米乐m6

快速链接到欧姆龙其他国家/地区的网站。close

ౠ Solution  满足计划方案

欧姆龙野洲化工厂 产品预计性维修保养的数据统计活用例子

及时捕捉真空泵的异常预兆,
将突发故障清零。
维护成本削减15%

  • 技术传承
  • IoT
  • 预测性维护
  • 大数据活用

欧姆龙野洲工厂的半导体生产线,在保持半导体/MEMS传感器*产品成本竞争力的同时,陆续生产出具有新功能的产品,我们充分利用现有设备实现了多品种少批量生产。在此背景下,我们挑战在尽可能减少投资的同时,防止因设备老化而增加的突发故障。以往真空泵的维护时期由熟练维护人员定期诊断和提前定期维护来决定,现在通过活用数据来捕捉故障的预兆,在适当时机进行维护。
其契机是借助于“现场数据活用服务 i-BELT”的诊断,“避免设备突发故障而导致产品废弃,同时控制投资成本🦋”的愿望,通过现场知识经验、传感的数据化和振动分析技术得以实现。

*MEMS:Micro Electro Mechanical Systems 在半导体材料的硅基材、窗户玻璃基材上集合机械设备电气元件的传调节器器、实施器、光电电线等,具备有μm级框架的电子元器件,也被喻为“微机电专业控制系统”

课题

设备维护从“定期”变为“需要时”。
在熟练维护人员不断减少的背景下,希望通过CBM*优化维护时期

累似产品的过量产量迅速向多产品种类少自定义产量转移,之前控制的定期检查保养周期时间已不会再适于。且随有产品异常处理测试新技能的经验定期检查保养工作员迅速可以减少,因太过定期检查保养而致使的利润无意间浪费和的突发出现问题危害性日渐增高。与之相应的的,活用数据资料来获取出现问题预兆,并在适量时应具体实施定期检查保养体现CBM化,就称得上了重要 问题。*CBM:Condition Based Maintenance 仅在如何判断有必需时才快速执行保障
半导体生产线的突发故障会导致产品(晶圆)报废风险

解决方案

活用振动数据实现真空泵的CBM化

半导体方法分娩线上支付总是的选用的涂层厚度检测装备重力作用系统泵,伴随发生反应性其他气体流入了、添加物增大而意外事件终止,会存在很多晶圆报费的危险因素,因为增进了定期检查速度。那么,如果涂层厚度检测装备重力作用系统泵的CBM化成功失败的,将学习收获不错的实际效果,在配置选用噪声感测器器,开端维持风控噪声参数。我国的选用发源噪声感测器器的参数和噪声剖析方法,实时路况切换和风控多条特性量。简化感测器器的配置选用区域、提现更好特性量和简化阈值法设置好是成功失败的的关健。在将娴熟定期检查人工的知识储备与欧姆龙的噪声剖析仪和方法灵活运用在一起,我国拼搏上下调整设配象征性的个体经济相互影响并增进不靠谱性。
堆积在泵内的生成物
捕捉泵内部变化的特征量

成果

突发故障清零,维护成本削减15%

为振动模式数据显示的分析预测,人们取得成功地将真空环境泵的维保期限性拉长了30%上述。我不吸引应急出现问题的的本质下拉长维保期限性,可能把控后期的维修保养加盟费,赢得维保资金消减15%上述的郊果。利用兼具风险点减少和资金消减,朝着设施设备维保个部门控制CBM化的梦发展一大步走。

重点措施

Point.1找出现场课题并提出解决对策

虽然CBM化是维护领域的理想,但并未落地,过去都是交由熟练维护人员根据经验判断,并通过设备的间歇性监控和定期维护来应对。
然而,由于生产量的变动和品种的变化,恰当的维护时期也会大幅变动,难以兼顾维护周期的优化和故障突发的风险。此外,熟练维护人员逐渐减少也是一大问题,实现优化维护时期的CBM化成为了当务之急。
尤其是成膜设备真空泵由于突发停止而导致晶圆报废的风险很高,维护频率不断提高,如果CB🙈M化成功,将收获༺很大效果。

Point.2数据收集

据说过听诊棒吗?掌握养护人数可能便用听诊棒,能够 通过听配音来认别泵中累积物导致的运动变化无常。若果能将该工艺加数化,树立高误差的判别算法流程图,就可能达成CBM化。就这么基本概念匠心工艺定运动感测器器的按装的位置和技术,起获得数值。

Point.3可视化/分析

雷达回波图解析涡流泵的震动幅度信息并将其转为为各种各样本质特色量,去可视化管理。对运作的周期差异的泵实验英文性地收录和解析信息,肯定能够用于监测的本质特色量。来改变调节器器不错的安转的位置和安转策略,会更加正规地拾取变换。

Point.4为实现完全CBM化采取的举措

为达到基本CBM化,先是,快速执行持续性监控录像,并将运维间格提升了30%。按照讲解与此了解的数剧,枝术工作员与现场视频一起打造出更准度更高一些的预计性运维。

员工的声音

CBM化是长年以来的梦想

尤其是半导体被称作装置产业,即使是像野洲工厂这样相对小规模的工厂,光真空泵就有200多台,如果这些设备突发停止,很可能导致大量的产品报废。为了避免突发故障,一旦缩短维护间隔,维护成本和工时也会增加。
此外,近期产品种类和数量变动较大,以前设定的维护时期过长,也会引起突🅷发故障。今后,不仅限于振动🥀,我们希望利用各种传感器的数据,改进CBM化的技术。

欧姆龙株式会社 事业开发本部 MEMS开发生产中心
生产部 生产1课
特级机械维护技师 后藤 则和

希望“可视化”此前积累的设备维护知识、经验和技术,并传承下去

欧姆龙积累了20多年的维护记录,拥有维护人员的宝贵知识、经验和维护技术。失去这些不仅对本公司来说是一个巨大的损失,对半导体行业也是如此。
这次,我们从振动/真空泵开始构建了CBM化的系统。我们正通过此系统积累各个其他设备特有的维护信息,着手在本部门实现数字化和可视化。希望通过“现场数据活用服务 i-BELT”🌼这一服务,将这些应该传承下来的技术推广给客户。

欧姆龙株式会社 事业开发本部 MEMS开发生产中心
生产部 生产1课
课长 中村 智史

引入解决方案

“现场数据活用服务 i-BELT”

“现场数据活用服务 i-BELT”集结了欧姆龙丰富的产品阵容、公司生产现场的knowhow和设备合作伙伴的knowhow。
与客户共同面对现状课题,验证应关注的数据,并收集和可视化数据。
 使用欧姆龙的knowhow分析积累的数据,将获ꦦ得的分析结果转换为控制算法,优化现场。引入系统后,仍与客户共同持续地活用数据,挑战将管理与现场融为一体的课题解决🍸方式。

安全服务软件
APP资源下载
高清在线克服
邮件附件发表
TOP