Condition Monitoring Archives - บริษัท ฮันนี่คอร์ปอเรชั่น จำกัด

Aug32026 by contentNo Comments

Partial Discharge Monitoring: สัญญาณเตือนภัยล่วงหน้าจากฉนวนสินทรัพย์ไฟฟ้ากำลัง

Article

หม้อแปลงกำลัง หน้าสวิตช์เกียร์ หรือสายเคเบิลแรงสูง ไม่ได้ล้มเหลวกะทันหัน — มันเริ่มตายตั้งแต่วันที่ฉนวนเริ่มมี Partial Discharge (PD) คืนแรก เทคโนโลยี PD Monitoring คือประกาศณีย์แห่งการ "ได้ยินเสียงฟ้าผ่าเล็กๆ" ก่อนที่มันจะกลายเป็นไฟไหม้เครื่องหม้อแปลง — บทความนี้วิเคราะห์ว่าทำไมการเฝ้าระวัง PD แบบต่อเนื่องจึงกลายเป็นมาตรฐานใหม่ของสินทรัพย์ไฟฟ้ากำลังในยุค IIoT หม้อแปลงไฟฟ้ากำลังในสถานีไฟฟ้าย่อย — สินทรัพย์ที่ Partial Discharge เป็นสาเหตุหลักของการเสื่อมสภาพฉนวนและไฟไหม้ (ภาพ: Flickr, CC BY 2.0) Partial Discharge คืออะไร? Partial Discharge (PD) คือการคายประจุไฟฟ้าเฉพาะส่วนที่เกิดขึ้นในหรือบนผิวของระบบฉนวนแรงดันสูง โดยที่การคายประจุนั้น ไม่ได้เชื่อมต่อ (bridge) ระหว่างตัวนำทั้งสองขั้วอย่างสมบูรณ์ แม้จะเป็น "บางส่วน" แต่พลังงานของมันสร้างความเสียหายสะสม — กัดกร่อนฉนวนจากภายใน จนวันหนึ่งฉนวนทะลุทะลวง (breakdown) กลายเป็นไฟอาร์คเต็มตัว PD แบ่งเป็นสามประเภทตามตำแหน่งที่เกิด: Internal/Void Discharge: เกิดในโพรงอากาศ (void) ภายในฉนวนของแข็ง — อันตรายที่สุดเพราะมองไม่เห็นและกัดกร่อนจากข้างใน Surface Discharge: เกิดบนผิวฉนวน มักตามมลพิษ/ความชื้น — พบบนปลายสายเคเบิลและบุชชิง Corona Discharge: เกิดในอากาศรอบตัวนำที่มีสนามไฟฟ้าสูง (รอยบนผิว ปลายแหลม) สัญญาณทิ้งร่องรอย: PD "เผยตัว" ผ่าน 4 รูปแบบพลังงาน ทุกครั้งที่ PD เกิด มันปล่อยพลังงานออกมาพร้อมกัน 4 รูปแบบ — และนี่คือเหตุผลที่เรามี 4 เทคนิคการตรวจจับ ที่แต่ละแบบ "ฟัง" พลังงานคนละชนิดกัน: เทคนิคตรวจจับ สิ่งที่วัด ช่วงความถี่ จุดเด่น Electrical (IEC 60270) ประจุ apparent (pC) ผ่าน coupling capacitor / HFCT ต่ำ-กลาง (เคฮertz) วัดปริมาณได้ตรง ใช้เป็นอ้างอิง calibrate UHF คลื่นแม่เหล็กไฟฟ้าที่ PD แผ่ออก 300 MHz – 3 GHz ความไวสูง ทนต่อสัญญาณรบกวน ดีใน GIS Acoustic Emission คลื่นเสียงเหนือความถี่ยินจาก PD 40 – 300…

Aug32026 by contentNo Comments

Acoustic Emission Monitoring: ดักฟังคลื่นเงียบจากวัสดุเพื่อพยากรณ์ความเสียหายก่อนเกิด

Article

เมื่อวัสดุเครื่องจักรเริ่มแตกร้าว ก่อนที่ตาเราจะเห็น หรือก่อนที่เซ็นเซอร์สั่นสะเทือนจะตรวจจับได้ วัสดุนั้นกำลัง "เคยชิน" คลื่นความเค้น (stress wave) ความถี่สูงออกมาเบาๆ เทคนิคที่ดักฟังคลื่นเงียบนี้คือ Acoustic Emission (AE) Monitoring — หนึ่งในเทคโนโลยี Non-Destructive Testing (NDT) ที่ทรงพลังที่สุดของวงการ Predictive Maintenance Acoustic Emission คืออะไร? Acoustic Emission (AE) คือปรากฏการณ์ที่วัสดุปล่อยคลื่นยืดหยุ่นชั่วขณะ (transient elastic wave) ออกมาเมื่อเกิดการเปลี่ยนแปลงโครงสร้างภายใน เช่น การเกิดรอยร้าว (crack initiation/propagation) การหลุดร่อง (delamination) การเสียรูปแบบพลาสติก (plastic deformation) หรือการรั่วของก๊าซ/ของเหลว คลื่นเหล่านี้มีความถี่อยู่ในย่าน 100 kHz ถึง 1 MHz (สูงกว่าเสียงที่หูมนุษย์ได้ยิน) และถูกตรวจจับด้วย เซ็นเซอร์เพียโซอิเล็กทริก (piezoelectric sensor) ที่แปลงคลื่นแรงดันเป็นสัญญาณไฟฟ้า เซ็นเซอร์เพียโซอิเล็กทริกแบบที่ใช้ในงาน Acoustic Emission Monitoring — แกนกลางคือวัสดุเซรามิกที่แปลงคลื่นความเค้นเป็นสัญญาณไฟฟ้า (ภาพ: Wikimedia Commons, CC BY-SA 4.0) สิ่งที่ทำให้ AE แตกต่างจากเทคนิค NDT อื่นอย่าง Ultrasonic Testing คือการที่ AE เป็นระบบ "Passive" — ไม่ปล่อยพลังงานเข้าไปกระตุ้น แต่ ดักฟัง สิ่งที่วัสดุปล่อยออกมาเอง นั่นหมายความว่า AE บอกได้ว่ารอยร้าวนั้น "กำลังเติบโตอยู่จริง" หรือไม่ ซึ่งเป็นข้อมูลสำคัญที่ตรวจการณ์แบบ snapshot มอบไม่ได้ พารามิเตอร์สำคัญที่วิศวกรต้องอ่านออก สัญญาณ AE แต่ละ "Hit" จะถูกสกัดเป็นพารามิเตอร์หลายตัวที่สะท้อนลักษณะของแหล่งกำเนิด: พารามิเตอร์ ความหมาย สื่อถึงอะไร Amplitude (dB) ค่าสูงสุดของสัญญาณ (มักวัด 40–100 dB) ความรุนแรงของเหตุการณ์ — ค่าสูงมักชี้การแตกร้าวรุนแรง Energy พื้นที่ใต้รูปคลื่น (μV²·s) พลังงานรวม — เกี่ยวข้องกับขนาดความเสียหาย Counts จำนวนครั้งที่สัญญาณข้าม threshold ความซับซ้อนของคลื่น — รอยร้าวมักให้ counts สูง Duration / Rise Time ระยะเวลาของสัญญาณ / เวลาขึ้นสู่…

Aug12026 by contentNo Comments

Edge Device Fleet Management และ OTA Updates: การจัดการอุปกรณ์ Edge นับหมื่นเครื่องอย่างปลอดภัย

Article

ทำไม Edge Device Fleet Management จึงสำคัญในยุค IIoT ในโรงงานอัจฉริยะยุคใหม่ การมี Edge Device ตั้งแต่ 500 ถึง 10,000 เครื่องกระจายอยู่ทั่วสายการผลิต คลังสินค้า และนิคมอุตสาหกรรมกลายเป็นเรื่องปกติ อุปกรณ์เหล่านี้อาจเป็น Edge Gateway, Industrial PC, Smart Sensor, หรือ PLC ที่เชื่อมต่อกับระบบคลาวด์ คำถามคือ เมื่อต้องอัปเดต firmware หรือ configuration ของอุปกรณ์ 5,000 เครื่องพร้อมกัน จะทำอย่างไรโดยไม่หยุดสายการผลิต? Edge Device Fleet Management คือศาสตร์และเครื่องมือสำหรับจัดการอุปกรณ์ Edge จำนวนมากในปริมาณที่คนไม่สามารถดูแลได้ด้วยมือ (manual management) ครอบคลุมตั้งแต่การลงทะเบียนอุปกรณ์ (provisioning), การกระจายซอฟต์แวร์ (OTA updates), การตรวจสอบสุขภาพ (health monitoring), ไปจนถึงการยกเลิกอุปกรณ์ (decommissioning) วงจรชีวิตของ Edge Device ใน Fleet Management ระยะ (Phase) กิจกรรมหลัก เครื่องมือ/มาตรฐาน ความท้าทายหลัก 1. Provisioning ลงทะเบียน, ออก certificate, กำหนด config เริ่มต้น Zero-Touch Enrollment, X.509 Cert, TPM การป้องกัน device cloning/spoofing 2. Configuration กระจาย desired state config ไปยัง fleet Desired State Configuration, GitOps การ resolve conflict เมื่อ config ซ้อนทับ 3. Monitoring เฝ้าระวัง CPU, memory, network, temperature SNMP, Prometheus, Telemetry Stream Data volume จากอุปกรณ์หมื่นเครื่อง 4. Update (OTA) อัปเดต firmware, OS, application A/B Partition, Delta Update, Staged Rollout Brick risk,…

Jul312026 by contentNo Comments

Private 5G + AI Case Study: โรงงานอัจฉริยะที่ใช้เครือข่าย 5G เฉพาะกิจควบคุม AGV 223 คันและดิจิทัลทวินแบบเรียลไทม์

Article

บทนำ: โรงงานอัจฉริยะที่ขับเคลื่อนด้วย Private 5G ในเดือนกรกฎาคม 2026 สื่อระดับชาติของจีนรายงานเกี่ยวกับ โรงงานผลิตเซลล์แสงอาทิตย์ (Photovoltaic Cell) แห่งหนึ่งในเมืองจินหัว มณฑลเจ้อเจียง ที่กลายเป็นเคสศึกษา (Case Study) ที่โดดเด่นของการประยุกต์ใช้ Private 5G Network ร่วมกับปัญญาประดิษฐ์ (AI) และดิจิทัลทวิน (Digital Twin) ในโรงงานอุตสาหกรรมขนาดใหญ่ โรงงานแห่งนี้ใช้เครือข่าย 5G เฉพาะกิจครอบคลุมพื้นที่ขนาดมหึมา 580 เมตร × 100 เมตร เชื่อมต่ออุปกรณ์มากกว่า 800 ชิ้น รวมถึง AGV (Automated Guided Vehicle) จำนวน 223 คัน ที่วิ่งได้อิสระโดยไม่ต้องใช้แถบแม่เหล็กหรือ QR Code ใดๆ บนพื้น ผลลัพธ์ที่น่าทึ่งคือ อัตราการใช้กำลังการผลิต (Capacity Utilization Rate) สูงถึง 97% ซึ่งเป็นอัตราสูงสุดในอุตสาหกรรมเซลล์แสงอาทิตย์ของประเทศ โดยโรงงานสามารถผลิตเซลล์แสงอาทิตย์ได้วันละ 3.7 ล้านชิ้นจากกำลังการผลิตตามแบบ 3.78 ล้านชิ้นต่อวัน และที่สำคัญคือ ไม่เคยเกิดการหยุดชะงักของเครือข่ายแม้แต่ครั้งเดียว ตั้งแต้วันเริ่มเปิดการผลิต สถาปัตยกรรม Private 5G ในโรงงาน การใช้ Private 5G ในโรงงานอุตสาหกรรมแตกต่างจากเครือข่าย 5G สาธารณะอย่างมาก เพราะโรงงานต้องการ: คุณสมบัติ 5G สาธารณะ Private 5G (ในโรงงาน) Latency 10-30 ms 1-10 ms (URLLC) ความน่าเชื่อถือ 99.9% 99.999% (5-Nines) Device Density 10,000/km² 1,000,000/km² (mMTC) Security Shared Infrastructure Dedicated Core, Network Slicing Data Sovereignty ผ่านผู้ให้บริการ ภายในโรงงาน (On-Premises) AGV Navigation แบบ 5G Visual Navigation สิ่งที่ทำให้เคสศึกษานี้โดดเด่นคือ AGV 223 คันทั้งหมด ไม่ใช้แถบแม่เหล็ก (Magnetic Strip) หรือ QR Code บนพื้นแบบดั้งเดิม แต่อาศัย 5G Visual Navigation…

Jul202026 by contentNo Comments

Condition-Based Monitoring (CBM): บำรุงรักษาตามสภาพจริงด้วย IIoT Sensor

Article

Condition-Based Monitoring (CBM) หรือการตรวจสอบตามสภาพ เป็นกลยุทธ์การบำรุงรักษาที่เปลี่ยนจากการซ่อมตามกำหนดเวลา (Time-Based/Preventive) มาเป็นการตัดสินใจซ่อมบำรุง ตามสภาพจริงของเครื่องจักร โดยใช้ข้อมูลจาก Sensor ที่ติดตั้งอยู่กับ Asset อย่างต่อเนื่อง ตามนิยามจากมาตรฐาน ISO 17359 (Condition Monitoring and Diagnostics of Machines) ซึ่งเป็นกรอบมาตรฐานสากลสำหรับการวางระบบ Condition Monitoring ในอุตสาหกรรม CBM คืออะไร? แตกต่างจาก Preventive Maintenance อย่างไร? สมมติว่าเรามีปั๊มน้ำ 1 เครื่อง แนวทาง Preventive Maintenance (PM) จะกำหนดให้เปลี่ยน Bearing ทุก 10,000 ชั่วโมงการทำงาน ไม่ว่า Bearing จะยังอยู่ในสภาพดีหรือไม่ แต่ CBM จะติด Vibration Sensor ที่ปั๊ม และตัดสินใจเปลี่ยนเฉพาะเมื่อสัญญาณสั่นสะเทือนเข้าสู่ Warning Zone หรือ Alert Threshold เท่านั้น ผลที่ได้คือลดการเปลี่ยนอะไหล่ก่อนกำหนด (Premature Replacement) และหลีกเลี่ยงการทำงานจนเสียกะทันหัน (Run-to-Failure) เปรียบเทียบกลยุทธ์การบำรุงรักษา กลยุทธ์ พื้นฐานการตัดสินใจ จุดแข็ง จุดอ่อน Reactive (Run-to-Failure) ซ่อมเมื่อเสีย ไม่ต้องลงทุนตั้งต้น Downtime สูง ค่าเสียหายมหาศาล Preventive (Time-Based) ตามปฏิทิน/ชั่วโมงทำงาน วางแผนง่าย คาดเดาได้ Over-Maintenance เปลี่ยนของที่ยังดีอยู่ Condition-Based (CBM) ตามสภาพจริงจาก Sensor ลด Downtime และต้นทุนอะไหล่ ต้องลงทุน Sensor และ Analytics Predictive (AI-driven) พยากรณ์ล่วงหน้าด้วย ML เตือนล่วงหน้านานที่สุด ต้องการ Data Science และข้อมูลประวัติ ประเภทของ Sensor ที่ใช้ใน CBM CBM อาศัยข้อมูลจาก Sensor หลายประเภท ขึ้นอยู่กับชนิดของเครื่องจักรและ Failure Mode ที่ต้องการตรวจจับ Accelerometer (Vibration Sensor): วัดความสั่นสะเทือนในหน่วย mm/s หรือ g ตามมาตรฐาน ISO 10816 (Vibration severity) และ ISO…

Jul202026 by contentNo Comments

Infrared Thermography สำหรับ Predictive Maintenance: อ่านความร้อนเครื่องจักรเพื่อพยากรณ์ความเสือภัยก่อนเกิด

Article

Infrared Thermography (IRT) หรือการถ่ายภาพความร้อนด้วยกล้องอินฟราเรด เป็นหนึ่งในเทคนิค Non-Destructive Testing (NDT) ที่ทรงประสิทธิภาพที่สุดสำหรับ Predictive Maintenance ในโรงงานอุตสาหกรรมยุคใหม่ ด้วยการตรวจจับรังสีอินฟราเรด (Infrared Radiation) ที่วัตถุทุกชนิดแผ่ออกมา ซึ่งอยู่ในช่วงความยาวคลื่นประมาณ 7.5-14 ไมโครเมตร (Long-Wave IR) กล้อง Thermal Imaging สามารถแปลงความแตกต่างของอุณหภูมิบนพื้นผิวให้กลายเป็นภาพสีที่มองเห็นได้ด้วยตาเปล่า โดยไม่ต้องสัมผัสหรือหยุดการทำงานของเครื่องจักร หลักการทำงานของ Infrared Thermography ทุกวัตถุที่มีอุณหภูมิสูงกว่าศูนย์สัมบูรณ์ (Absolute Zero หรือ -273.15 C) จะแผ่รังสีความร้อนออกมา กล้อง Thermography ใช้ Focal Plane Array (FPA) detector ที่ทำจาก Microbolometer หรือ InSb (Indium Antimonide) ในการรับรังสีและแปลงเป็นสัญญาณไฟฟ้า จากนั้นประมวลผลเป็นภาพ Thermogram ที่แต่ละ Pixel แสดงค่าอุณหภูมิแบบ Quantitative ความละเอียดของกล้องระดับ Industrial-grade มักอยู่ที่ 320x240 ถึง 640x480 pixels ด้วยความไวทางความร้อน (Thermal Sensitivity / NETD) ประมาณ 0.03-0.05 C Emissivity - ปัจจัยสำคัญที่กำหนดความแม่นยำ Emissivity คือค่าที่บ่งบอกความสามารถของพื้นผิวในการแผ่รังสีความร้อนเทียบกับ Blackbody ที่สมบูรณ์แบบ (e = 1.0) ค่านี้ส่งผลโดยตรงต่อความแม่นยำในการอ่านอุณหภูมิ การตั้งค่า Emissivity ผิดพลาดเพียงเล็กน้อยอาจทำให้ค่าอุณหภูมิคลาดเคลื่อนได้หลายสิบองศา ประเภทพื้นผิว ค่า Emissivity (e) ความเหมาะสมต่อ Thermography Black Electrical Tape 0.95-0.97 ดีมาก (ใช้เป็นมาตรฐานอ้างอิง) Oxidized Steel 0.80-0.90 ดี Polished Copper 0.03-0.05 แย่ (สะท้อนแสง ต้องปรับค่า) Painted Surface (Matte) 0.92-0.98 ดีมาก การประยุกต์ใช้ Thermography ในโรงงานอุตสาหกรรม 1. ตรวจสอบระบบไฟฟ้า (Electrical Inspection) จุดที่พบความผิดปกติได้บ่อยที่สุดคือ Loose Connection, Overloaded Circuit, Corroded Contact และ Unbalanced Load…

Jul62026 by contentNo Comments

Oil Analysis & Tribology: อ่านสุขภาพเครื่องจักรจากน้ำมันหล่อลื่นเพื่อ Predictive Maintenance

Article

น้ำมันหล่อลื่นในเครื่องจักรอุตสาหกรรมไม่ได้มีหน้าที่เพียง "หล่อลื่น" เพื่อลดแรงเสียดทานเท่านั้น แต่ยังทำหน้าที่เป็น ห้องปฏิบัติการเคลื่อนที่ ที่บรรจุข้อมูลสำคัญเกี่ยวกับสุขภาพของเครื่องจักรและตัวน้ำมันเอง เมื่อชิ้นส่วนเครื่องจักรสึกหรอ เม็ดโลหะขนาดเล็กจะหลุดลงไปในน้ำมัน เมื่อน้ำมันเสียสภาพ สารเคมีภายในจะเปลี่ยนแปลง และเมื่อมีสิ่งปนเปื้อนเช่นน้ำหรือฝุ่นเข้ามา น้ำมันจะเสื่อมเร็วขึ้น Oil Analysis คือศาสตร์ที่ทำให้เราอ่านข้อมูลเหล่านี้ออกมาเป็นการวินิจฉัยที่แม่นยำ Oil Analysis (การวิเคราะห์น้ำมัน) คืออะไร? Oil Analysis หรือเรียกอีกชื่อว่า Used Oil Analysis เป็นเทคนิค Predictive Maintenance ที่เก็บตัวอย่างน้ำมันหล่อลื่นจากเครื่องจักรที่กำลังทำงานหรือหยุดทำงานเมื่อเร็วๆ นี้ แล้วนำไปวิเคราะห์ในห้องปฏิบัติการเพื่อตรวจสอบ 3 ประเด็นหลัก: สุขภาพของน้ำมันเอง (Oil Health) สุขภาพของเครื่องจักร (Machine Health) และสิ่งปนเปื้อน (Contamination) ที่เข้ามาในระบบ น้ำมันหล่อลื่นคือ "เลือด" ของเครื่องจักร เมื่อแพทย์เจาะเลือดเพื่อตรวจสุขภาพ วิศวกรก็เจาะน้ำมันเพื่อตรวจสุขภาพเครื่องจักร — หลักการเดียวกัน 3 เสาหลักของ Oil Analysis 1. สุขภาพของน้ำมัน (Oil Health / Fluid Properties) น้ำมันหล่อลื่นที่ใช้งานไปจะเสื่อมสภาพลงเรื่อยๆ จากความร้อน แรงเฉือน และปฏิกิริยาออกซิเดชัน การตรวจสอบคุณสมบัติของน้ำมันจะบอกได้ว่าน้ำมันยังทำหน้าที่ได้ดีหรือไม่ และควรเปลี่ยนเมื่อไหร่ Viscosity (ความหนืด): คุณสมบัติสำคัญที่สุด ถ้า Viscosity เพิ่มขึ้น อาจแสดงถึงการออกซิเดชันหรือสิ่งปนเปื้อน ถ้าลดลง อาจแสดงถึงการปนเปื้อนด้วยน้ำมันเกรดต่ำกว่าหรือเชื้อเพลิง Acid Number (TAN): วัดความเป็นกรดรวม ค่าที่สูงขึ้นบ่งบอกการออกซิเดชันที่ทำลายชิ้นส่วนโลหะ Base Number (TBN): วัดสารเติมแต่งที่เป็นด่างที่เหลืออยู่ ค่าต่ำหมายถึงน้ำมันไม่สามารถกัดกร่อนกรดที่เกิดขึ้นได้อีก Oxidation และ Nitration: ผลิตภัณฑ์จากปฏิกิริยากับออกซิเจนและไนโตรเจนที่สูงเกินไปจะทำให้น้ำมันเหนียวขึ้นและกัดสีชิ้นส่วน 2. สุขภาพของเครื่องจักร (Machine Health / Wear Debris) เมื่อชิ้นส่วนโลหะสึกหรอ เศษโลหะ (Wear Debris) จะหลุดลงในน้ำมัน การตรวจวัดปริมาณและชนิดของเศษโลหะจะบอกได้ว่าชิ้นส่วนไหนกำลังเสียและรุนแรงเพียงใด ธาตุที่พบชิ้นส่วนที่อาจเสีย Iron (Fe)แบริ่ง เฟือง เพลา กระบอกสูบ Copper (Cu)Bushing แบริ่งทองเหลือง Heat Exchanger Lead (Pb) / Tin (Sn)Babbitt Bearing (แบริ่งโลหะผสมนุ่ม) Aluminum (Al)Piston แบริ่งอลูมิเนียม Chromium (Cr)Piston Ring ชิ้นส่วนชุบโครเมียม Silicon (Si)ฝุ่น/ทรายที่เข้ามาเป็นสิ่งปนเปื้อน 3.…

Jul62026 by contentNo Comments

Motor Current Signature Analysis (MCSA): ตรวจสอบสุขภาพมอเตอร์ไฟฟ้าแบบ Non-Intrusive

Article

หลายโรงงานมีมอเตอร์ไฟฟ้าจำนวนมาก — ตั้งแต่ปั๊ม เครื่องอัดอากาศ พัดลม จนถึง Conveyor — แต่การตรวจสอบสุขภาพมอเตอร์มักทำได้ยากเพราะชิ้นส่วนภายใน เช่น แบริ่ง เพลาโรเตอร์ ขดลวด อยู่ในตัวถังปิด แต่มีเทคนิคหนึ่งที่สามารถ "มองทะลุ" ได้โดยไม่ต้องแกะเครื่อง — นั่นคือการวิเคราะห์ลายเซ็นกระแสไฟฟ้าของมอเตอร์ หรือ Motor Current Signature Analysis (MCSA) MCSA คืออะไร? Motor Current Signature Analysis (MCSA) เป็นเทคนิค Non-Intrusive Predictive Maintenance ที่ตรวจสอบสุขภาพของมอเตอร์ไฟฟ้าและเครื่องจักรที่ต่อกับมอเตอร์ โดยวัดและวิเคราะห์ สัญญาณกระแสไฟฟ้า (Stator Current) ที่ไหลเข้ามอเตอร์ หลักการคือ เมื่อมอเตอร์ทำงาน ความผิดปกติทางกลและทางไฟฟ้าจะสร้าง การแปรผันของ Torque ซึ่งส่งผลให้กระแสไฟฟ้าที่ดึงเข้ามี "ลายเซ็น" พิเศษที่สามารถตรวจจับได้ผ่าน FFT Spectrum ของกระแสไฟฟ้า จุดเด่นของ MCSA คือเป็น Non-Intrusive — เพียงแค่ clamp Current Transformer (CT) ที่สายไฟเข้ามอเตอร์ ไม่ต้องแกะเครื่อง ไม่ต้องหยุดการผลิต และสามารถตรวจสอบได้พร้อมกันทั้งสุขภาพทางกลและทางไฟฟ้าของมอเตอร์ หลักการทางฟิสิกส์: จาก Torque Ripple สู่ Current Signature มอเตอร์ไฟฟ้าทำงานโดยการสร้างสนามแม่เหล็กหมุนที่ดึงดูดโรเตอร์ให้หมุนตาม ในสภาวะปกติ Torque ที่สร้างขึ้นจะค่อนข้างสม่ำเสมอ แต่เมื่อมีความผิดปกติ เช่น แบริ่งเสีย เพลาคด เฟืองสึก หรือขดลวดมีปัญหา จะเกิด Torque Ripple — แรงบิดที่แปรผันไปจากค่าเฉลี่ย การแปรผันของ Torque นี้ส่งผลให้เกิดการแปรผันของกระแสไฟฟ้าที่มอเตอร์ดึงเข้า และการแปรผันนี้สามารถ "อ่าน" ได้ผ่าน Spectrum ของกระแสไฟฟ้า โดยแต่ละความผิดปกติจะสร้างความถี่ที่คำนวณได้ตามสูตรทางคณิตศาสตร์ ความผิดปกติที่ MCSA ตรวจจับได้ 1. Broken Rotor Bar (แท่งโรเตอร์หัก) เป็นความผิดปกติทางกลที่พบในมอเตอร์ Induction แบบ Squirrel Cage เมื่อแท่งโรเตอร์หัก จะสร้าง Sideband ที่ความถี่เท่ากับความถี่จ่ายไฟ (Line Frequency) บวก/ลบด้วยผลคูณของ Slip และจำนวนขั้ว โดยสูตรคือ f_sideband = f_line × (1 ± 2s/p) เมื่อ s…

Jul62026 by contentNo Comments

Vibration Analysis: วิเคราะห์การสั่นสะเทือนเครื่องจักร — เทคนิคหัวใจของ Predictive Maintenance

Article

ในโรงงานอุตสาหกรรมทุกแห่ง เครื่องจักรหมุนวน (Rotating Equipment) เช่น มอเตอร์ไฟฟ้า ปั๊ม เครื่องอัดอากาศ เฟืองทดเกียร์ และพัดลมอุตสาหกรรม คือหัวใจของกระบวนการผลิต แต่เครื่องจักรเหล่านี้ไม่ได้หยุดทำงานโดยไม่มีสัญญาณเตือน — ทุกความผิดปกติทางกล ไม่ว่าจะเป็นแบริ่งที่เริ่มเสีย เพลาที่คด หรือเฟืองที่สึกหรอ จะปล่อย รอยเท้าสั่นสะเทือน (Vibration Signature) ที่มีเอกลักษณ์เฉพาะตัวออกมา หากเรารู้วิธี "ฟัง" สัญญาณนั้น เราจะทราบล่วงหน้าว่าเครื่องจักรกำลังจะเสียเมื่อไหร่ Vibration Analysis คืออะไร? Vibration Analysis (การวิเคราะห์การสั่นสะเทือน) เป็นเทคนิคหลักของ Condition-Based Maintenance ที่ใช้เซ็นเซอร์วัดการสั่นสะเทือน (Accelerometer) ติดบนตัวเครื่องจักรเพื่อเก็บสัญญาณสั่นสะเทือน แล้วนำมาวิเคราะห์ผ่านกระบวนการแปลงทางคณิตศาสตร์ เพื่อระบุชนิด ตำแหน่ง และความรุนแรงของความผิดปกติ ก่อนที่มันจะกลายเป็นการ Breakdown ที่หยุดสายการผลิตทั้งหมด ความจริงทางฟิสิกส์: ทุกการหมุนของเครื่องจักรจะสร้างรูปแบบการสั่นสะเทือนที่ปกติ (Baseline) เมื่อชิ้นส่วนเริ่มเสีย รูปแบบนั้นจะเปลี่ยนไป — และการเปลี่ยนแปลงนั้นสามารถตรวจจับได้ก่อนที่เครื่องจะหยุดทำงานนับสัปดาห์หรือนับเดือน พื้นฐานทางฟิสิกส์: ทำไมเครื่องจักรถึงสั่น? เครื่องจักรหมุนวนที่อยู่ในสภาพสมบูรณ์จะมีการสั่นสะเทือนจากแรงกระตุ้นพื้นฐานที่ความถี่เดียวกับความเร็วรอบ เช่น มอเตอร์ที่หมุน 1500 RPM (25 Hz) จะมีสัญญาณสั่นสะเทือนหลักที่ 25 Hz เรียกว่า 1X (Running Speed) แต่เมื่อเกิดความผิดปกติ จะมีพลังงานสั่นสะเทือนเพิ่มเติมที่ความถี่อื่นๆ ซึ่งแต่ละรูปแบบบ่งบอกถึงสาเหตุที่แตกต่างกัน ความถี่ผิดปกติสาเหตุที่น่าจะเป็นไปได้ 1X สูงผิดปกติImbalance, Shaft Bend, Eccentricity 2X สูงMisalignment, Looseness ความถี่สูงมาก (Non-synchronous)Bearing Defect (BPFI, BPFO, BSF, FTF) Gear Mesh FrequencyGear Wear, Tooth Damage Sub-harmonic (ที่ต่ำกว่า 1X)Oil Whirl, Oil Whip, Belt Defect กระบวนการวิเคราะห์ 5 ขั้นตอน 1. การวัดด้วย Accelerometer เซ็นเซอร์ Accelerometer (มักเป็นแบบ Piezoelectric หรือ MEMS) จะถูกติดตั้งบนตัวเครื่องจักรในตำแหน่งที่สำคัญ เช่น บริเวณแบริ่งด้านขับ (Drive End) และด้านไม่ขับ (Non-Drive End) ในแกน Vertical, Horizontal และ Axial การเลือกตำแหน่งและทิศทางการวัดมีผลอย่างมากต่อความแม่นยำของการวินิจฉัย 2. Fast Fourier…

Jun272026 by contentNo Comments

Steam System Optimization ด้วย IIoT: เมื่อ Steam Trap รั่วเล็กทำลายพลังงานเงียบ ๆ ตลอดปี

Article

ในอุตสาหกรรมกระบวนการอย่างอาหาร เคมี กระดาษ และยานยนต์ ระบบไอน้ำ (Steam System) เป็นหัวใจของกระบวนการผลิต แต่ก็เป็น "ผู้กินพลังงานอันดับหนึ่ง" เช่นกัน ตามข้อมูลอ้างอิงด้านพลังงานอุตสาหกรรม การสร้างและใช้ไอน้ำคิดเป็นประมาณ 30–35% ของพลังงานรวมในภาคการผลิต และสัดส่วนการใช้เชื้อเพลิงเพื่อผลิตไอน้ำอยู่ที่ราว 37% ของเชื้อเพลิงทั้งหมดที่ถูกเผาผลาญในภาคอุตสาหกรรม ปัญหาคือ ระบบไอน้ำส่วนใหญ่ถูกออกแบบและติดตั้งไว้นานหลายสิบปี และมักได้รับการดูแลแบบ "เมื่อไหร่เสียค่อยซ่อม" ส่งผลให้พลังงานรั่วไหลออกไปอย่างเงียบ ๆ ทุกวันโดยไม่มีใครสังเกตเห็น Steam Trap — ตัวการอันดับหนึ่งของการสูญเสีย Steam Trap (กับดักไอน้ำ) คืออุปกรณ์เล็ก ๆ ที่ทำหน้าที่ปล่อยน้ำควบแน่น (Condensate) ออกจากระบบขณะที่กักไอน้ำร้อนไว้ มันคือ "วาล์วประตูน้ำ" ของระบบไอน้ำ เมื่อ Steam Trap ทำงานผิดปกติ ไม่ว่าจะติดเปิดคาง (Blow-through) หรือติดปิด (Failed Closed) ความเสียหายจะตามมาทั้งสองกรณี สถิติที่น่าตกใจ: ในโรงงานอุตสาหกรรมทั่วไป มักพบว่า 15–20% ของ Steam Trap ทั้งหมดไม่ทำงานปกติในขณะใดขณะหนึ่ง และ Steam Trap ที่เปิดคางแต่ละตัวสามารถทำให้ไอน้ำรั่วไหลเป็นจำนวนมากตลอดปี — สูญเสียพลังงานและน้ำบริสุทธิ์ไปโดยเปล่าประโยชน์ ประเภทของ Steam Trap ที่พบในอุตสาหกรรม ประเภท หลักการทำงาน จุดเด่น / ข้อจำกัด Mechanical (Float & Thermostatic, Inverted Bucket)ใช้ความแตกต่างความหนาแน่นระหว่างไอน้ำและน้ำเหมาะกับโหลดสม่ำเสมอ รับมือกับความดันเปลี่ยนแปลงได้ดี Thermodynamicใช้ความแตกต่างความเร็ว/ความดันของไอน้ำกับน้ำขนาดเล็ก ทนทาน แต่ไวต่ออากาศหนาว Thermostatic (Bimetallic, Capsule)ใช้ความแตกต่างของอุณหภูมิปล่อยอากาศได้ดี ตอบสนองเร็ว แต่มี Sub-cooling IIoT เข้ามาช่วยอย่างไร: Acoustic Steam Trap Monitoring วิธีตรวจสอบ Steam Trap แบบดั้งเดิมคือให้ช่างเดินสำรวจด้วย อุปกรณ์อัลตราซาวด์แบบถือมือ ฟังเสียงที่ปล่อยออกมา ซึ่งใช้เวลานาน ขึ้นกับประสบการณ์ และตรวจได้เพียง "สแนปชอต" ในวันนั้น ระหว่างนั้น Trap อาจเสียไปแล้วหลายสัปดาห์โดยไม่มีใครรู้ ด้วย IIoT ทุกอย่างเปลี่ยนไป: Acoustic Steam Trap Monitor — เซ็นเซอร์อัลตราซาวด์ติดถาวรที่ Trap แต่ละตัว วัดสัญญาณเสียงความถี่สูง (โดยทั่วไป 25–40 kHz) และอุณหภูมิอย่างต่อเนื่อง ส่งข้อมูลผ่านเครือข่ายไร้สายเช่น WirelessHART (IEC 62591) หรือ…