數控中心_設備最佳運轉效益

        由於自動化設備在各行各業的普及,工廠利用儀錶偵測設備的耗電量、負載、等運轉數據。用以掌握設備運行狀況,降低運轉成本。以空氣壓縮機為例,依照工廠製程類型不同,其耗電量佔全廠耗能約15~60%。現今變頻器技術發展成熟,可有效的依據現場需求改變馬達的轉速,達到真正的『用多少、供多少』的節能理想曲線,但若單純使用外加變頻器來控制,在考量低轉速可能會導致馬達散熱不良的限制下,仍無法完全的符合理想曲線的應用。數控中心採用PID演算法,取得最佳運轉參數。再利用類神經網路AI模型,制定最佳運轉效能與節能措施,達到負載平衡跟最佳節能的策略,『數控中心_設備最佳運轉效益』工作流程如下︰

① 使用 M5Stack(PID控制器)的 Modbus RTU,採集設備相關資料。

② 以PID演算法,改善機台運轉效率。

③ 採集數據以 JSON 格式經由④ MQTT Server,上傳至 ⑥SQL數據庫。

④ MQTT Server 中轉採集數據與控制命令。

⑤ API Server 設置各種運算公式,例如計算能源最佳性能指標,並將數據上傳至 ⑥SQL數據庫。

⑥ SQL數據庫保存所有採集數據與運算結果。

⑦ 使用FastWeb監控所有採集與計算過程,並呈現最終AI運轉結果。

⑧ 使用 ChatGPT 或自有AI模型,以採集數據與運算結果。直接控制設備採用最佳節能作法。

Image

『數控中心_設備最佳運轉效益』的特色

        採用先進的PID控制演算法,控制機電設備運轉在最佳的狀況,還能保持機電設備能源消耗最低。低電力運轉,不但降低成本,避免電力浪費,有助於減碳排放。

        使用最佳性能指標,整合評估(運轉效率+能源效率),協助機電設備的降低能源使用量,即時調控設備最佳運轉配置,在不同階段之負載情況中,提高設備使用效率,達成節能減碳效益。

        配合PID控制所計算出之參數,訓練類神經網路模型,再利用訓練完成的AI模型,可預測最佳性能指標與相關參數,強化預測速度與準確率。

        搭配『數控中心_設備故障保養功能』,使用三軸加速規與溫度感測器,診斷馬達老化現象,做好設備預防保養。

        採用Web管理介面,隨時隨地調用圖表,查閱設備即時運行狀況,如有故障立即發送警告訊息。

        『數控中心_設備最佳運轉效益』,工作流程如下︰

01_依據儀表量測數據繪製PID即時驅勢圖

Image

02_隨時查閱歷史數據繪製PID歷史驅勢圖

Image

03_依據量測數據進行PID演算,求出參數值

Image

04_計算能源利用的最佳性能指標

Image

05_使用PID演算進行誤差分析

Image

06_使用PID演算,進行誤差累計預測分析

Image

07_為AI模型,準備訓練數據

Image

08_AI模型訓練完成,驗證結果

Image

09_利用AI模型進行智能分析,預測參數

Image

10_利用GPT大語言模型進行預測分析

Image