近期在林口發生南亞塑膠廠區大火，目前仍在調查發生原因。類似的事件的起因層出不窮，可能來自於運轉設備的過度使用，也可能沒有即時監測的系統把守這些潛在的問題，造就無形的威脅慢慢地萌芽。

為了解決類似的問題，宇辰有一套專業的系統，協助客戶即時地掌握現場設備的情況，能夠在設備在很早期時就把一些有問題的零件，利用振動原理抽絲剝繭，不需要再依靠長期的人力巡檢成本來降低事故發生的機率，不僅提升設備的使用效率，還能夠透過數據分析按時規劃需要保養的機台。

以往維護人員可能在設備發生重大事故或停機時，才能發現它的問題，不過現在已經有便捷的系統提供他們檢視相關機台，不再需要糾結於今天應該去抽查保養哪些機台，而是明確地知道哪些機台在甚麼時候可能會產生哪些問題，進而達到最高的使用率，最大程度地延長其使用年限。

宇辰是如何做到的呢？底下 5 分鐘帶您快速了解預知的祕辛
 

＊馬達放乖乖還是一堆毛病怎麼辦？

以半導體科技業來說，馬達可說是生產運作的核心，如風扇、水泵、輸送帶、空調等，它的存在如同工廠的心臟般重要，同樣地也容易堆積隱患。
由於馬達這類型轉動設備經常處於高強度的運轉頻率，長期地使用下可能有些看不見小毛病，常見的包含軸承鬆動、轉子故障、定子故障、軸不對心等因素。為了解決上述的潛在問題，現行傳統作法是透過人力攜帶檢測設備定期檢測馬達狀態，不過由上段的敘述可得知，這個方法很明顯已經不再是最佳解答了。

隨著智慧化工廠的崛起和 AIOT 的應用，預測性維護的觀念越發蓬勃，根據 Deloitte 報告顯示，預測性維護可提升 25% 產能、減少 70% 故障，並降低 25 % 維護成本。其中振動監測在市場上已有諸多成功案例，且應用產業涵蓋能源、製造、民生、電力、工業、汽車等，而這也是為何使用振動作為監測馬達的關鍵原因。
 

＊只看懂振動還不夠，還能幫設備算壽命、安排班表？

為什麼使用振動作為檢測依據呢？

因為在振動界中有條 ISO 10816 規範，用於評估和監控旋轉機械的振動，提供對機械狀態的評估，從而降低機械故障率並提高設備的使用年限。可以從附圖中看見針對不同的運轉設備、運作狀態、工作頻率等，可依序劃分出不同的評判指標，這些都是由大數據量化而成的基本門檻，能夠迅速判斷出當下運轉的設備是否已經超出正常警戒範圍。

  
  
 

一般來說，專家也是透過頻譜分析將設備產生的振動數據，抽離出底層的參數並進行分析比對是否符合 ISO 規範，至於判斷哪個頻率對應哪個零件就是技術的精華，也是專家不肯透漏的秘密。但是宇辰所開發的振動監測系統，卻能夠讓你一秒變專家！

宇辰耗費數年時間蒐集振動大數據，並導入 AI 人工智慧技術提升準確度，以ISO 10816、ISO 20816規範為基礎，建立一套掌握過去、現在、未來的軟體系統，從過往的設備振動數據資料來比對現在的運作狀態，並透過前二者預測未來的使用年限。讓你安裝後在家就能遠端查看設備是否正常運作，不用再擔心現場人員疏忽或是某台機王又偷偷罷工，還能幫你推算合適的機台保養週期，最大化延長設備的使用壽命。

其中更採用特殊的分頻技術，意即不再只以總振動量分析設備，而能透過頻譜圖擷取故障對應之頻段範圍，找出特定零件之異常振動，讓使用者不用苦惱到底哪裡出問題，直接對症下藥省下成本又省下時間。


 

＊四大 AI 技術省下不只億點成本

上述提到了許多方便的功能，但背後也有著不少辛酸血淚，也就是宇辰用心開發的四大 AI 技術。每個項目都暗藏了一些小巧思，協助未來的管理者輕鬆且直覺地操作軟體，並即早地做好最完善的保養計畫排程。
 

一、自動給定警戒值/危險值：

振動量之規範除總振動量有 ISO 10816 為依據外，其餘零件之振動量皆無規範標準，因此維護人員常需依靠自身過去經驗制定上限值，但實際上卻常遇到上限值設定不佳造成錯誤警報過於頻繁，失去預警目的，或感測器數量多時需花費大量人力設定合理上限值。好在現行宇辰經由大量數據的整理和 SPC 管制界線的結合，做到設備運轉時能透由 AI 自動判定，給予合理的警戒值與危險值。
 

二、剩餘壽命估算 (Remaining Useful Life，RUL)：

利用收集到的歷史振動資料，以線性與非線性的方式預測設備的失效警戒線，藉此反推出剩餘可正常合理運作的時間，當然這裡頭還夾雜著諸多模型和算式，這邊就不多做解釋。簡單來說，這項功能可協助維護人員迅速得知機台能夠正常轉動的時限，從年、月、日甚至是幾小時後會達到警告邊線，因而做到提前安排保養維修的效果。

 

三、設備健康度：

運用三項指標： ISO 規範危險值之定義、剩餘壽命比和穩定度比，以及四種顏色劃分，目的是讓使用者更直覺地瀏覽整個廠區需要留意的設備，數值化後的健康度也能協助保養人員作為維護的順序依據，用最小的成本獲得最大的效益。其中最三項指標的運算需要隨時根據設備運轉的狀態，調整其不同的參數設定，藉此達到最佳的預測數值。

 

四、故障分析技術 (Failure Mode Analysis，FMA)：

以過去歷史的故障態樣資料為基礎，比對當下設備運轉時資料，建立出所有潛在故障因素的機率。這是個具有成長性的功能，它能經由加入新的故障資料成為新的資料庫模型外，亦能透過類神經網路模型自主訓練，將運轉時取得的新態樣加以分析融入預測模型中，可謂是越戰越強，成為廠區設備中最得力的助手。

 

【懶人包總結】

廠區內很多轉動設備，如果只單靠人力巡檢保養的話，耗時又費力。但是擁有宇辰振動監測系統的話，擁有每 10 秒一次的數據回收、 24 小時的線上監測和簡單直覺好上手的操作介面，是套符合廠區管理者期待的好幫手。

總體來說，如果製造業者導入預知保養智能監診，預估可節省 15~25% 的維護成本，另外並可減少 50% 的機器故障維修時間以及 85% 以上的停機故障機率。