2023-09-26
佳縈
461
相信大家都曾有遇到突然停電的經驗,而在工廠發生停電可能會導致公司遭受巨大損失,然而只要利用建構Baseline數據的方式,便可以提前偵測用電異常來避免意外發生。
影響EnPI的相關變數因子相當多,導致數據無法衡量以及管理,因此需要建置能源基線(Energy Baseline) 來確保EnPI的有效性,為了使EnPI具備驅動節能減碳的能力必須與組織職責以及用能設備的相關權責皆有相對應關係,每個EnPI的邊界都必須很明確,而邊界內的範疇(重大能源、相關變數因子)都必須有數據。
Baseline與標準工時雷同,標準工時可以用來估算交期,標準成本與控管生產進度;計算標準工時有先決條件且不能隨意量測得先做到改善再量測標準工時數據,必須先做到「減」、「加」、「整」、「簡」四大改善。
優化用電作業流程是首要工作,接著設置用能標準作業(SOP),讓工廠有合理用能基礎才能蒐集數據來建置Baseline,若由工廠現場人員按自己的想法、直覺,例如:暖機時間的標準或待機、持溫閒置時沒有標準規定,會導致品質或數據混亂會造成後續分析與建模的困難。
由於工廠在不同季度與月份的差異,所以建模數據涵蓋的範圍最好超過一年,如果沒有足夠的週期,未來建模預估時就會變成外插,相較於內插,精準度就會差很多。
Baseline建模的頻率,公司內的績效大多按月/按季來計算,隨著行為周期的變化建議可採月份為基礎來計算EnPI衡量指標,將蒐集數據的頻率提升為天、小時,對於後續的數據清洗可以更方便處理,若未來想要更精進從按月做到日,更即時的早期異常診斷,數據就可以直接使用有助於更快發現異常。
數據的空間範疇十分重要,當EnPI到各單位時,例如:產線部門時容易在範疇上出現不吻合的狀況,一旦範疇有差異,數據就會有誤,後續建模的問題容易出問題;除了空間校準外,時間上的校準也相當重要,有時各數據的取樣時間點不同,就得用數學手法Curve Fitting,建模需要重新取樣,盡量讓日期、時間統一,數據才會精準。
Baseline建模所蒐集的變數,要盡可能多,不要因為直覺上或專業上認定,有了數據後就可以開始建立能源基線。
接下來就可以開始應用Baseline,就如同我們把標準工時建構出來之後,就可以拿來預估交期,計算標準成本與管控生產進度一樣,例如每個月我們可以把Baseline變數的實際數據套進函數,就可以用這模型預估合理的EnPI或用能量,接著再把實際的數據,比如電錶用電量/件數的EnPI所計算的實際值,二者做比對。若預估值與實際值差異在正負10%之內,就可以認定該月該EnPI並無異常,而比對出來的數據超過10%,代表有異常發生,有可能是那些該被控的參數,例如閒置時持溫的溫度設定錯誤或Run錯等。
Baseline除了可以偵測異常外,可以用來考核每個主管對於節能減碳的績效。
延伸閱讀
我們使用本身的Cookie和第三方的Cookie進行分析,並根據您的瀏覽習慣和個人資料向您展示與您的偏好相關的廣告。如欲瞭解更多資訊,您可以查閱我們的隱私權政策。