特色一
AI 診斷及預測技術
透過非侵入式振動感測單元取得機台運作時振動頻率,加以神通AI深度學習分析,可由振動特徵精準取得工廠運行之各式關鍵數據,提供工廠管理者精準有效的數位決策依據。
綠色風潮席捲全球,配合政府淨零排放政策及國際碳邊境稅、綠色供應鏈等規範,主要產業多偏向高碳排、高耗能的台灣必須盡快做出應變。一般市售的能源管理系統,大多僅介接數位電表以記錄設備運轉能耗,佐以管理系統使客戶可直觀調閱各設備能耗資料,以發現吃電怪獸並汰換高耗能設備為節能減碳目標;而傳統機台稼動、產能等資訊多來自於人工量測與登打,既不精確又有人為輸出誤差風險,導致能耗管理系統提供之訊息不盡可靠。
神通MiSeeR ESG能源管理系統,以振動量測方式分析設備運轉狀態,精準紀錄加工時間,使單位產能對應之能耗資訊真實可靠;透過AI演算法交叉比對振動頻率及其他關鍵IoT數據,可細部評估調機、校模、換料、保養等各工續作業時間點,以提升人機效率、提高產出效能、確保工作品質並減少資源浪費,有效達成ESG永續發展目標;透過AI深度學習技術,可估算能源基線(EnB)、能源績效指標(EnPI),為整體節能減碳方案提出有效數據以評估績效。
透過非侵入式振動感測單元取得機台運作時振動頻率,加以神通AI深度學習分析,可由振動特徵精準取得工廠運行之各式關鍵數據,提供工廠管理者精準有效的數位決策依據。
採用AI深度學習技術,根據工業物聯網取得之生產加工、設備能耗統計資訊,估算能源基線(EnB)及能源績效指標(EnPI),提供節能方案導入之有效數據,並作為ESG智慧工廠認證依據。
除了分析振動特徵之外,依不同設備需求,加入其他必要之關鍵數據進行AI整合分析,可提升設備產能分析、能耗等數據之準確度與設備狀態判斷之可靠度。
單一系統介面整合廠內多台加工設備當前運轉狀態、歷史統計資料等,方便管理者快速掌握工廠運行狀態,並進行相關加工工續之決策。
不僅可統計設備運轉實際能耗,透過振動頻率與電流特徵交互比對,可細部評估調機、校模、換料、保養等各工續之作業時間點及進行時間,以進一步評估人員績效;透過機台產能、產品良率、設備能耗三項數據,可進一步分析機台運作之最佳加工參數,使機台運作效能最佳化。
金屬加工公司
製造業、各式金屬加工廠等