預知保養

用中文來看預知是形容詞主詞是保養!預知什麼?這是1941年一位科學家在英國皇家空軍當兵時所刻印的名詞，主要是還沒拆開設備時就用量測數據判定設備的狀態!預知保養後來被NASA與美國軍方廣泛研究與應用，在1980年代廣泛應用於商業生產。主要目的是改善保養，如果沒有保養的基礎，(Analytics)預知與保養的關連不大，也就是對保養沒太大的幫助。如果保養基礎雄厚，用手當傳感器也比先進的AI強!保養最重要的目的是改善設備的可靠度，首先是要防止設備狀態的惡化，再來就是能修復到出廠狀態的品質。

預知保養絕對不是數據驅動的工作、活動或是事件，任何保養永遠應該是保養驅動，數據輔助!

Artesis 技術以MCSA為主(馬達電流特徵分析)，有些人亂說這是電流頻譜，很不專業，這技術有國際的專有名詞，且有國際規範ISO20958。Artesis也量測電壓，因此也稱為(ESA)電力訊號特徵分析，我們稱之為MCSA 2.0。ESA主要是將馬達轉變成傳感器，因此也稱為無傳感器技術。機械的振動訊號由轉動軸傳導，振動造成轉子與定子的相對位移，由於低頻振動的傳遞距離很遠，且不受到環境振動的影響(轉子與定子同步位移)，因此可以很清楚的看到負載的所有系統內部與轉動相關的所有機械異常，甚至可以看到製程的紊流、孔蝕與過濾器阻塞等。Artesis技術採用PSD頻域分析，並且建立模型而將訊號正規化(Normalized)。因此不像FFT只能進行定性分析(沒解析波相(Phase))，Artesis技術可以定量分析，並且可以在頻域進行運算。

預知保養的目標設備主要是要避免停工造成的損失，再來就是降低設備維修保養費用，批次生產比較沒有停工的損失，連續生產在產能滿載時的影響巨大，反過來看，使用預知保養如果需要營運與行銷模式，使用預知保養可以很輕易的在紅海市場開創出藍海市場，僅僅需要使用低價衝量的方式運行，比生產線的可靠度，很容易的徹底消滅競爭對手，對手只要停工就會被消滅。如果生產是間斷的，頂多能降低設備維修保養費用。進行預知保養系統建構時，必須先行洞察設備造成停工損失的風險(風險一定要知道金額與發生率)，或是設備年度維修保養費用，因此可以衡量需要買到那些預知保養儀器。太便宜的性能可能很差，太貴的可能需要很長的時間損益平衡。通常合適範圍、靈敏度、與準確度的預知保養儀器可以帶來超過十倍的獲利。

要注意的是，磨耗品與消耗品通常都不是預知保養的範疇，因為廠商通常都有多年的經驗，並且作了很多的實驗，他們給的數據不但較為準確，且牽扯到責任歸屬問題。

首先要洞悉異常(轉動設備發展性異常 )，因為範圍太廣，因此建議使用帕雷托法則或(怕雷劈)。預知保養主要是偵測發展性異常(Incipient Fault)，畢竟突發性異常(Abrupt Fault) 偵測沒有保養的效益，且間隔性異常(intermitten Fault)大多是負載與操作的問題，不在預知保養的範疇(與設備狀態關係較小)。

預知保養性能的維度複雜，且交叉關聯。主要維度包括異常的範疇(溫度、電氣、電路、機械、環境、負載變化、操作變化等)，異常偵測的精準度(異常偵測的假陽率與漏檢率)，異常偵測的診斷視野(異常失效前多久可以偵測到異常，無限診斷視野就是可以偵測出新設備出廠的品質狀態。)，所以性能要很清楚地描述，如Artesis的設備在電路(三相感應馬達定子、轉子)與機械異常在無限診斷視野的精準度是超過80%，也就是異常偵測在這時候的異常偵測的假陽率與漏檢率總和小於20%)。數據的解析度也很重要，定期檢測的間隔太長，數據的解析度會不夠，對於負載與操作不穩定的設備，很容易造成錯誤示警的分析，當負載增加或式操作增加負載通常會造成很大的異常訊號增加，有時不代表異常的惡化。錯誤示警常常造成工時增加、有時甚至增加維修保養費用，如果使用性能低的預知保養儀器、高階主管不易看到，可以看看工時。診斷視野其實就是對異常訊號偵測的靈敏度，會被設備本身或環境的雜訊與噪訊影響，當然偵測設備的頻率響應也很重要，或是傳感器的品質，Artesis使用無傳感器技術MCSA，沒有相關的問題，MCSA有電力雜訊與噪訊的問題，Artesis模型式的MBFD技術有效的處理電力雜訊與噪訊問題。精準度往往被複雜的訊號所遮蔽，或是被負載與操作影響，但是Artesis AI輔助MBFD可以針對各別異常種類訊號進行分析(各別異常種類趨勢圖)因此可以很輕易的用發展性異常(Incipient Fault)的特性辨識是否為異常訊號。

MCSA技術不是只能診斷馬達異常!MCSA(1951年的技術)可以診斷馬達驅動設備整個設備的轉動異常，幾乎就是所有設備的發展性異常(因為轉動異常發生機率較高)。Artesis僅限用於三相感應馬達驅動設備!別聽不懂的人鬼扯只能用於馬達，異常訊號會由轉動軸傳遞。低頻遞減的有限，由於 MCSA低頻的雜訊與噪訊較少(電力雜訊與噪訊)，因此分析不需要在高頻。因為低頻傳遞很遠，因此使用加速規會被隔壁或是環境的雜訊與噪訊嚴重影響，準確的分析只能在高頻，除非沒有環境雜訊或噪訊。即使只能用於馬達，馬達的異常發生機率，在不是很複雜的轉動設備通常都是佔所有設備異常的70%。Artesis技術不但可以偵測整台設備，還可以很輕易的偵測到製程的紊流、孔蝕現象、過濾器阻塞與變頻器的電容異常。

對於高階的管理人主要要去看所有停工時間總和，通常廠商會把焦點轉移到計畫性停工，真正的計畫性停工精神是根據生產計劃，但是通常會因為失效前一個月偵測到異常而將其歸為計畫性停工，而如果只看非計畫性停工就看不到停工的損失，畢竟如果生產規劃每年進行大修，只有在這些規畫好的大修期間進行維修的才算是計畫性停工，如果我大修期間沒有進行維修，但是因為大修後第三個月檢測到設備在第五個月會失效，因此在第四個月停工進行維修，這就不能算是計畫性停工，而停工事件還是造成，可能可以降低進行修復的時間，但是效益很低。如果是批次生產，則需要看MTBR(Mean Time Between Repair)，MTBR不是越高越好，高很好但是要最佳化，有時候花太多錢沒有意義。除了MTBR，還要嚴格規定會計科目的歸屬，通常都會歸屬到別的科目避免高階主管發現維修經費增加。要注意的是要將預知保養設備歸列於資產支出而非保養費用。

熟悉保養的人通常都知道澡盆圖(Bathtub curve)，都知道設備早期異常發生機率與末期發生機率較高，但是幾乎都不知道早期異常發生機率有多高，根據IEEE調查，早期曲線下的面積是穩太曲線下的面積的300倍!通常早期曲線約三到五年。這代表著如果預知保養儀器如果無法立即發揮性能，則這儀器其實幾乎完全沒效益!很多 IOT或 AI的鬼扯說他們可以監控好設備好的狀態，且可以持續的改善性能。要注意到異常發生機率根據IEEE與EPRI調查馬達異常發生率<7%/台/年，超過500馬力的雖然是三倍，整台設備頂多10%/台/年，可能過了二十年IOT與AI的性能才會達到堪用的地步，這時候設備也差不多該換了，即使換了設備設計也改變又要重新學習。Artesis技術可以隨時具備超過80%的性能，頂多沒有趨勢圖的功能，或許會有一些錯誤示警，建立全性能的模型只需要7分鐘。其實原理很簡單，Artesis可以輸入馬達的設計資料，這些資料都標註在馬達名牌上。

對於設備末期的異常，如果維修能力夠，每次大修時都可以將設備還原到新設備出廠狀態，澡盆圖(Bathtub Curve)的末期異常不會發生!為何不會發生?因為 Artesis技術有無限診斷視野，如果配合好的維修能力，可以管控與用於輔助增進維修品質。通常設備老化與異常造成二次傷害有絕對的關係，二次傷害是造成設備老化的主因，通常發生在診斷視野六個月的時候(診斷視野)。當預知保養儀器的靈敏度或是診斷視野只有三個月時，即使有完美的維修品質也很難避免設備老化，造成MTBR降低，造成升高的維修保養費用。

看到很多文章嘲笑買乖乖做預知保養的思維，但是當瞭解了預知保養卻發現很多設備的功效其實不如乖乖。乖乖的好處是很便宜，不會造成直接的損失，有效的降低員工的壓力與恐懼感。壞處是對預知保養沒有實質的功效。很多公司買了很貴的設備，每天都活在錯誤示警的壓力與恐懼，後來受不了壓力就關掉示警。錯誤示警會造成額外的工時與財損，甚至因為環境雜訊而造成漏檢。很多狀況下事不但沒有實質的功效，還花了很多錢買設備。因此乖乖在目前的市場上屬於中上等功效的預知保養產品。有錯誤示警的工作需要洞悉先洞悉工作，包含COVID19的檢測。如果沒有洞悉工作就急著進行，很多狀況下會做的比豬還差。豬不會做事，不會把工作弄得更糟，但是如果沒有洞悉工作就胡亂作為，功效做得比豬還差的機會很大。進行預知保養務必要先洞悉工作，不然很容易就丟了工作!在預知保養行業說人做事比豬還不如很可能是事實，被罵豬去告人家還敗訴就會是被認證過的比豬還不如。