models using an EWMA control scheme |