以下文章來源于歐姆龍工業自動化資訊號 ，作者小歐

技術傳承案例集

控制柜內設備溫度異常預兆保全

不依賴人工的自動溫度測量，減少設備突發停止和火災風險

課 題

由于設備的高功能化，保全人員與控制柜內設備的集成度成反比，逐年減少

■ 檢查頻率下降導致火災風險上升

■ 熟練工不足，缺少異常判斷的基準

歐姆龍草津工廠 實現自動控制的數據活用

"可視化"工匠技術，模具加工時間削減40%

隨著IoT和AI的發展，對生產現場數據活用的關注日益高漲。草津工廠的模具加工一方面要求提高多品種少量生產的效率，另一方面存在熟練工不足的課題，無法精準設置加工條件。在上述背景下，通過數據的活用，優化以往需要操作者憑借感官判斷的小徑工具的加工條件設置。

課 題

以多品種少量生產為前提提高生產效率

歐姆龍產品超過20萬種，所有產品的規格根據不同使用環境和客戶進行變化，要求提高多品種少量的生產效率。模具加工也有同樣的要求，若采取提高工件進給速度的手段，使加工條件過于嚴苛，易引起工具折損，導致設備損壞甚至停機。因此，最難的是設置最佳加工條件，需要熟練技術人員的經驗與直覺，隨著近年來人工不足的問題，技術人員稀缺成為重要課題。

歐姆龍野洲工廠 設備預測性維護的數據活用

及時捕捉真空泵的異常預兆，維護成本削減15%

歐姆龍野洲工廠的半導體生產線，在保持半導體/MEMS傳感器產品成本競爭力的同時，陸續生產出具有新功能的產品，我們充分利用現有設備實現了多品種少批量生產。在此背景下，我們挑戰在盡可能減少投資的同時，防止因設備老化而增加的突發故障。以往真空泵的維護時期由熟練維護人員定期診斷和提前定期維護來決定，現在通過活用數據來捕捉故障的預兆，在適當時機進行維護。

課 題

設備維護從“定期”變為“需要時”。在熟練維護人員不斷減少的背景下，希望通過CBM*優化維護時期。

同類機型的大量生產逐漸向多品種少批量生產轉變，過去設定的維護周期已不再適合。而且隨著具備設備異常檢測技能的熟練維護人員逐漸減少，因過度維護而導致的成本浪費和突發故障風險日益增加。與之相應的，活用數據來捕捉故障預兆，并在適當時機實施維護實現CBM化，就成為了一大課題。

*CBM：Condition Based Maintenance僅在判斷有必要時才實施維護

將依賴作業人員感覺的檢查實現自動化，避免次品流出

課 題

容易受到檢查員技能影響的目視外觀檢查，成為了保持品質穩定并適應混流生產的障礙

目視外觀檢查的方式需要熟練的技能，品質容易受到檢查人員的影響。而且，在多品種少量生產線上經常要應對大批量訂單、換產、平時不會生產的品類等情況。需要在應對增產和多品類混流生產的同時，以不依賴于人員技能的方式保證品質穩定。

解決方案

■ 利用圖像處理系統和機器人，實現適合多品種少量生產線的自動化

■ 通過高速處理、攝影，實現70秒內檢查69個項目，正確高速提取打標印刷的文字

■ 節省3人份的作業量，還可進行操作性、易用性等感官檢測

相關產品

溫控器(數字溫控器)

E5CD

自動捕捉狀態變化，優化控制，輕松兼顧生產效率和品質。