善用CbM状态监测方案 快速落实预测性维护

茂宣企业专案经理蔡宗原。

进入工业4.0时代，制造业者急欲落实「预测性维护」(Predictive Maintenance)，因而积极导入工业物联网(IIoT)技术，期望持续收集温度、电流、声音、振动等等关键参数，及早侦测并排除机台的故障徵候，避免造成产线无预警中断。落实预测维护的主要元素，便是状态监测(Condition-Based Monitoring；CbM)。

茂宣企业专案经理蔡宗原指出，传统流水线或储存槽都缺乏实时监测机制，用户往往等到设备故障才维修处理，已对产线稼动率带来严重冲击。如今利用传感器持续监测机台状态，并透过传感系统撷取与累积的大数据进行分析，可提前预知设备状况，有效降低产线无预警停摆机率。

「CbM不仅包含振动传感器，而是象徵全方位的诊断方法，」蔡宗原说，以茂宣代理的亚德诺半导体(ADI)产品而论，原厂有监于马达轴承的异常对产线机台影响至钜，但传统Piezo压电式振动传感器低频响应、温度特性不佳，加上需手工组装、体积难以缩小、材料成本高，无法对多数企业产生实质助益，于是推出以MEMS传感器为基础的CbM方案。

MEMS传感器相较于Piezo传感器，不仅有更好的抗杂讯能力，且无论侦测高低频的效能表现都相对平稳，且ADI的MEMS传感器直接供电、不需高压电源，故可将体积做小、置于装置或机台内狭小空间，既省空间又可降低成本。另不可讳言，欲实现CbM真正价值，除侦测外还得做到诊断、预防，为此ADI提供云端分析平台，利用平台上的Otosense软件提供声音与振动信号的AI解译功能，协助用户实现CbM价值旅程的最后一里路。

蔡宗原强调，不仅马达，举凡泵浦、压缩机、转轴或齿轮等其他重要元件，同样适用于ADI CbM方案，藉由云端AI分析，挖掘出预防维护的关键口令。

除振动侦测外，近期ADI也对烟雾侦测着力颇深，提出一套整合蓝光与红外线发射器的光学模块。传统遮断式烟雾传感器，因无法判断侦测到的物质究竟是水气、油烟、烟雾或其他有害物，经常产生误报，久而久之难免导致人员轻忽松懈，甚至因此酿成伤亡悲剧；反观ADI的整合式光学模块，可藉由分子大小，有效降低因蒸汽或灰尘所产生的误报，进而提升产品信赖度，达到预警的目的。

另值得一提，ADI提出业界首见的「Software Configurable I/O」产品，旨在帮助制造商或工业服务营运商提升系统控制的弹性，并降低产品复杂性。譬如针对一颗IC的4个通道，可利用程序化手段，任意配置为「ADC＋ADC＋DAC＋ADC」、「DI＋RTD＋DAC＋RTD」或「DO＋DAC＋DAC＋DAC」等等组态，大幅减轻产品设计上的负担，并统整备料需求，降低库存成本。

总之ADI希望藉由涵盖传感、信号链、处理、通信及电源之完整方案架构，辅以CbM、烟雾检测、软件定义I/O或Otosense等先进产品，协助用户加速迈向工业4.0，快速落实预测性维护。