如何運用 MES 提升智慧機械設備稼動率？
整體設備效率（Overall Equipment Effectiveness；以下簡稱 OEE）是生產過程中評量生產設施有效運作的重要指數，在系統中要確保生產設備能將 OEE 有效執行，機台故障的預測及其零配件管理都需要藉由不同的資料擷取與分析。
運用 MES 智能化設備故障預測
資通電腦 ciMes（Computer Integrated Manufacturing Execution System；製造執行系統）能在設備故障預測的進行過程中，運用機台狀態與參數監控、機台感測元件（如機台震動分析、量測數據分析）等系統設計作為機台故障預測，以及零配件分析的應用。機台故障預測分析應用架構如下：
機台故障預測資料來源分析（車銑加工機）
機台故障預測資料來源
分析方法及工具機台狀態及參數監控
規格上下限管制、on-Line SPC（Statistical Process Control；統計製程控制）機台感知元件
規格上下限管制、on-Line SPC機台震動分析
刀具顫振分析品質反饋
規格上下限管制、on-Line SPC
機台故障預測可依據故障預測結果觸發保養、維修、調校、更換等作業，以維持機台設備的正常運作性。
金屬加工機台設備故障預測、分析工具及方法
金屬加工機台（如五軸加工機、車銑複合機）的故障預測分析方法及工具，除了運用了刀具顫振穩定圖（Stability Lobe Diagram；SLD）的震動分析方法，來預測與分析最常見的 CNC（Computer Numerical Control；電腦數值控制）工具機常發生的顫振、刃口積削、斷刀等故障，故障預測與分析，MES 系統也會運用 SPC 監控機台加工參數與品質反饋的量測資訊，來補強透過震動分析與控制器訊號監控的故障預測，刀具顫振穩定圖及 SPC 分析應用可透過下圖更清楚的瞭解。
資料來源：屏科大振動噪音實驗室
SPC 分析應用
| 主要機台參數 | SPC 規則 | 可能故障原因 | 採取作業 |
| 主軸轉速 |
|
|
|
| 進給率 |
|
|
|
| 主軸負載電流 |
|
|
|
機台參數 SPC 分析與故障預測分析表（1）
| 品質反饋資料 | SPC 規則 | 可能故障原因 | 採取作業 |
| 外觀（毛邊、粗糙度） | 不良原因 N 點持續上升 |
|
|
| 量測（精度誤差） | 精度誤差連續 N 點持續上升或下降 |
|
|
機台參數 SPC 分析與故障預測分析表（2）
SPC 的應用可以透過 On-Line SPC 之管控，在機台參數值有微小偏移之前，運用統計手法即時發現並發出警訊，採取即時的補救措施例如：修正機台參數值，或是通知系統扣留機台、轉換狀態進行設備保養，讓產品在未超出品質規格之前，將品質拉回穩定曲線，SPC 示意如下：
SPC 八大分析規則
- 超過管制圖的上下限。
- 連續 N 點在同一側。
- 連續 N 點持續上升或下降。
- 連續 N 點交互移動。
- 連續 N 點在 N 個標準差之內。
- N 點中有 M 點在上下兩側 X 個標準差之外。
- 連續 N 點在兩側，但是在 X 個標準差之內沒點。
SPC 應用情境說明
某生產機台預防保養週期為 30 天，目前已生產 11 天，SPC 監控資料如下圖，監控數值超過上限。當超過規格上限線時，將扣留生產機台並取得機台生產參數、生產配方進行分析，找出問題發生的原因並及時進行處置，後續也將提出改善計畫。以上述生產機台為例，分析後發現機台零件老化導致機台參數偏移，所以提早進行設備保養、更換零件，後續則提出縮短設備保養週期之計畫，如下 SPC 超出規格流程示意圖。
在智能化設備故障預測的應用上，可藉由不同的資料及資訊收集、分析與預測，適時發出預測性與預防性的維護、更換、調校提醒或警示，及早避免設備不良造成損耗，有效提升智慧機械設備稼動能力並提升生產效率。
