โครงงานการคาดคะเนการซ่อมบำรุงสำหรับเครื่องจักรกลแบบหมุน

ผู้พัฒนา บริษัท ยู-อินดัสเทรียลเทค จำกัด โดย คุณวัลลภ ปุ่นบุญห้อม และทีมงาน

ทีมที่ปรึกษา ผู้ช่วยศาสตราจารย์ ดร.กิตติพงษ์ เยาวาจา
หัวหน้ากลุ่มวิจัยวิทยาการหุ่นยนต์และระบบอัตโนมัติขั้นสูง
และผู้รับผิดชอบหลักสูตรหุ่นยนต์และระบบอัตโนมัติ (นานาชาติ)​
คณะวิศวกรรมศาสตร์ศรีราชา เกษตรศาสตร์ วิทยาเขตศรีราชา

1. ความเป็นมา
   พบว่าปัญหาส่วนใหญ่ในโรงงานอุตสาหกรรมที่มีลักษณะการทำงานเคลื่อนที่มีการหมุนเนี่ย อาจเกิดความเสียหายจากการทำงานหรือการบำรุงรักษาที่ไม่เหมาะสม การบำรุงรักษาที่ไม่ตรงเวลาและไม่มีการวิเคราะห์สภาวะเครื่องจักรที่เหมาะสมรวมถึงหลายๆครั้งต้องมีการใช้ประสบการณ์ในการวิเคราะห์เข้ามาร่วมด้วย

ซึ่งก็จะทำให้เกิดปัญหาเครื่องจักรหยุดการทำงานและเกิดความเสียหายมากขึ้นดังนั้นจึงเป็นปัญหาหลักของหลายๆโรงงานที่จะต้องคอยบำรุงรักษาเครื่องจักรให้เหมาะสมเพื่อไม่ให้เกิดการสูญเสีย เฉลยจุดการผลิตในโรงงาน
เป้าหมายโครงงานการคาดคะเนการซ่อมบำรุงสำหรับเครื่องจักรกลแบบหมุน (Predictive Maintenance for Rotating Machine) ก็คือต้องการทำระบบตรวจ เพื่อทำการบำรุงรักษาเครื่องจักรอย่างต่อเนื่องโดยให้ขึ้นอยู่กับนโยบายของแต่ละโรงงานและความสำคัญของเครื่องจักรตัวนั้นๆเช่นการทำ Corrective Maintenance การทำ Preventive Maintenance การทำ Condition-based Maintenance และต่อยอดไปถึง Predictive Maintenance
ซึ่งโรงงานส่วนใหญ่นั้นจะใช้ลักษณะ ของ ทำ Preventive Maintenance เป็นส่วนใหญ่ซึ่งการที่จะเปลี่ยนการตรวจบำรุงของเครื่องจักรไปสู่ระดับ Predictive Maintenance นั้นก็ยังเป็นปัญหาของแต่ละโรงงานที่ยังไม่สามารถก้าวเข้าสู่ระบบดังกล่าวได้

2. เป้าหมาย
   เป้าหมายโครงงานการคาดคะเนการซ่อมบำรุงสำหรับเครื่องจักรกลแบบหมุน (Predictive Maintenance for Rotating Machine) ต้องการสร้างระบบ เพื่อ ติดตามตรวจสอบการทำงานของเครื่องจักรโดยใช้สัญญาณจาก Sensor เพื่อทำนายระยะเวลาและวางแผนการหยุดการทำงานของเครื่องจักรหรือ Shutdown ทำการแจ้งเตือน ในรูปแบบต่างๆ (Alert, Alarm) ให้ฝ่ายบริหารและฝ่ายบำรุงรักษารับทราบผ่านระบบ คอมพิวเตอร์ผ่านมือถือรวมถึงทำรายงาน ต่างๆเพื่อแสดงสถานะและการทำงานของเครื่องจักรโดยใช้ระบบอัจฉริยะเพื่อช่วยในการตรวจสอบและตัดสินใจ

3. ความรู้จากการอบรมที่ใช้ในการพัฒนางาน
โดยได้ศึกษากลุ่มลูกค้าในปัจจุบัน ซึ่งได้เริ่มมีการติดตั้งเซ็นเซอร์ต่างๆ แต่ก็ยังมีปัญหาเรื่องของการนำข้อมูล ทำการวางแผนการ ซ่อมบำรุงโดยนำเรื่องของการสั่นสะเทือนเรื่องของเสียงเรื่องของความร้อนมาวิเคราะห์ถึงประสิทธิภาพเครื่องจักร โดยใช้กระบวนการที่เหมาะสมที่สุด optimization เพื่อนำมาวิเคราะห์หาปัญหาที่เกิดขึ้นในเครื่องจักรให้ได้

ได้ทำการศึกษา กระบวนการผลิตของลูกค้าเพื่อศึกษาว่าจะติดตั้งอุปกรณ์เซ็นเซอร์ที่จุดใดบ้าง เพื่อทำให้การทำงานของโรงงานนั้นมีประสิทธิภาพมากขึ้นลดต้นทุนในการหยุดการทำงานของเครื่องจักร

ทำการศึกษาข้อมูลที่ได้จากเซ็นเซอร์ต่างๆไม่ว่าจะเป็นเรื่องการสั่นสะเทือนของเสียงที่เกิดขึ้นเนื่องจากความร้อนหรือว่าวันซึ่งปกติทางบริษัททำงานทางด้าน automation ก็ต้องการพยายามที่จะสร้างระบบดิจิตอลที่มารองรับการทำงานของเครื่องจักรและระบบการทำงานอัตโนมัติ

ศึกษาอุปกรณ์ ABB Smart sensor

ศึกษาอุปกรณ์ AC induction motor / เครื่องจักรกล

ศึกษาอุปกรณ์ โปรแกรมพื้นฐาน
โปรแกรม Anaconda ภาษา Python
Web Application เช่น ASP.net, PHP, Python, Java Script หรืออื่นๆ
ฐานข้อมูล เช่น MySQL, SQL server, Oracle

1 ประยุกต์ใช้โปรแกรมอัจฉริยะ

• 1. Data Input มาจาก IOT Sensor เช่น อุปกรณ์ชื่อ Smart sensor ของ ABB
• 2. โปรแกรม Anaconda ภาษา Python เพื่อเรียกใช้ Library ในการเข้าถึงข้อมูลจากคลาวน์
  Data Input มาจาก การ Key in data ผ่าน Web Application หรือ Visualize ไหนก็ได้
• 3. Data output ออกไป Show Visualize ใน Web App ตังใดก็ได้

1. ผลสำเร็จของงานประโยชน์ที่ได้รับ
   ทำ Software Predictive Maintenance โดยใช้ Machine Learning กับเครื่องจักรประเภท Rotating Equipment รวมทั้งสามารถ Alarm, Alert ให้ทีม Maintenance ผ่าน E-Mail หรือ Line Application
   รับค่าข้อมูล (Data Input) มาจาก IOT Sensor เช่น อุปกรณ์ Smart sensor ของ ABB เพื่อส่งเข้า Web Application เพื่อแสดงผล (Visualize) หรือนำมาประมวลผลระบบอัจฉริยะ และส่งข้อมูลออก (output) ออกไปยังผู้ใช้
   ออกแบบการทำงานของระบบ การคาดคะเน การซ่อมบำรุงของเครื่องจักรประเภทหมุนโดยแบ่งออกเป็น 3 ส่วนด้วยกันส่วนแรกก็คือส่วนของ Data Set Preparation

ส่วนที่ 1 ใช้ระบบฐานข้อมูลร่วมกับโปรแกรม Python และการเชื่อมผ่าน API
โดยทำการศึกษาและรับสัญญาณจาก Smart Sensor จาก ABB ซึ่งมันจะ เก็บข้อมูลอยู่บน ABB Cloud ของผู้ให้บริการต่างๆรวมถึงการดึงข้อมูลดังกล่าวและผ่าน API Key มาผ่าน Engine เพื่อเก็บข้อมูลเหล่านี้ทำข้อมูลต่างๆร่วมกับ database และ Sensor อื่นๆ ที่เราสามารถเชื่อมโยงจากระบบเซ็นเซอร์ที่มีอยู่แล้วรวมถึงระบบควบคุมเช่น PLC ผ่านอินเทอร์เน็ตไร้สายอย่างเช่น MQTT เข้ามาสู่เครื่องมือส่วนหนึ่งที่ทำการรวบรวมข้อมูลผ่านอุปกรณ์เครื่องของเรา

ระบบพื้นฐานของ ABS Sensor สามารถรับสัญญาณจาก Sensor เข้าไปสู่เกตเวย์หรือผ่านมือถือเพื่อที่จะเข้าไปสู่ระบบ Cloud ได้ซึ่งมันก็จะสามารถที่จะแสดงผลให้กับผู้ใช้โดยทั่วไปได้
แต่ใน Project นี้ก็จะทำระบบที่มีความซับซ้อนมากกว่าก็คือการดึงข้อมูลมาจากระบบ Cloud แล้วก็สร้างระบบ portal ขึ้นมาเองอาจจะสร้างระบบให้กับลูกค้าโดยที่เราสามารถเชื่อมโยงกับเบสผ่าน Excel หรือ csv ได้

ส่วนที่ 2 ก็จะเป็นการสร้างแบบจำลอง Machine Learning Model เพื่อทำการเปลี่ยนที่ได้มาจากเซ็นเซอร์ต่างๆมาเป็น Training Data เพื่อสร้างระบบจำลองขึ้นมาโดยผ่านกระบวนการ Classification ที่นี้ก็จะนำมาเปรียบเทียบกับข้อมูลใหม่ โดยการเปรียบเทียบการกระบวนการเพื่อนำมาวิเคราะห์และก็แยกแยะข้อมูล เพื่อนำไปคาดคะเนปัญหาที่เกิดขึ้น
ส่วนที่ 2 ใช้ระบบโปรแกรม Python Anaconda/ RadipMiner / Weka
ส่วนสุดท้ายที่สวยที่ 3 ก็จะเป็นการแสดงผลซึ่งจะใช้ web Application virtualization เพื่อ นำข้อมูลต่างๆและแสดงผลผ่านหน้าจอเพื่อให้ง่ายต่อการรับรู้รวมถึงการเชื่อมโยงกับผู้ใช้ในการที่จะวางแผนการทำงานของเครื่องจักรหรือโรงงานรวมถึงแจ้งเตือนให้อย่างเหมาะสม
ส่วนที่ 3 ใช้ระบบฐานข้อมูลร่วมกับ Node-Red / Django

การต่อยอดโปรเจคต่างๆสามารถที่จะนำระบบอัจฉริยะเนื้อเข้ามาประยุกต์ กระบวนการผลิตแล้วก็ลดของเสียในโรงงานได้โดยใช้ระบบ AI เข้ามาตัดสินใจในกระบวนการผลิตในการควบคุมจนกระทั่งการทำให้ระบบมันมีประสิทธิภาพมากขึ้น รวมถึงลดค่าพลังงานให้กับเครื่องจักรให้ได้

5. ผลลัพท์ที่คาดว่าจะได้รับ

• ได้ข้อมูลตรงเวลาสม่ำเสมอ สามารถปรับปรุงการทำงาน
• ลดค่าใช้จ่ายในการบำรุงรักษา ลดค่าใช้จ่ายในการสูญเสียโอกาสในการผลิต
• สามารถนำไปต่อยอดการวางแผน Predictive Maintenance ให้กลุ่มลูกค้าในโรงงานต่าง ๆ ได้ใช้เครื่องจักรอย่างมีประสิทธิภาพสูงสุด
• การประหยัดค่าใช้จ่ายพนักงาน การลดความผิดพลาดในการทำงาน และการต่อยอดโครงการใหม่จากความรู้ ประมาณการผลกำไรได้ 1,000,000 บาทต่อปี และสามารถต่อยอดเพิ่มได้อีกในอนาคตและขยายผลได้ในขนาดอุตสาหกรรมที่ใหญ่ขึ้น

ทีมที่ปรึกษา ผู้ช่วยศาสตราจารย์ ดร.กิตติพงษ์ เยาวาจา
หัวหน้ากลุ่มวิจัยวิทยาการหุ่นยนต์และระบบอัตโนมัติขั้นสูง
และผู้รับผิดชอบหลักสูตรหุ่นยนต์และระบบอัตโนมัติ (นานาชาติ)​
คณะวิศวกรรมศาสตร์ศรีราชา เกษตรศาสตร์ วิทยาเขตศรีราชา