ในยุคที่เราใช้ชีวิตท่ามกลางเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็ว หรือที่เราคุ้นหูว่ายุค Digital Disruption ชีวิตประจำวันของเราเกี่ยวพันกับเทคโนโลยีแบบใกล้ชิดเลยครับ ขอยกตัวอย่าง เราตื่นนอนตอนเช้าจะออกจากบ้านก็จะต้องเรียกแอปพลิเคชั่น Driver เพื่อหาคนขับรถ หรืออาจจะเปิดแอปพลิเคชั่น Map เพื่อนำทางพาเราไปถึงที่ทำงาน ช่วงกลางวันเราอาจจะใช้การสั่งอาหารมาทานผ่านทางแอปพลิเคชั่น Food Delivery หรือช่วงเย็นการออกกำลังกายก็จะมี Smart Watch มาคอยจับการออกกำลังกายของเรา และวิเคราะห์ผลออกมา แม้กระทั่งตอนนอนก็ยังมีเครื่องตรวจจับคุณภาพการนอนของเราอีกครับ
หรือเรื่องราวของ ROBOT, AI หรือ Data Science ก็ไม่ใช่เรื่องไกลตัวเหมือนเมื่อก่อนแล้วนะครับ อย่างเช่น NETFLIX ที่ใช้ระบบ AI มาสร้างความสามารถในการเลือกหนังต่างๆมาให้เราดูได้อย่างตรงใจ เป๊ะๆ (แอดหนึ่งคนคิดว่าโอเครเลย)
และนี่ก็เป็นตัวอย่างที่เราหยิบยกขึ้นมาแสดงให้เห็นว่า ชีวิตเรามีการเกี่ยวข้องกับเทคโนโลยีมากขึ้นแค่ไหน
ในขณะที่เทคโนโลยีได้แทรกซึมเข้ามาถึงอุตสาหกรรมการผลิต ซึ่งก็เข้ามามีบทบาทในการสนับสนุนการทำงานให้มีประสิทธิภาพที่ดีขึ้น ยกตัวอย่างเช่น ระบบ Automatic Manufacturing Process, Robotic Arm หรือ Automation Warehouse หรืออาจจะเป็นเครื่องมือในการจัดการในเชิงระบบต่างๆ เช่น ERP (Enterprise Resource Planning), RPA (Robotic Process Automation) หรือ CMMS (Computerized Maintenance Management System)
บทความนี้ทางนายช่างมาแชร์ จะขอพาไปดูเทคโนโลยี AI หรือ Artificial Intelligent ที่นำมาประยุกต์ใช้กับระบบการตรวจจับการสั่นสะเทือน หรือ Vibration Analysis เพื่อการเฝ้ามองติดตามดูแล (Monitoring) และการวิเคราะห์อาการที่ผิดปกติของเครื่องจักรในโรงงานอุตสาหกรรม ว่ามีหลักการอย่างไร ? ตามไปดูกันเลยนะครับ
พื้นฐานการดูแลเครื่องจักรในโรงงานอุตสาหกรรม
ก่อนจะไปเรื่องเทคโนโลยี….ขอกลับมาย้อนถึงพื้นฐานและแนวคิดเกี่ยวกับการดูแลเครื่องจักรในโรงงานอุตสาหกรรมกันก่อนนะครับ ในธุรกิจที่เกี่ยวข้องกับสายการผลิต หรือโรงงานอุตสาหกรรมต่างๆ แน่นอนว่า เครื่องจักรถือเป็น“หัวใจสำคัญ”ของการผลิต เพราะว่าหากเครื่องจักรเกิดความเสียหาย ขัดข้อง จะส่งผลกระทบต่อผลิตภัณฑ์ของบริษัททันทีเลยครับ และเราคงไม่อยากให้เครื่องจักรเสียจนไม่สามารถเดินสายการผลิตได้เลยถูกไหมครับ?
ตามกลับไปอ่านบทความ ระบบงานซ่อม และการบำรุงรักษาโดยทั่วไป (Maintenance System) ได้ที่นี่นะครับ
งั้นเราขอย้อนไปดู Basic ของแผนงานซ่อมการเลยนะครับเริ่มจากแบบแรกคือ
1. Reactive Maintenance
ในยุคแรกเริ่มเลยโรงงานการผลิตนั้นจะทำการผลิตโดยใช้เครื่องจักรเป็นปัจจัยสำคัญในการสนับสนุนการผลิต เมื่อทำการผลิตเครื่องจักรจะถูกดำเนินการจนชำรุดเสียหาย (หรือที่เรียกว่า Run-to-fail) แล้วทีมช่างค่อยเข้ามาซ่อม วิธีการแบบนี้จะเรียกว่า Reactive Maintenance (break-down maintenance) ซึ่งจะส่งผลให้ฝ่ายซ่อมบำรุงของโรงงานต้องรีบเข้าไปแก้ไขเพื่อให้เครื่องจักรกลับมาใช้งานได้ ซึ่งจะทำให้ยากในการควบคุมการผลิตให้เป็นไปตามแผน
2. Preventive Maintenance
เพื่อเป็นการแก้ไขปัญหาการหยุดการผลิตจากการซ่อมบำรุง ซึ่งส่งผลต่อกำลังการผลิต การจัดเตรียมแผน PM (Preventive Maintenance) จึงได้ถูกคิดค้นขึ้น
Preventive Maintenance นั้นนิยมให้มีการกำหนดแผนการดูแลรักษา เช่น การเปลี่ยนถ่ายของเหลว การเปลี่ยนอะไหล่ spare parts (ที่ผู้ผลิตจะแนะนำ หรือที่เรียกว่า OEM Recommendation) ซึ่งกำหนดเป็นชั่วโมงการเดินเครื่อง (Running Hour) หรือตามระยะเวลา (Period Time) เช่นทุกๆ 6 เดือน หรือ 1 ปี
แต่ว่าด้วยวิธีการนี้ยังถูกตั้งคำถามเมื่อใช้งานจริง เช่น อะไหล่บางชิ้นส่วนที่ยังใช้งานต่อได้ แต่ต้องถูกเปลี่ยนตามรอบเวลา ซึ่งผู้บริหารอาจจะเห็นว่าจริงๆแล้วชิ้นนี้ไม่จำเป็นต้องเปลี่ยนก็เป็นได้ ทำให้เกิดค่าใช้จ่ายที่มากเกินควรหรือเปล่า ?
3. Predictive Maintenance & Condition Based Maintenance
เพื่อป้องกันปัญหาเหล่านี้ วิธีการ maintenance ในอีกรูปแบบหนึ่งได้ถูกคิดค้นขึ้นมา คือ การบำรุงรักษาเชิงคาดการณ์ ดังนั้นการคาดการณ์ความเสียหายที่เหมาะสมที่สุดจึงถูกนำมาประยุกต์ใช้ โดยการดูแลเครื่องจักรจะไม่ได้ขึ้นอยู่กับรอบเวลาอย่างเดียวแล้วครับ แต่จะต้องไปอ้างอิงกับสุขภาพของเครื่องจักร ณ เวลานั้นๆ จริงๆ
จึงเกิดมาเป็นแผน PdM (Predictive Maintenance) รวมไปถึง CBM (Condition Based Maintenance)ขึ้น ยกตัวอย่างเช่น งานวัดความตึงสายพาน (Belt tension measurement) การทำ Thermo-Scan ในอุปกรณ์ไฟฟ้า หรือรวมไปถึงการวิเคราะห์การสั่นสะเทือน (Vibration Analysis) เป็นต้นครับ
ปัญหาซ่อนเร้นที่ยังไม่ได้รับการแก้ไขโดย Proactive Maintenance
แม้ว่าโรงงานจะมีระบบบริหารจัดการงานซ่อมและบำรุงรักษาเครื่องจักรในโรงงานที่เข้าขั้นการบำรุงรักษาเชิงรุก (Proactive Maintenance) (อ้างอิงตามรูปด้านบนได้นะครับ) แล้วก็ตาม ไม่ว่าจะเป็นแผน PM, PdM, CBM เป็นต้น รวมถึงเทคนิคการดูแลเครื่องจักรในแบบต่างๆ เช่น RCM (Reliability Center Maintenance) , RBI (Risk Based Inspection) และ KAIZEN (Continuous Improvement)
ก็คงปฏิเสธไม่ได้ว่าเราก็ยังพบเจอปัญหาที่ Classic หลายอย่าง เช่น เครื่องจักรอาจจะเสียโดยไม่ทราบสาเหตุ, การพังชำรุดบ่อยครั้ง หรือ ลักษณะการเสีย (Failure Mechanism) ที่รุนแรง (แต่น้อยลงกว่าเดิมเยอะ….เมื่อเทียบกับการไม่มีแผนบริหารจัดการงานซ่อมบำรุงรักษาครับ)
และด้วยเทคโนโลยีที่ใช้กันอยู่ในปัจจุบัน เช่น การmonitoringเครื่องจักร ด้วยการติดตั้งSensor ประเภทต่าง ๆ ในขณะที่เดินเครื่องจักร เช่น อุณหภูมิ, แรงดัน, การสั่นสะเทือน ซึ่งเป็นการดึงข้อมูลเหล่านั้นออกมาแสดงผลให้เราได้เห็น เราจะสามารถทำนาย สุขภาพของเครื่องจักรได้ในระดับนึง
แต่ว่า…จะดีกว่ามั้ย ถ้าเราสามารถนำเทคโนโลยีที่สามารถตรวจสอบสภาพของเครื่องจักรได้อย่างมีประสิทธิภาพ และแสดงสถานะของเครื่องจักรแบบเรียลไทม์ (Real time Monitoring) ซึ่งลดความน่าปวดหัวสุด Classic ลงแทบจะเป็นศูนย์ได้ ??
ด้วยเทคโนโลยีสมัยใหม่ ประกอบกับการวัดค่า parameter ต่างๆที่ได้จาก Sensor เราสามารถนำข้อมูลเหล่านั้นมาคิดวิเคราะห์หาสาเหตุและวิธีแก้ไขของปัญหาซ่อนเร้นที่ยังไม่ได้รับการดูแลจาก Proactive Maintenance ได้
การเข้ามาของเทคโนโลยี IoT (Internet of Things) และ AI (Artificial Intelligent) สำหรับเครื่องจักรและโรงงานอุตสาหกรรม
อย่างที่เราเกริ่นไปในช่วงต้นนะครับ ว่าด้วยการก้าวเข้ามาของเทคโนโลยี และ Digital Disruption เทคโนโลยีที่ถือเป็นดาวเด่นในอุตสาหกรรม ก็จะมีเทคโนโลยีเกี่ยวกับการวางระบบข้อมูลแบบโครงข่าย (IoT : Internet of Thing) และเทคโนโลยีปัญญาประดิษฐ์ (AI : Artificial Intelligent) ที่สามารถเชื่อมโยงระบบเครื่องจักรเข้ากับโครงข่ายต่างๆในโรงงานโดยมองครอบคลุมทุกมิติ และมีขีดความสามารถในการนำข้อมูลมาวิเคราะห์ได้อย่างแม่นยำ
“เพื่อเพิ่มประสิทธิภาพของการผลิตของโรงงาน ลดการเสียหายของเครื่องจักร และลดต้นทุนการซ่อมบำรุงรักษา”
ระบบ IoT (Internet of Thing)
ระบบ IoT (Internet of Thing) หรือ อินเตอร์เน็ตทุกสิ่งอย่าง เป็นระบบที่เชื่อมโยงอุปกรณ์หลายๆอุปกรณ์เข้าไว้ด้วยกัน และมีความสัมพันธ์ซึ่งกันและกันให้กลายเป็นระบบใหญ่ระบบเดียว
ขั้นตอนการส่งข้อมูลในระบบ IoT
- ข้อมูล (Collected data) จากเครื่องจักร ซึ่งถูกเก็บผ่านเซนเซอร์ (Sensor)
- จากนั้นข้อมูลเหล่านั้นจะถูกส่งผ่านสื่อกลาง (อาจจะเป็นสายสัญญาณ หรือ สัญญาณต่างๆ เช่น Radio-wave, Wi-Fi ,4G) ไปที่ Gateway เพื่อกรองข้อมูล และส่งต่อไปที่ Data system
- ข้อมูลจาก Gateway ก็จะถูกส่งผ่านสื่อขึ้นบนระบบ Server กลาง, Data center หรือ ระบบ Offline ก็ได้
- จากนั้นข้อมูลเหล่านี้จะถูกส่งไปแสดงผล (Visualization) ให้ทาง user ตาม Panel หรืออุปกรณ์ต่างๆนะครับ
แต่เหนือสิ่งอื่นใด สิ่งที่ควรพิจารณามากที่สุดคือ “ความปลอดภัยของข้อมูล” หรือ Cyber Security นะครับ ^^
ระบบปัญญาประดิษฐ์ Artificial Intelligent (AI) ที่ช่วยวิเคราะห์ข้อมูลให้แม่นยำยิ่งขึ้น
คำว่าระบบปัญญาประดิษฐ์ หรือ Artificial Intelligent ฟังดูแล้วอาจจะไกลตัว แต่จริงๆแล้วนายช่างขอมาอธิบายให้เห็นภาพอย่างง่ายเลยนะครับ AI คือ เครื่องจักร (Machine) ที่มีฟังก์ชันทีมีความสามารถใน “การทำความเข้าใจ เรียนรู้องค์ความรู้ต่างๆ” อาทิเช่น การรับรู้ การเรียนรู้ การให้เหตุผล และการแก้ปัญหาต่างๆ เครื่องจักรที่มีความสามารถเหล่านี้ก็ถือว่าเป็น AI
โดย AI ถูกแบ่งประเภทเป็น 3 ระดับตามความสามารถดังนี้
(1) ปัญญาประดิษฐ์เชิงแคบ (Narrow AI) คือ AI ที่เก่งในเรื่องเเคบๆหรือเรื่องเฉพาะทาง เช่น AI ที่ช่วยในการวิเคราะห์ข้อมูลเครื่องจักร (AI-machine condition monitoring) ที่อาจจะเชี่ยวชาญเรื่องการวิเคราะห์เครื่องจักรมากกว่าวิศวกรในปัจจุบัน ซึ่งผลงานวิจัยด้าน AI ณ ปัจจุบัน ยังอยู่ที่ระดับนี้
(2) ปัญญาประดิษฐ์ทั่วไป (General AI) : คือ AI ที่มีความสามารถระดับเดียวกับมนุษย์ สามารถทำทุกๆอย่างที่มนุษย์ทำได้และได้ประสิทธิภาพที่ใกล้เคียงกับมนุษย์
(3) ปัญญาประดิษฐ์แบบเข้ม (Strong AI ) : คือ AI ที่มีความสามารถเหนือมนุษย์ในหลายๆด้าน
แต่ AI เกิดมาก็ไม่ได้ฉลาดเลยนะครับ การที่ AI จะวิเคราะห์ได้อย่างแม่นยำ หรือเพี้ยนจนน่าตกใจ ก็ขึ้นอยู่กับข้อมูลปริมาณมหาศาล หรือ Big data ที่ AI ได้เข้าไปเรียนรู้ ซึ่งระดับ AI อาจจะขอแบ่งเป็นอีก 3 ระดับ Sub-field ตามระดับการเรียนรู้ คือ
(1) ปัญญาประดิษฐ์ (Artificial Intelligence)/ (2) การเรียนรู้ของเครื่อง (Machine learning)/ (3) การเรียนรู้เชิงลึก (Deep Learning)
ซึ่งในวงการในอุตสาหกรรมก็ได้นำข้อมูล Big data ต่างๆ เช่น ข้อมูลในส่วนผลิต ราคา สินค้า ลักษณะการเดินเครื่องจักรต่างๆ มาทำการวิเคราะห์ด้วยระบบ AI เพื่อให้เจ้า AI ให้คำแนะนำได้อย่างเหมาะสมเพื่อเพิ่มประสิทธิภาพของโรงงานและบริษัทต่อไป
เทคโนโลยี IoT และ AI ผสานระบบ Vibration Analysis จากทาง IHI
(1) ในระบบดั้งเดิมการวิเคราะห์ข้อมูล Vibration เรามีวิธีการตัดสินใจเพื่อซ่อมบำรุง 2 วิธี ประกอบด้วยระบบ ISO10816 ซึ่งเป็นมาตรฐานในตรวจวัดความรุนแรงด้านการสั่นสะเทือนที่ใช้กันเป็นมาตรฐานทั่วโลก โดยคำนึงถึงขนาดและลักษณะของเครื่องจักร โดยแบ่งเป็น 4 เกณฑ์ ตามภาพด้านล่าง
(2) การใช้ข้อมูลเชิงสถิติ หรือ Statistic Alarm มาช่วยประกอบการตัดสินใจ เนื่องด้วยในกรณีที่ว่า การใช้ ISO 10816 นั้น ได้ให้ค่า Alarm, Warning ที่สูงเกินไป ทำให้เกิดกรณีที่ว่า เครื่องจักรเกิด fail แต่ว่า ค่า Alarm, Warning ยังไม่ได้ขึ้นเตือนเลย โดยวิธีการนี้นั้น ใช้ค่าเฉลี่ยของการสั่นสะเทือนแล้วบวกขึ้นไป 10-30% ในการตั้ง Warning, Alarm แทน ซึ่งจะเป็นค่าที่น้อยกว่า แบบแรก (ISO 10816-1)
“เทคโนโลยี IoT และ ระบบAI ที่ทางIHI นำเสนอนั้นยังสามารถช่วยอุดช่องโหว่ของชุดข้อมูลที่เป็นลักษณะเฉพาะของแต่ละเครื่องจักร (Characteristic) ด้วย”
เช่น กรณีปั๊มน้ำที่มองภายนอกเหมือนกันแต่ข้างในบรรจุของเหลวที่ไม่เหมือนกัน เช่น น้ำเปล่า หรือ Crude Oil ซึ่งในความจริงแล้วการแสดงผลความเสียหายจะไม่เหมือนกัน
โดยในการบริการของ IHI นั้น ได้มีบริการเต็มรูปแบบทั้งระบบ IoT และระบบ AI ครอบคลุมตั้งแต่การบริการติดตั้ง Vibration Sensor, การติดตั้งระบบการส่งข้อมูลไร้สาย (Wireless) และ Gateway
จากนั้นข้อมูลจาก Gateway จะถูกส่งไปเก็บที่ทาง Server ที่มีความปลอดภัยระดับโลก AWS (Amazon Web Service) Cloud และข้อมูลเหล่านั้นจะถูกนำไปวิเคราะห์และสร้างเป็นระบบ AI เพื่อวิเคราะห์ข้อมูล Vibration เพื่อบ่งบอกสุขภาพของเครื่องจักร ณ เวลานั้นจริงๆ (Real time) และสามารถแจ้งความผิดปกติของความเสียหายที่เหมาะกับเครื่องจักรแต่ละเครื่อง
ระบบการสร้างข้อมูล AI เบื้องต้นของทาง IHI
โดยการนำข้อมูลการสั่นสะเทือนที่ได้จาก Sensor มาทำการ Clustering และกำหนด Boundary เพื่อแยกระหว่างการสั่นสะเทือนปกติ และการสั่นสะเทือนที่เกิดจากความเสียหายของเครื่องจักร โดยข้อมูลที่ได้ไม่ได้มีแค่ระดับ amplitude ของการสั่นสะเทือนเท่านั้น แต่ยังนำค่าที่ได้มาวิเคราะห์ผ่าน FFT (Fast Fourier Transform) เพื่อเช็คข้อมูลในรูปแบบ Frequency Domain เพื่อเจาะไปถึงจุดย่อยของเครื่องจักรที่เป็นแหล่งกำหนดการสั่นสะเทือนของเครื่องจักรได้อีกด้วย
โดยข้อมูลที่เก็บได้ จะนำมา Cleansing และแยกเป็น Cluster แล้วนำมาเข้า Analysis Model ซึ่ง Model ที่นำมาใช้จะมี 4 Model คือ
(1) Robust covariance
(2) One-Class SVM
(3) Isolation Forest
(4) Local Outlier Factor
เพื่อนำมาสร้าง Criteria สำหรับแต่ละ Cluster โดยการเลือกใช้ Model จะขึ้นอยู่กับลักษณะ Process และการทำงานของเครื่องจักรว่าเป็นอย่างไร เหมาะสมกับ Analysis Model ไหน เมื่อเราทำการแยก Cluster ของข้อมูล และกำหนด Criteria จาก Analysis Model เรียบร้อยแล้ว เราก็จะสามารถนำ Criteria นั้นมาเทียบกับค่าที่อ่านได้ในปัจจุบัน (actual data) เพื่อใช้ตรวจหาความผิดปกติของเครื่องจักรได้อย่างแม่นยำ
ด้วยปริมาณข้อมูลที่เหมาะสมในการสร้าง Model ขั้นต่ำอย่างน้อยประมาณ 2 เดือน โดยการ sampling ทุกๆ interval time ที่กำหนด
โดยเกณฑ์การตัดสินอาจจะใช้ AI เป็นแนวทางประกอบร่วมเพื่อตัดสินใจ ร่วมกับสภาพหน้างาน ระบบ ISO-10816 หรือ ระบบ Statistical alarm นะครับ โดยความแม่นยำขึ้นอยู่กับปริมาณและคุณภาพของข้อมูลครับ
แต่ที่แน่ๆข้อมูลที่ได้จาก AI จะมาช่วยเหลือในการทำงาน และคนดูแลเครื่องจักรอย่างแน่นอนครับ
เมื่อเรามีเครื่องมือที่ดีในการตรวจเช็คเครื่องจักร ก็จะทำให้เราทราบอาการผิดปกติของเครื่องจักรได้ เครื่องจักรเป็นเสมือนเพื่อนของเรา อย่าลืมดูแลเพื่อนของเราด้วยนะครับ
=============================================================================================================================================
และสุดท้ายนี้ขอขอบคุณสปอนเซอร์ใจดีจาก IHI ผู้ให้บริการ Vibration Monitoring และ Analysis Reports ที่สามารถช่วยเพิ่มประสิทธิภาพการทำงานของโรงงานของเพื่อนๆ
หากเพื่อนๆสนใจรายละเอียดเพิ่มเติม สามารถคลิกเข้าไปดู
Youtube: https://www.youtube.com/watch?v=oM-1wVM4tOA
Facebook: https://www.facebook.com/IHIAPT
ติดต่อ สอบถาม ได้ทางเบอร์โทรศัพท์ 02-236-3490 และ e-mail: [email protected]
หรือ คุณวิญญ์ เบอร์โทรศัพท์ 080-063-7235 e-mail: [email protected]
=============================================================================================================================================
แล้วพบกับสาระความรู้ทางด้านงานช่าง และงานวิศวกรรมได้ในโพสต์ถัดๆไปนะครับ หรือสามารถตามสื่อตามๆของเราด้านล่างเลยนะครับ
Website: www.naichangmashare.com
Facebook: https://www.facebook.com/naichangmashare/
Blockdit : https://www.blockdit.com/naichangmashare
Instragram: https://www.instagram.com/naichangmashare/
Twitter: https://twitter.com/naichangmashare
Youtube: https://www.youtube.com/channel/UCmIPiSeg-uy4k8JYSmknp_g
#นายช่างมาแชร์ #AI #IoT #IHI
