臺灣博碩士論文加值系統

現今社會經濟快速發展，許多產業在生產、製造、保存等都需要有相對應的環境溫度，這些溫度必須透過冷凍空調設備去維持，而這些設備使用的生命週期都是以年為單位計算，因此在檢修及維護方面必定需要技術人員，近年來已經出現人才流失的趨勢，加上檢修人員需要到現場檢查後，才能做出正確的維修，而維修工具等若攜帶不足便會造成時間上的浪費，對於業者而言時間等同於金錢，這種情況必然不樂見。
本研究主旨為針對冷凍空調設備之故障診斷，不僅是針對冷凍空調系統核心的壓縮機，也包含了冷凝器、節流閥、蒸發器、散熱水塔以及冷排風扇，對這些設備進行故障分析並且預測故障的可能性及判斷，不同種類的數據資料經由系統判斷後，確定為故障發生，便直接通知檢修人員應該攜帶哪些工具，到達現場後可以直接對該部分著手維修以利時間的節省。
研究初期需要擁有大量的數據資料進行分析及判斷故障，故建立一個資料擷取平台，透過冷凍空調相關的專家知識，在冷凍設備多個位置裝設感測器，用以取得並儲存正常與故障數據，這些數據資料透過資料探勘進行分析找出故障因子，利用故障因子進行排列組合建立初步的故障模型，並做長期測試再進行系統的調整以完成的故障模型，最後使用圖控軟體InduSoft完成監視系統，Indusoft Web Studio讓使用者視覺化地取得即時資訊，藉由故障診斷系統判斷現場即時狀況，若發生異常則透過警示訊息或E-mail等方式即時通知。

The main purpose of this research is to diagnose the failure of refrigeration and air-conditioning equipment, not only for the compressor at the core of the refrigeration and air-conditioning system, but also the condenser, throttle valve, evaporator, cooling tower and cold exhaust fan. The fault diagnosis system automatically judges the operating conditions at the time, and when a fault occurs, it will directly notify the maintenance personnel of the fault status. After arriving at the site, you can directly repair the parts of the equipment to save time.
At the beginning of the research, a large amount of data was needed to analyze and determine the fault, so a data collection platform was established. Through the professional knowledge of refrigeration and air-conditioning systems, sensors are installed in multiple locations of refrigeration equipment to obtain normal and faulty data. Using K-means and random forest algorithm for analysis, a fault diagnosis model can be established through the results of the analysis. Through the fault diagnosis model, it can be found that the number of sensors can be reduced and the cost can be reduced. After long-term testing of the fault diagnosis model, some minor adjustments are made to complete the fault diagnosis model. Finally, the graphics control software is used to complete the monitoring system, which can observe data changes and waveform changes in real time. When a fault occurs, it will be judged and displayed on the man-machine interface in real time, and the maintenance personnel will also be notified by email, and the fault data will be recorded in the database.

摘要.......................................................................i
Abstract..................................................................ii
誌謝.....................................................................iii
目錄......................................................................iv
表目錄.....................................................................vi
圖目錄....................................................................vii
第一章 緒論...............................................................1
1.1 研究背景與動機......................................................1
1.2 文獻探討............................................................2
1.3 論文大綱............................................................4
第二章 資料探勘............................................................5
2.1 資料探勘簡介........................................................5
2.2 資料探勘過程........................................................6
2.3 機器學習簡介與方法...................................................7
2.3.1 簡介...............................................................7
2.3.2 方法...............................................................8
2.4 演算法介紹.........................................................11
2.4.1 K-means演算法......................................................11
2.4.2 決策樹(Decision Tree)..............................................14
2.4.3 分類/迴歸樹(CART)..................................................18
2.4.4 隨機森林...........................................................20
第三章 冷凍系統故障診斷分析................................................22
3.1 冷凍空調原理介紹....................................................22
3.2 冷凍空調故障種類....................................................24
3.3 故障數據分析.......................................................26
3.3.1 數據收集系統.......................................................26
3.3.2 數據資料整理.......................................................28
3.3.3 數據資料分析.......................................................29
3.4 故障樹建立.........................................................30
第四章 故障診斷系統實現與結果..............................................33
4.1 硬體架構設計.......................................................33
4.1.1 硬體架構介紹.......................................................33
4.1.2 壓力感測器.........................................................34
4.1.3 溫度感測器.........................................................35
4.1.4 多項智能電錶.......................................................36
4.1.5 I/O控制器.........................................................37
4.1.6 資料收集器.........................................................37
4.2 故障診斷模型建立...................................................38
4.2.1 建立大型冷凍故障診斷模型.............................................38
4.2.2 模型評估與比較.....................................................40
4.2.3 故障系統流程.......................................................43
4.3 SCADA系統設計......................................................45
4.3.1 SCADA簡介.........................................................45
4.3.2 SCADA系統設計......................................................46
4.4 實驗結果...........................................................48
4.4.1 正常狀態...........................................................48
4.4.2 故障狀態...........................................................51
4.4.3 資料庫與Web功能....................................................54
第五章 結論與未來展望.....................................................55
參考文獻..................................................................56
附錄A.....................................................................58
附錄B.....................................................................63
附錄C.....................................................................68
Extended Abstract ........................................................69

[1] 江志農、張進杰、馬波 編著，「往復式壓縮機故障監測與診斷技術 」，北京：科學出版社，2018
[2] 林逸群，「應用專家系統於中央空調系統之故障診斷」，國立台北科技大學 電機工程系 碩士學位論文，2002
[3] 賴威宇，「嵌入式冷凍與空調故障診斷系統之研製」，國立虎尾科技大學 電機工程系 碩士學位論文，2009
[4] 賴建雄，「離心式冰水機遠端監測與故障診斷」，國立台北科技大學 能源與冷凍空調工程系 碩士學位論文，2016
[5] 鄧宥騰，「應用於農業物聯網之異質網路監控系統設計」，國立虎尾科技大學 資訊工程系 碩士學位論文，2019
[6] 湯學仁，「以決策樹CHAID、CART及QUEST模式進行資料探勘之差異性研究」，國防大學管理學院 資訊管理學系 碩士學位論文，2009
[7] 葉子維，「顧客消費行為分析及行動銀行使用預測-決策樹、隨機森林與判別分析之比較」，國立台北大學統計學系 碩士學位論文，2018
[8] 林鶴閔，「基於隨機森林演算法於船舶主機失效預測之研究」，國防大學管理學院 籌管理學系 碩士學位論文，2019
[9] 廖述賢、溫志皓 編著，「資料探勘理論與應用－以IBM SPSS Modeler為範例」，
博碩文化，2011
[10] 「Data Mining: Production & operation data-based decisions」，Frontender，2018
http://frontender.com/blog/enablers/data-mining/
[11] 李覺白，「簡介資料探勘」，痞客邦，2018
https://yourgene.pixnet.net/blog/post/118993558
[12] Tommy Huang，「監什麼是人工智慧、機器學習和深度學習? 」，Medium，2018
https://medium.com/@chih.sheng.huang821/%E4%BB%80%E9%BA%BC%E6%98%AF%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7-%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92%E5%92%8C%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-587e6a0dc72a
[13] Isha Salian，「監督式學習、非監督式學習、半監督式學習與強化學習這四者間的區別」，NVIDIA，，2018
https://blogs.nvidia.com.tw/2018/09/supervised-unsupervised-learning/
[14] Design Thinking團隊，「三大類機器學習：監督式、強化式、非監督式」，設計思維 × 人工智慧，2018
https://ai4dt.wordpress.com/2018/05/25/
[15] Tommy Huang，「機器學習: 集群分析 K-means Clustering」，Medium，2018
https://medium.com/@chih.sheng.huang821/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E9%9B%86%E7%BE%A4%E5%88%86%E6%9E%90-k-means-clustering-e608a7fe1b43
[16] CH.Tseng，「決策樹 Decision trees」，IT & Photography，2017
https://chtseng.wordpress.com/2017/02/10/%E6%B1%BA%E7%AD%96%E6%A8%B9-decision-trees/
[17] 「CART 分類與回歸樹」，ITREAD，2017
https://www.itread01.com/content/1509178954.html
[18] Tommy Huang，「機器學習: Ensemble learning之Bagging、Boosting和AdaBoost」，Medium，2018
https://medium.com/@chih.sheng.huang821/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-ensemble-learning%E4%B9%8Bbagging-boosting%E5%92%8Cadaboost-af031229ebc3
[19] Jian-Kai Wang，「隨機森林 (Random Forest) 」，Sophia，2018
https://rstudio-pubs-static.s3.amazonaws.com/378052_30d987a09ea54b6db5aa1e82f5dce6bf.html
[20] 李居芳 編著(2006)，「冷凍空調實務」，全華科技圖書股份有限公司
[21] 李居芳 編著(2009)，「冷凍空調概論」，全華科技圖書股份有限公司
[22] 嘉升科技有限公司， http://www.gigarise.com.tw/
[23] 「常用冷媒飽和壓力對照表」，Xuite日誌，2014
[24] 泓格科技股份有限公司,http://oldweb.icpdas.com/index_tc.php
[25] 資料採集與監控系統，維基百科
https://zh.wikipedia.org/wiki/%E6%95%B0%E6%8D%AE%E9%87%87%E9%9B%86%E4%B8%8E%E7%9B%91%E6%8E%A7%E7%B3%BB%E7%BB%9F
[26] 許禹揚，「開源監控系統之效能評估」，國立台北科技大學 自動化科技研究所 碩士學位論文，2018