GOOD 科技誌

  設備裝了 Sensor，不代表就能看見每一次異常。許多問題只發生在特定動作的短短幾秒，若只觀察平均值或固定門檻，關鍵訊號很可能被大量正常數據掩蓋。

  結合預知監測與生成式 AI ，打造可自我診斷異常原因的智慧維保系統。快速找出機台問題來源、縮短維修時間、提升產線效率，適用於半導體、石化與重工產業。在工業 4.0 與智慧製造時代，僅靠異常偵測已無法應付日益複雜的生產環境。該如何透過「預知監測」結合「生成式 AI 」，讓機台不只能偵測異常，更能自動推論出可能故障原因並提供對應建議。

  在製造業與半導體產線中，轉子馬達被視為生命線級的關鍵設備，但每到歲末年修，維護團隊常面臨「不知道要修什麼、只能全修」、「預算被耗盡卻無法真正改善可靠度」的困境。透過預測性維護系統能在無須停機的狀態下提前辨識軸承、轉子不平衡、鬆動與潤滑問題，大幅降低誤報與維修浪費。透過精準維護實現「修該修的、停該停的」，打造真正的年度維護新典範。 產線設備靠祈禱才能撐到年修？ —— 傳統維護的困境 每年接近歲末時，那些被忽視了一整年的轉子馬達突然成為全廠最受關注的主角。工程師一邊看著稼動率報表，一邊祈禱馬達能撐到停廠那天。這並不是誇張，而是多數工廠維護管理的現實：生產壓力大到沒有時間保養，或是維護能拖就拖，直到年修時才「一次解決」。   但問題是 —— 真的解決了嗎？廠區年修往往變成大規模拆解、汰換、加碼維修費用的季節。原因不是設備真的那麼糟，而是因為缺乏數據，工程師只能採取「一律換新避免風險」的保守策略。於是許多狀況良好的馬達、零件被提前汰換，而那些真正即將故障的設備卻因為沒有明顯表徵，被錯過、被誤判，甚至在開工後不到一個月就故障。另一種狀況是設備沒修沒事，一修問題變成一大堆。但是如果真的等到設備壞了才修，又可能造成產線無預警停機造成產品損壞或是良率下降，而這些損失更加嚴重。   這就是傳統歲末年修的矛盾：該維修還是先不維修，問題都很多。 盲修與過度維護 這些問題在於許多廠區都處於盲修或是過度維護！雖然每間工廠都喊著：「維護預算不夠用！」但到了歲末年修，一張張維修清單卻比年度任何時候都更長、更花錢。這讓很多主管感到困惑   —— 明明花了更多錢，為什麼設備隔年還是會壞？ 答案很殘酷： 預算不是花在該修的地方，而是被盲修與過度維護悄悄吃掉。   在沒有數據的年代，設備就像一個不會說話的黑盒子，工程師只能靠經驗與直覺來判斷，而這些判斷通常導向以下結果： 看不到設備健康狀況？只好拆開來看！ 就像醫生沒有  X  光，只能開刀確認裡面怎麼了。設備被拆光光，反而裝回去的時候造成更大的問題。 不確定軸承是否劣化？就一律更換！ 「寧可換錯，不可漏掉」成為無奈的安全指標。覺得有修有保佑，換了什麼不清楚，有什麼改善也不知道。 聽起來怪怪的？再拆一次！ 噪音可能來自皮帶、支架、風扇，但馬達往往成為第一個被懷疑的對象，反正先拆了再說...

  Newsletter 25001 設備健康，被忽略了？ 固德科技報 ｜設備健康，被忽略了？ #PHM Posted On : 15 Jan. 2025 您是否也曾經在深夜接到設備停機的通知，焦急地聯繫維修團隊？您是否感到困惑，為什麼明明剛維修過的設備又出現了問題？ 設備運行穩定性已成為企業的關鍵核心 您在意廠區產能嗎？在意產線良率嗎？你有沒有想過，廠內那些看似正常運轉的機械設備，是否其實隱藏著潛在的故障風險？隨著智慧製造的快速發展，設備運行穩定性已成為企業的關鍵核心。然而，我們的傳統維護方式是否真的足夠？ 在智慧製造的時代，生產過程的自動化程度越高，對設備運行穩定性的要求也越來越嚴格。尤其在半導體、石化廠、精密加工等產業， 設備的健康管理直接決定了生產效率與安全性 。然而，傳統的設備維護方式是否真的跟得上現代需求嗎？ ＃PHM ＃智慧製造 ＃生產效率 事實上，許多企業對於設備健康的認知還停留在「被動維修」的階段，設備出問題了才採取行動。但這樣的方式往往導致不可估量的損失。試想一下， 如果我們能夠提前了解設備的運行狀態，甚至預測它可能會出現的問題，這是否會徹底改變您的生產策略？ 固德科技的 AI 智慧監測技術正是基於這樣的需求誕生的。 透過結合預知保養（PHM）與可靠性中心保養（RCM）， 設備能告訴您它的健康狀況，甚至您可以了解何時需要維修、避免非計劃性的停機，甚至節省大筆維護費用。固德幫助企業從「被動維修」轉向「主動預防」。這並不是未來，而是現在！ 廠區常見問題：我們到底輸在哪裡？ 每位工業現場的管理人都知道，設備的穩定性對於生產有多麼重要。然而問題在哪？以下是我們經常聽到的聲音： 「設...

  在現代工業中，除了管理好設備品質以外，控制好環境因素也很重要。例如：溫度、濕度和微塵粒子。因為這些因素可能將影響產品的質量和製造過程的穩定性，特別是在半導體、製藥、食品、光學和印刷電路板（PCB）等行業。而這些在日常生活中很常見的環境因子，卻在製造過程中扮演著重要的角色，若稍有不慎，可能就會對製程造成重大影響。 ＃環境因子 ＃溫溼度 ＃particles   溫度敏感的製程 溫度在製造過程中起著決定性的作用? 比如在半導體行業，光刻膠的性能對溫度變化非常敏感。溫度的波動會導致光刻膠特性的改變，進而影響線寬控制。如果溫度過高，光刻膠會過度曝光，導致線寬變得太寬；如果溫度過低，曝光不足，又會導致線寬過窄。 同樣，在製藥行業，很多藥品對溫度也非常敏感。比如一些生物製劑需要在低溫下保存，以防止蛋白質變性。製藥工廠通常使用冷鏈技術，確保藥品在生產到使用的全過程中都處於適宜的溫度下。食品行業也需要嚴格的溫度控制，比如牛奶和乳製品在低溫下儲存可以保持新鮮和營養價值，而巴氏殺菌過程則是通過高溫來消滅有害微生物。 光學元件的製造過程對溫度有著嚴格要求，因為材料的熱膨脹和收縮會影響元件的精度和性能。例如，在製造高精度透鏡和反射鏡時，溫度波動可能導致材料形變，影響光學性能。在PCB製造過程中，焊接和固化步驟需要在特定溫度下進行，以確保焊接質量和可靠性。過高或過低的溫度都可能導致焊點缺陷，例如焊點裂紋或空洞，影響電路板的電氣性能和可靠性。 濕度影響產品質量 濕度也是一個關鍵因素? 高濕度會導致光刻膠吸濕，改變其性質，影響線寬和圖形轉移的精度。而過低的濕度則可能導致靜電積聚，吸附微塵粒子，從而影響產品質量。濕度對PCB製造過程中，過高的濕度會導致PCB板材吸濕，增加電氣漏電和短路的風險。而過低的濕度則可能導致靜電積聚，增加製程中的靜電放電（ESD）風險。 同樣，濕度過高會導致藥品吸濕變質，影響其穩定性和療效。製藥工廠通常會使用除濕設備來保持環境乾燥，並對製藥過程中的濕度進行嚴格監控。食品行業也面臨類似的問題，比如餅乾和麵包在高濕環境下會變得潮濕，影響口感和質量。而在光學行業，高濕度會導致光學元件表面產生凝結，影響其透明度和性能。特別是在製造精密光學元件時，任何水汽凝結都可能導致表面缺陷，進而影響元件的光學性能。 看不到的敵人微塵粒子 在半導體製造中，微塵粒子是大敵。任何...

  AIoT 掌握設備壽命與效能 Posted On :  10   April   2024 By :  GOOD TECH In  IIOT 市面上的物聯網公司百百種，廠區需要監測的項目也百百種，各種項目都可以藉由安裝感測器執行監測。但是你以為廠區設備安裝了物聯網，就能夠開始監測?你有沒有遇過，搜集了龐大的數據，實際上卻不知道該怎麼處理的情況。或是需要管理人員在自行進行第二次的換算數據、整理統計?這種形式的物聯網大多都是安裝上感測器再透過傳輸，直接上拋至雲端或是主機，技術成本也較低。 ＃IIoT ＃設備效率 ＃物聯網 ＃感測器  看你真正需要看的 EDGE IIoT 固德的工業物聯網 與市面上一般物聯網不同的是，能夠藉由蒐集數據轉換為使用者需要的資訊，將使用者實際想看的呈現出來。例如：當使用者搜集擷取了溫度數值，除了想為溫度設定門檻外，另一部分，其實想看到的是溫度上升或下降的速度，也就是溫差。或是當使用者搜集擷取了壓力數值，其實需要的可能只是升、降壓速率。這些需要透過邊緣運算將物理量轉為實際需要監測的項目，我們稱它為 邊緣物聯網 (EDGE IIoT) 。 邊緣物聯網 (EDGE IIoT)  除了搜集物理量外，還包含各式邊緣設備訊號與數據，例如：振動、速度、加速度等。相較於一般物聯網，其運算加工要複雜許多，並不單單只是對接訊號、過濾數據而已。邊緣物聯網將巨量的數據加工運算簡化，再經由特殊演算法結合AI、機器學習等技術，轉換後變成使用者真正想看到且看得懂的結果，並可以藉由此結果設定門檻閥值，進一步優化設備或產線。 此外，根據演算法複雜方式，還分為韌體級邊緣運算和系統級邊緣運算。 幫助廠區智能化 搭配晶片掌握機械狀態 韌體級邊緣運算 韌體級邊緣運算 韌體級邊緣運算是藉由系統軟體搭配晶片換算數據的能力，晶片例如：MCU、DSP、FPGA等，其系統將蒐集到的邊緣數據，轉換為實際需要監測的項目。 例如:晶圓廠區製程技術每個步驟都相當複雜且精密，晶圓片價值高，又大又輕薄，設備小小的動作異常或是手臂放置位置偏移，可能就會造成廢品或刮片，損失極大。為預防晶圓片位置偏移，於是購入了三軸位移感測器，但蒐集到的數據又需要使用者自行換算實在麻煩。 固德能將擷取後的位移訊號轉換成傾斜角度，並以可視圖像化的方式...

  在工廠的車間裡，每一個轉動的齒輪、每一個運轉的設備都承載著企業的期望。隨著智慧製造時代來臨，廠區逐漸導入自動化生產方式，然而，當遇到生產效率低下或因為設備故障而陷入停滯時，每一分鐘的延誤都意味著更大的損失。廠區每台機台明明都有作動，為何產能還是拉不起來？提升效率遇到瓶頸，該如何克服呢？   ＃OEE ＃設備效率 ＃六大損失 ＃TPM  首先，你必須先了解什麼是OEE? 什麼是OEE? OEE代表Overall Equipment Effectiveness，中文為設備綜合效能。它是一種用於衡量製造設備或生產線效率的指標。 OEE的目標是最大程度地提高設備的運作效率，減少生產中的停機時間、降低生產速度下降的機會以及減少次品的數量，從而提高生產效率和降低成本。 OEE將設備的運行時間、生產速度和生產品質納入考量，通常以百分比表示。 OEE的計算公式為： OEE = Availability × Performance × Quality OEE=可用性（設備有效率） × 性能（生產速率） × 質量（品質良率） Availability（可用性）指的是設備在計劃生產時間內實際運行的時間比例。 Performance（性能）指的是實際生產速度與標準生產速度之比。 Quality（質量）指的是良品數量與總生產數量之比。 什麼是OEE中的六大損失？ 設備有效率指數損失原因： 1.設備無預警故障或停機：設備因為大的故障或突發事件停機。 （生產力最大損失來源，也是改善後最有明顯效益的地方) 2.計畫停機調整設定或快速維護：更換工具、前置作業、調整生產佈置等。 生產速率指數損失原因： 1.空轉或小停機：一般來說指5分鐘以下，非維修人員介入暫停。 2.設備低於理想速度：任何導致設備低於正常產能速度的因素。 品質良率指數損失原因： 1.品質缺陷和返工：生產時所產生的次品，調整重工等。 2.開始製造固有損失：設備預熱、運轉時必定會產生的次品。 那麼，該如何藉由降低六大損失，提高OEE設備綜合效能呢？ 實施TPM，降低六大損失 實施TPM能夠降低六大損失，提高OEE設備綜合效能 TPM（Total Productive Maintenance）即「全員生產維修」 ，70年代起源於日本，是一種全員參與的生產維修方式，其主要點就在「生產維修」及「全員參與」上。通過...