技術文章
2021-09-28 AIGO計劃辦公室 3052
AI預測性維護將工廠設備管理從被動化為主動
以AI驅動的預測性維修是一種透過蒐集各種設備資訊來輔助設備維修、生產品質及設備監控等主動式設備管理的方式。隨著越來越多的工廠機器連網、感測器價格降低、快速增長的數據量以及大幅提高的運算能力,將AI預測性維護技術向前推展到達了新的水平,結合雲端、大數據與物聯網等技術,將來自機械設備端蒐集到的大規模數據轉化為有價值的分析與情報,整合資產維護系統(Asset Performance Management, APM)讓工廠營運管理者能夠即時監看設備狀態、預測設備衰減與損壞與零件更換需求等,以提高設備利用率、提升設備生產效率以及降低非預期停機的重大風險。預測性維修化被動轉為主動的工廠設備管理方式,成為數位轉型浪潮下備受矚目的新興市場。
Uptake切入重工業擁有全球最大工業資產故障數據庫
美國新創公司Uptake創立於2014年,替高價值的工業設備提供設備監管、維運及預測性維護,以工業AI分析平台將設備大量的數據轉化為有價值的情報,進而提高設備生產率、安全性與可靠度。Uptake於公司剛起步時在伊利諾州替各種行業提供動態數據分析與洞察,當時重型工業製造商Caterpillar的子公司,美國鐵路火車頭製造廠商Electro-Motive Diesel(EMD)也是Uptake的客戶之一(EMD為全球第二大火車頭製造商)。Uptake替EMD開發一套設備聯網及分析預測系統,此次合作十分成功,讓Uptake在第一筆訂單就獲得了數十億的美元。隨著與Caterpillar的合作Uptake的業務擴展到採礦、鐵路、航空與能源等高價值的重工業設備領域。截至目前Uptake共募集了2.18億美元,以估值達23億美元成為獨角獸。Uptake於2018年5月收購了預測性維護公司Asset Performance Technologies,成為全球擁有最大工業資產故障數據庫的公司,超過58,000多種故障模式可供設備進行維護預測。
透過三大引擎提供企業設備維護策略
Uptake主要的核心產品為「工業AI平台」,該平台大規模提取、清理和整理來自設備的所有類型工業數據,透過資料清理方法讓Uptake平台蒐集數據做為準確分析數據的基礎,並可以即時分析數據以了解設備的狀態及給予預測維護建議。工業AI 平台主要有三大功能引擎,分別為「Compass」、「Scout」以及「Radar」,分述如下:
(一)Compass:如同指南針般提供企業設備維護策略引擎,透過可視化智慧儀表板呈現設備相關數據,可以按設備類型或工廠位置進行分類,讓營運管理者可以快速地篩選需要觀看的設備。Compass還提供資產設備和零件生命週期分析,透過平台可以準確地知道零組件壽命和預測故障時間,並且藉由資產設備分析來了解最常發生故障的零組件以及維修費用估算,讓管理者可以達到最佳成本控管。
(二)Scout:以資料清理後的數據為基礎,提供管理者或操作人員可自定義的規則與警報,無須撰寫程式碼,透過在介面設定簡單或多元條件的數值門檻,如果設備的運作達到設定的數值門檻便會觸發警報並傳送通知給管理者,用以監控設備運作。
(三)Radar:可將Uptake資產故障數據庫中,針對800多種設備類型,超過58,000種故障數據模組,故障預測模型可套用至客戶的設備上進行分析。Radar模組套用功能讓客戶無須重新累積數據訓練模型,便可直接找到對應的模型使用。
資料來源:MIC,2021年8月 圖1 Uptake 工業AI平台三大功能引擎
提取來自不同系統的數據加以分析預測
Uptake透過跟各大系統及軟體服務業者合作,使其平台能與客戶原本的資訊系統與感測器連接設備進行整合與介接,無須改變客戶的現有資訊系統就能夠提取來自不同系統的數據,目前與Uptake可以連接的軟體服務系統包括SAP、IBM Maximo、GEOTAB以及DocuSign等企業。Uptake將不同來源的數據統一整合為單一通語言,並導入到Uptake平台中加以分析應用,讓數據能發揮其最大價值與產生效益。
Uptake以自然語言處理技術進行資料清洗與修復,使數據保持其完整與正確性,以利後續以AI機器學習進行歷史與即時的設備數據分析和預測。將不同系統提取的數據分類及歸納成同一種語言,以進行模型訓練,並藉由其龐大的設備故障資料庫進行結合AI演算法建立模型,通過設備的數據顯示特徵對應故障會出現的數據特徵訓練出多模型,模型經過多次疊代以達到最佳化故障預測模型。
資料來源:MIC,2021年8月 圖2 Uptake 工業AI平台架構
建立可信任的AI與持續監管模型為企業重要課題
從德國首先提出的「工業4.0」到美國持續推動的「工業網際網路」與「先進製造」,以及中國的「中國製造2025」等國家級製造戰略,從戰略內容與因應方針顯示各國家對工業物聯網的重視。預測性維護是工業物聯網結合大數據和人工智慧的重要應用場景。
Uptake藉由與全球重工業設備製造大廠合作以及收購APM公司成為全球擁有最大資產故障數據庫的公司。Uptake以設備預測性維護為核心,將其產品拓展至各高價值的重工業設備,並將其分析需要維修的設備數據提供給用戶與設備製造原廠,不僅幫助用戶進行資產管理,同時提升了原廠設備的售後服務,形成了良性的產品循環。近年Uptake啟動了全球擴張策略,基於在美國的成功經驗,將其事業版圖從美國擴張至歐洲、亞洲等地。根據IoT Analytics於2019年6月的公開資料顯示,預測性維護解決方案的市場規模將從2018年的33億美元,增長至2024年的235億美元,年複合成長率為39%,表示此市場將持續性成長,未來將有更多企業採用預測性維護解決方案。
財團法人資訊工業策進會 產業情報研究所(MIC) 張皓甯 產業分析師