在上一篇我們提到了, 在注塑成型的過程中, 有許多的數據對生產的品質都會有很大的影響, 所以我們說的PHM, 設備故障偵測與健康管理, 就是用注塑過程中的數據, 去監控設備是不是有異常發生,

比如說, 注塑成型的塑膠原料在保存的濕度上有一定的要求, 當含水量過高的時候, 做出來的產品就會有毛邊的現象. 在以前都要等到做出很多有毛邊的產品之後才會回頭去清查各種問題, 要花一段時間才能找到原來是保存原料的防潮箱故障. 但如果我們可以監控射出成型的壓力還有畫面上這些各種參數, 我們就有機會從這些參數的變化, 提早發出預警, 通知工程師來做相對應的預防維修保養

聽起來好像很簡單, 是不是就每個參數都預先訂好一個管制規格上下限, 超出之後就發出預警就好了呢?

但是在注塑成型這個領域, 每一種產品的成型條件都不一樣, 就算是同一種產品, 在不同的設備的成型條件也是不一樣的. 就算是同樣的產品跟設備, 在不同批次生產的時候, 成型條件也可能會不一樣, 也就是說上禮拜做的, 跟這禮拜做的, 中間可能因為現場的工程師調整了某些設定, 射出的時間速度跟壓力就不一樣了. 所以, 我們沒辦法幫工廠內的每一台注塑機個別訂一個統一的規格上下限來對製程進行管制.

下一篇我們將會介紹一些Anomaly Detection的算法, 並詳細介紹如何用這樣的算法來幫工廠進行製程穩定性的管制, 在問題發生前提早發出預警.