工研院智能化预万亿诊断系统 设备预防保养免烦忧

无庸置疑，一向获得工业场域广泛应用的转动设备，不论是马达、泵浦、空压机、压缩机、减速机、鼓风机…等等，皆可谓产业经济发展过程中不容或缺的关键元件，万一这些设备出现异常毁损，往往酿成可观经济损失。

一直以来，许多高度倚赖转动设备的工厂，为了避免设备失效而冲击制程，习惯采取一些因应措施，包括以人员巡检方式实施定期保养，另在关键设备的一旁放置备品，期望在发生异状时紧急换置；但这些做法皆有盲点，例如唯有在巡检当下才得知设备状况，平时状态则无从掌握，空窗期不小，再者譬如石化、钢铁等自动连续性产线，一旦中断，在制材料整批报废，即使迅速换置设备也无济于事。

有监于此，工研院以其研发的智能化预万亿诊断系统(PMS)为基础，搭配传感器、电脑(凌华科技MCM-100设备状态监诊系统)，构成一套涵盖健康评价、寿命预测及故障诊断的完整机制，犹如半导体、光电、机械、石化、钢铁、食品加工…等等各种产业机械的随行医生，随时监测、观察及预警，确使设备恒常保持于最佳状态。

掌握故障根源，大幅缩短修复时间

工研院机械所预诊决策技术部经理王俊杰指出，转动设备如产业的心脏，重要性不言可喻，无奈不少业主始终缺乏好的方法维持设备健康；以往机械设备的关键零组件出现状况，必须借重资深老师傅的专业经验与Knowhow，推测故障原因，但不同师傅经常有不同的判断，导致障碍排除过程旷日费时、对产能影响至钜。

「应该让设备自己说话！」王俊杰说，只要将振动传感器装设于设备近端，并将PMS软件写入MCM-100装置，即可一气呵成执行传感数据的采集与分析，将Raw Data转换为有意义的信息，再将结果上传后台SCADA；如此业主无需借重老师傅的判断，便能直接透过黄红绿灯号，一次综览厂内众多设备的实时运转状况，若察觉黄灯，可进一步藉助PMS寿命预测功能，掌握相关设备健康度之衰退情况，估算剩余寿命并及早介入维修，若看到红灯，可利用PMS故障诊断功能，藉由特徵比对来判断损坏组件，立即展开修复。

事实上转动设备的失效原因甚多，可能出自轴承的不对心、不平衡、弯曲或松动，也可能肇因于齿轮的断裂、磨损或偏心，若能立即掌握故障根源，继而对症下药解决问题，与从前耗时拆机全面检修相比，理当能大幅缩短复原时间、降低维修成本。

藉由MCM-100，一体实现采集、分析与上传

王俊杰表示，过去工研院在推广PMS的过程，需要搭配引进数据撷取卡(DAQ)、工业电脑等零散元件，再费心加以整合，才能组成完整的预万亿诊断系统，导入过程繁琐，且占用较大配置空间。时至2017年，工研院得知凌华推出MCM-100，标榜一体整合DAQ及运算处理装置，便着手展开估评，证实它兼具体积小、成本低、拥有丰富I/O界面与无线传输套件、极佳稳定性等诸多优势，并提供24位元分辨率与128kS/s取样率，加上为国产品，举凡技术支持、功能定制开发都相对实时便利，于是决定采用MCM-100做为PMS的硬件基底。

随工业4.0概念崛起，市面上出现许多诉诸预防保养的解决方案，但王俊杰强调这些方案与PMS实有莫大差异。以IoT产品为例，仅撷取数据而缺乏分析能力，无从实现PMS所能达到的健康评价、寿命预测及故障诊断等关键功效；若以AI方案而论，碍于欠缺Domain Knowhow，没有设备故障的Pattern，仅能靠庞大运算资源进行故障型态分类，用大海捞针方式来解题。

反观工研院深具振动信号分析、设备预万亿诊断的技术能量，对转动设备的许多失效特徵知之甚详，仅须藉由简单的类神经网络来训练模型，再融合既有Model-based经验基础，即能快速呈现问题症结，帮助各类型制造业加速排除故障、有效提升设备可用率。