| 姓名 |
范佐宇(Zuo-Yu Fan)
查詢紙本館藏 |
畢業系所 |
工業管理研究所在職專班 |
| 論文名稱 |
以設備振動資料偵測設備健康狀況-以A公司為例
|
| 相關論文 | |
| 檔案 |
 [Endnote RIS 格式]
[Bibtex 格式]
 [相關文章]  [文章引用]  [完整記錄]  [館藏目錄]  至系統瀏覽論文 ( 永不開放)
|
| 摘要(中) |
本文以一個設備工程師對於想掌握自身機台健康狀況的角度為出發點，以機台振動的資料提前了解機台狀態以進行有效的維護保養作為、提早安排保養排程及內容，以致對產能、良率及保養效率的提升。
由於許多生產工廠已生產多年，面臨到零部件以屆運轉壽命，生產機台無預警故障停機的情況常常發生。本文以A公司傳送設備為例，利用振動原理及設備上加裝的感測器蒐集資料建立決策樹及羅吉斯迴歸模型，再以此兩模型的結果及比較，藉此找出在機台發生故障或異常的預兆；本文案例指出預測設備健康的其中兩個模型(clean及adjust)都認為Z軸方向的振動為關鍵的因子，模型準確率分別83.55%及96.45%，建議A公司在此關鍵因子出現時進行清潔、調整，減少人員花費進行日巡檢的時間，並可即時監測設備狀況。 |
| 摘要(英) |
The article takes an equipment engineer′s perspective on wanting to grasp the health status of his own machine as the starting point, and uses the vibration data of the machine to understand the state of the machine in advance to carry out effective maintenance, and arrange the maintenance schedule and content in advance, so as to improve the production capacity, yield and maintenance efficiency.
Because many production plants have been producing for many years and face the end of the operating life of parts, it is often the case that the production machines are shut down without warning of failure. This paper takes the transmission equipment of company A as an example, uses the vibration principle and the sensors installed on the equipment to collect data to establish a decision tree and a Logistic regression model, and then compare the results of the two models to find out the difference between the machine. The omen of failure or abnormality; The examples in this paper point out that two of the models that predict device health (clean and adjust) consider the vibration of Z-axis as the key factor. The model accuracy of 83.55% and 96.45% respectively, it is recommended that equipment engineers of Company A could clean and adjust the machines when these key factors appears, reduce the time spent on daily inspection, and can monitor the equipment status in real time. |
| 關鍵字(中) |
★ 振動
★ 故障診斷與偵測
★ 設備維護 |
關鍵字(英) |
|
| 論文目次 |
摘要 i
Abstract ii
致謝 iii
第一章 緒論 1
1.1研究背景 1
1.2研究目的 2
1.3研究架構 2
第二章 文獻探討 3
2.1 故障診斷及預測 3
2.2 設備維修 4
2.3 振動原理 9
第三章 研究方法 11
3.1 MPU9250套件功能 11
3.2 模型建立方法 14
第四章 個案研究 16
4.1 個案背景 16
4.2資料蒐集及處理 17
4.3建立模型 19
4.4模型比較及分析 29
第五章 研究結論及未來方向 31
參考文獻 33 |
| 參考文獻 |
1. 李孟軒，「進給系統振動特性與螺桿壽命預估之研究」國立中正大學機械工程學系，碩士論文，民國一○四年
2. 林晉枝，「半導體製程真空幫浦故障預測」，國立台北科技大學製造科技研究所，碩士論文，民國一○八年
3. 余清浴，「運用羅吉斯回歸與決策樹方法預測斷膜異常之研究(以B公司為例) 」，國立中央大學工業管理學系，碩士論文，民國一○九年
4. 鐘才淵，「結合卷積神經網路與遞歸神經網路預測刀具健康度」，南華大學資訊管理學系，碩士論文，民國一一○年
5. 蔡有藤、陳宗傑、廖哲賢，「機械系統性能衰退預測與故障診斷之研究」 技術學刊，第二十七卷，第三期，民國一○一年
6. 曾周末、楊學友、孫家翥，「大型旋轉軸系扭振和橫振動的同時測量、動態分析與測試技術」，1992
7. 何應欽、范良楨、林偉仁，「設備維護管理系統與生產製造績效之關係探討」，商管科技季刊，第八卷，第二期，民國九十六年
8. MPU-9250 Product Specification，Document Number: PS-MPU-9250A-01 Revision: 1.1 from InvenSense
9. Duffuaa, S. O., Raouf, A., & Campbell, J. D. (1999). Planning and Control of Maintenance System Modeling and Analysis, New York: John Wiley & Sons.
10. Jabar, H. B., & Bhd, S. P. S. (2003). Plant maintenance strategy: key for enhancing profitability, |
| 指導教授 |
曾富祥(Fu-Shiang Tseng)
|
審核日期 |
2022-8-10 |
| 推文 |
 facebook  plurk  twitter  funp  google  live  udn  HD  myshare  reddit  netvibes  friend  youpush  delicious  baidu
|
| 網路書籤 |
 Google bookmarks  del.icio.us  hemidemi myshare
|
