工研院智能化預兆診斷系統 設備預防保養免煩憂

無庸置疑，一向獲得工業場域廣泛應用的轉動設備，不論是馬達、泵浦、空壓機、壓縮機、減速機、鼓風機…等等，皆可謂產業經濟發展過程中不容或缺的關鍵元件，萬一這些設備出現異常毀損，往往釀成可觀經濟損失。

一直以來，許多高度倚賴轉動設備的工廠，為了避免設備失效而衝擊製程，習慣採取一些因應措施，包括以人員巡檢方式實施定期保養，另在關鍵設備的一旁放置備品，期望在發生異狀時緊急換置；但這些做法皆有盲點，例如唯有在巡檢當下才得知設備狀況，平時狀態則無從掌握，空窗期不小，再者譬如石化、鋼鐵等自動連續性產線，一旦中斷，在製材料整批報廢，即使迅速換置設備也無濟於事。

有鑑於此，工研院以其研發的智能化預兆診斷系統(PMS)為基礎，搭配感測器、電腦(凌華科技MCM-100設備狀態監診系統)，構成一套涵蓋健康評價、壽命預測及故障診斷的完整機制，猶如半導體、光電、機械、石化、鋼鐵、食品加工…等等各種產業機械的隨行醫生，隨時監測、觀察及預警，確使設備恆常保持於最佳狀態。

掌握故障根源，大幅縮短修復時間

工研院機械所預診決策技術部經理王俊傑指出，轉動設備如產業的心臟，重要性不言可喻，無奈不少業主始終缺乏好的方法維持設備健康；以往機械設備的關鍵零組件出現狀況，必須借重資深老師傅的專業經驗與Knowhow，推測故障原因，但不同師傅經常有不同的判斷，導致障礙排除過程曠日費時、對產能影響至鉅。

「應該讓設備自己說話！」王俊傑說，只要將振動感測器裝設於設備近端，並將PMS軟體寫入MCM-100裝置，即可一氣呵成執行感測數據的採集與分析，將Raw Data轉換為有意義的資訊，再將結果上傳後台SCADA；如此業主無需借重老師傅的判斷，便能直接透過黃紅綠燈號，一次綜覽廠內眾多設備的即時運轉狀況，若察覺黃燈，可進一步藉助PMS壽命預測功能，掌握相關設備健康度之衰退情況，估算剩餘壽命並及早介入維修，若看到紅燈，可利用PMS故障診斷功能，藉由特徵比對來判斷損壞組件，立即展開修復。

事實上轉動設備的失效原因甚多，可能出自軸承的不對心、不平衡、彎曲或鬆動，也可能肇因於齒輪的斷裂、磨損或偏心，若能立即掌握故障根源，繼而對症下藥解決問題，與從前耗時拆機全面檢修相比，理當能大幅縮短復原時間、降低維修成本。

藉由MCM-100，一體實現採集、分析與上傳

王俊傑表示，過去工研院在推廣PMS的過程，需要搭配引進資料擷取卡(DAQ)、工業電腦等零散元件，再費心加以整合，才能組成完整的預兆診斷系統，導入過程繁瑣，且佔用較大配置空間。時至2017年，工研院得知凌華推出MCM-100，標榜一體整合DAQ及運算處理裝置，便著手展開估評，證實它兼具體積小、成本低、擁有豐富I/O介面與無線傳輸套件、極佳穩定性等諸多優勢，並提供24位元解析度與128kS/s取樣率，加上為國產品，舉凡技術支援、功能客製開發都相對即時便利，於是決定採用MCM-100做為PMS的硬體基底。

隨工業4.0概念崛起，市面上出現許多訴諸預防保養的解決方案，但王俊傑強調這些方案與PMS實有莫大差異。以IoT產品為例，僅擷取數據而缺乏分析能力，無從實現PMS所能達到的健康評價、壽命預測及故障診斷等關鍵功效；若以AI方案而論，礙於欠缺Domain Knowhow，沒有設備故障的Pattern，僅能靠龐大運算資源進行故障型態分類，用大海撈針方式來解題。

反觀工研院深具振動訊號分析、設備預兆診斷的技術能量，對轉動設備的許多失效特徵知之甚詳，僅須藉由簡單的類神經網路來訓練模型，再融合既有Model-based經驗基礎，即能快速呈現問題癥結，幫助各類型製造業加速排除故障、有效提升設備可用率。