1、精準預測更勝預防 設備監控杜絕停機風險

制造業一直是中國臺灣重要的經濟命脈，但隨著「中國制造2025」崛起、美國高喊制造回流，臺灣制造業逐漸嗅到一絲危機。業界擔心，若臺灣制造業再不升級，仍舊抱持傳統，五年后將面臨被大陸、南亞淘汰的命運。但另一方面，伴隨工業4.0、智能制造的發展逐漸成熟，臺灣制造業若能善用這波科技力量提升核心價值，或將有機會化危機于中轉。

舉凡人工智能、大數據、虛實集成等都是目前在工業4.0的討論中，被廣泛運用的技術應用，但若站在臺灣以制造業為主的角度而言，設備監控卻是所有技術層面中最能立竿見影的部份。由于機臺設備是制造業的倚重的生財工具，好比「工欲善其事必先利其器」，維持機臺穩定運轉，生產線才能運行順暢。

[[224583]]

就像人們通常每年進行一次例行性健康檢查，過去機臺設備的「健診」同樣也是藉由定期歲修，好讓設備全面停機進行檢查、保養以及汰舊換新。不過，雖然履行定期歲修，機臺設備的不確定性仍令制造業者頭痛不已，因為誰能保證設備在非保養期間仍能萬無一失呢?

由于設備并不會說話，無法告知廠務人員何時正常、何時異常，因此當設備因故障而停機時往往已經「禍到臨頭」，工程師急需趕赴現場進行檢查并搶修，關鍵時刻分秒必爭，因為設備遇停也代表著產線跟著停擺，后續影響甚深。

因此，有沒有一個辦法能夠在即將因故障而停止運轉前，先行解決這個問題以避免產線停擺?而這就是設備監控所能帶來的***效益。與傳統例行性維護不同，設備監控主張透過實時狀態偵測用以實時掌握設備運行狀態，就像醫生透過各種儀器診察病人各項身體數據，設備監控也透過各種傳感器擷取設備的「健康數據」，如電流、振動、聲音等，來判斷機臺設備正常與否。

再進一步透過大數據分析，廠務人員可根據設備的實際運行狀態來推測使用壽命，讓工廠管理者在檢修機臺設備時，有憑有據的依照實際狀況進行評估。而另一方面，藉由數據分析更可預測潛在的故障危機，廠務人員便可依此根據在「故障潛伏期」先行進行適當的產線調配，讓產線不因臨時故障而停擺，進而提升產能穩定。

事實上，在日常生活中也可以顯見設備監控的重要性。以汽車皮帶舉例來說，其日子久了會出現磨損、老化等現象，不像其它耗材偶爾可以用到壞為止，如果汽車皮帶真的用到斷了，重則為行車安全帶來極大的隱憂。因此，為了安全考量，汽車廠商通常會要求車主養成定期檢查、及時更換皮帶的習慣。

這通常有兩種情況，一種已出現斷裂、另一種則是沒有斷裂，但這不代表它沒有問題，然而究竟該不該換，卻取決于維修技師的經驗而并非科學根據，這樣的方法真的萬無一失嗎?

事實上，皮帶的耗損程度取決于個人開車習慣，但因受制于無法追蹤每個車主的使用習慣，因此只能根據老師傅的經驗判斷或采用定期維修。但從另一個角度思考，若皮帶的耗損程度實際上并不嚴重，但卻仍必須遵循「定期」準則，這對于車主來說，無疑增加一筆額外開銷。

與其倚靠經驗判斷，若能實際掌握皮帶的耗損程度、理解皮帶的「健康狀況」，車主或許就能更精準地掌握維修時機。而這套邏輯套用在設備監控也是一樣的道理。但對于產業而言，死機臺設備損壞時，可就不是換一條皮帶這么輕而易舉的事了。

例如，半導體產線24小時都在運行，一旦設備因故障或任何突發狀況而停機，可能將因此招致幾百億、甚至幾千億的損失。而這當中除了原物料報廢的成本損失，更多的壓力是來自于無法如期達到客戶的交期需求，影響客戶對業者的信賴。

機臺維修是必然，最壞的狀況是臨時發生故障而緊急維修，這是非預測性的情況，因此難以預估停機維修的時間，也無法掌握損失成本。而定期維修的方式雖是一種較為保險的做法，但顯然在成本考量上無法兩全其美。

而由設備監控所延伸的預知預防保養，不但可如實掌握機臺實時運行情形，也可以預知未來機臺變故，無疑是現階段智能制造需求中，最實際貼切的做法。

2、傳統維護問題多 導入設備監控有其必要性

過去工廠在進行例行性的機臺設備保養作業時，多以人工巡檢的方式，并倚靠「老師傅」的經驗逐一針對設備進行全面的「健康檢查」，然而此種執行方式仍有諸多困難點。

首先，因勞動力下滑造成人力有限會影響檢測頻率而使執行效率變低;其次，面對眾多且復雜的設備，新進技術人員倘若經驗不足，則容易影響檢測結果，甚至某些場域的環境條件有高度危險性，可能存在工安意外的隱憂。再者，采用定期保養的方式也較難以實時掌握設備的使用情況，尤其對于精密且昂貴的設備而言，更應當「金金計較」。

這可能會面臨兩種情況，一種是設備使用壽命還未到極限卻提早進行更換，而若是汰換較為昂貴的設備則徒增營運成本;另一種情況則是，設備尚未到達檢修或汰換的時機，卻已出現異常而不自知，而如此所造成的影響更深。

研華工業物聯網事業群產品經理吳升蔚表示，倘若設備在異常或超出容許范圍的情況下仍持續進行產線運行，則該產線所生產的產品其良率也會跟著下降，且若無法即早發現設備異常，仍持續運行，不但面臨意外停機風險，恐進一步造成周邊零組件跟著損壞，因而擴大故障范圍，可謂得不償失。面對這些令人頭痛的問題，業者的癥結在于無法如實掌握設備的狀態，傳統的例行性維護方式更難以達到此需求，而導入設備監控系統便是能讓業者化被動為主動的關鍵。透過設備監控系統，業者便能改以機器取代人力、以科學方法取代經驗來協助工廠強化機臺設備在維修以及預知預防保養的能力。

機臺的健康數據：物理訊號

設備監控大致可分為幾個層面(或稱之為步驟)。首先，欲了解設備作業狀態的***步，即對設備需有感知能力，在這部分，現今只要搭配感測技術，便能一一擷取設備在作業中所產生的物理訊號，這些物理訊號簡而言之，就是機臺設備的「健康數據」，也就是判定機臺設備是否維持正常運行，或預期可能發生故障時的重要依據。

各種傳感器可用于感測各類設備元件的變化，較常見的有振動感測與電流感測。由于馬達是所有機臺設備運轉的核心元件，因此馬達的電流變化通常是設備監控首要判別的依據之一。當設備運行不順暢時往往需要更大的推動力，此時電流便因此增強，因此突如其來的電流爬升可能代表馬達正產生異常運轉。

但當電流異常爬升時，有時機臺已面臨故障邊緣，而振動量測則是一個能讓使用者更容易判斷機臺設備是否故障的物理訊號。利用振動訊號偵測的優點在于，能夠及早發現設備元件的機械性能老化、損毀。吳升蔚表示，振動訊號能夠感測微小機臺內的零組件偏移，當異常情形還未產生的情況下，這對于業者來說，已經具備充足的反應時間針對設備零組件的老化或異常進行處理。

除了較常見的電流、振動等物理訊號之外，其它可用來評估機臺設備元件變化的感測技術還包括如溫度，可用于感測機臺設備運動過程中所產生的熱量，如工具機進行材料切削時所引起的摩擦，以及噪音、壓力、轉速等感測方式。

每種機臺設備跟據其故障模式的不同，其判別所根據的物理信息也會有所不同。國家儀器(NI)技術營銷經理吳維翰表示，這就好比醫生看診會透過心跳、血壓、脈博等的測量以及呼吸狀況等各種方法，***再由醫生綜合各種檢查數據評估病癥為何，設備專家最終也會透過各種物理信息進行判別，以對機臺設備進行健康評估。

現場專家為不可缺要角

當各式傳感器擷取設備運行時所產生的物理訊號后，下一歩便透過監控系統中的訊號擷取模塊將其訊號采集回系統主機，并進一步透過檢測軟件分析與處理，即可判別設備零件是否異常。若企業具有一定規模，例如跨廠區甚至于跨國廠務的管理，大型工廠也會將其監控訊息串連至云端進行遠程監控。

在導入設備監控系統前，業者可先針對工廠環境進行評估，包含硬件布線，因為機械設備的機箱可容納監控設備的空間不多，加上布線，空間內將變得復雜，同時在維護和管理上也會增加困難度。

整個設備監控系統***有價值的部分，在于能夠透過設備運行時所產生的物理訊息了解實時的作業狀態與使用周期，但這些設備所產生的數據信息不但復雜且具有高度專業性，非一般工廠IT人員可獨立處理，因此，建置設備監控系統重要的一塊拼圖，便需要由精通各種機臺的現場專家(或稱為設備專家)來補齊。

吳升蔚表示，現場專家需對各種機械設備的運行與結構了若指掌，可進一步協助工廠管理者在建置設備監控系統時提升作業效率，并進一步在數據分析的過程中協助其達到精準的判斷。

例如，現場專家本著對機械設備的了解，會比任何人更清楚機臺設備最容易故障的根源為何，可藉此協助工廠管理者精準掌握傳感器埋放的位置，以確保該傳感器所采集到的運行訊號是正確且有效的。

此外，在對訊號進行分析的過程中，現場專家亦是工廠設備端與后臺IT人員之間重要的溝通橋梁，可協助IT人員將采集而得的原始資料(Raw Data)轉化為有效的數據信息，以判斷機臺實際的運行狀態。

3、從系統建置到專業分析 業者協助企業導入設備監控系統

隨著工業4.0的推波助瀾下，大型企業要落實設備監控并非難事，在內部自動化部門的協助下便可完成。但若是規模以及資源不若大型企業的工廠，該怎么落實設備監控呢?

在設備監控中的概念中，對于機臺設備進行預知預防保養已經成為工業4.0不可或缺的一個重要的環節，可擺脫設備無預警故障而停機的窘境，或是零件仍可使用卻因定時更換而造成額外浪費。

觀察設備監控的實際導入，象是臺積電此類大型企業，早在設備監控尚未被廣泛應用前，對于機臺的維護很早便建立起預知預防保養的觀念，并且長時間投入研發資源，累積相關專業知識與技能。

現今市場上已具備相當多樣化的設備監控解決方案，業者可透過已集成軟硬件的完整解決方案模式，降低工廠導入設備監控系統的技術門檻。例如研華所推出的設備狀態監控軟件WebAccess/MCM、新漢的預知維護保養系統解決方案，或是國家儀器(NI)的機器狀態監控(MCM)解決方案等，都是諸如此類提供從軟硬件系統的導入到專業監測分析等的完整服務。

對設備監控系統有所需求的客戶，大致可分為兩種，其一如上述所提，大型企業已具備一定專業能力，對于內部開發人員來說，主要目的在于加速開發時程;而另一種則是資源缺乏，或現在才欲建立設備監控概念的企業，此類型的客戶不但缺乏系統開發人才，也欠缺資料分析專家。

在工業4.0的概念下，產業系以垂直集成的模式串連上下游，因此，導入任何一項新技術對于原產業來說都是一項全新的挑戰。設備監控解決方案業者為因應此需求，便開發出無需編寫程序的軟件套件，可因此大幅減少研發資源及人力成本，或采用圖形化導引的方式，讓使用者可在簡明易懂的配置下快速上手，此有助于后續投入更多資源專注于訊號的分析過程。

研華工業物聯網事業群產品經理吳升蔚指出，透過完整的解決方案，即便使用者并無相關機臺數據采集分析技能也能順利導入基礎監控方案，避免在建置系統的過程中耗去太多瑣碎時間，甚至部分軟件套件已具備基本資料集成和診斷分析功能，如時域、頻率分析和濾波資料取平均的功能，對于欠缺資料分析專家的企業而言，正符合所需。

現場專家是關鍵角色

完整之設備監控解決方案可讓使用者透過彈性化的開發工具降低初期技術門檻，但真正的重頭戲則在于，如何針對設備運行所產生的物理訊號進行分析與處理，并轉化為實際有效的數據信息協助客戶落實預知預防保養，訊號分析說起來簡單，但實際執行卻相當不容易。

整合多層存儲，混合存儲陣列的成本精簡之道

若欲精確分析各種物理訊號，這方面則需仰賴熟悉機臺特性的現場專家協助操作?，F場專家所扮演的角色事實上與過去工廠內的「老師傅」頗有雷同。現場專家除了可協助業者在硬件建置上提升作業效率外，在建模過程亦可協助其提升異常情況判斷的精確度。

從工廠實際導入的過程中觀察，吳升蔚表示，在初期建置設備監控系統時，往往以建模過程最費時，因機臺必需在24小時不停運行下，從良好的運行狀態遂生成異常情況，以便提供參數進行分析比對。建模的耗時可達1個月，甚至長達1年。

建模的過程類似于機臺自我學習的概念，透過異常情形的模擬，訓練設備監控系統透過物理訊號的變化判斷設備異常的癥結，并進行故障排除，但隨著不斷地采集各種物理訊號并進行分析比對，數據信息量越多，其對于異常情況判斷的準確度也會顯著提升。

雖然建模過程費時，不過萬事起頭難，如若順利完成建模階段，便可依標準作業流程將此模塊迅速導入至其它設備，進而降低后續開發時間。建模可說是建置設備監控系統中一個極為重要卻又復雜的過程，非一般廠務人員能力所及。

因此，現場專家在此階段進場可協助其透過各種機械元件的結構、特性以及運轉中所產生的各種訊號進行分析與系統設定?，F場專家的目的，便是確保業者在導入初期能夠快速建立起正確的模型，以防過程稍有錯差而后續需花更多時間回歸正軌。

依業別尋找最合適的監控設備

此外，在建置設備監控系統的過程中，除了在訊號的分析與處理方面需下工夫之外，硬件建置也是其重要的考量。依據業者需求，在監控設備的選擇上也會有所差，成本是其一因素，而***的考量則是產業型態。

以研華針對振動量測所使用的訊號擷取卡來說，不同的擷取卡等級可對應不同產業需求，主要的差異在于是否可達到機臺多組訊號同步取樣、以及分辨率的精確，分辨率越高的訊號擷取卡可偵測更細微的振動頻率。

達到機臺訊號同步取樣取決于采樣的頻率和通道間的獨立，采樣頻率意指每秒可采集多少筆物理訊號，頻率越高代表采樣數越多，也代表著可供時域和頻域分析的點數越多，進而達到精準判斷，通道間的獨立則代表每個通道需要有同時獨立采集的能力。

相比采樣頻率，另一具有監測效益的則是分辨率。分辨率代表訊號變化的精細程度，分辨率越高的擷取卡可采集到的物理訊號變化量就越精細，因此可偵測到非常細微的振動變化。

在工具機產業中，對于設備監控系統的要求通常希望只要能在異常前有充足的時間預作處理即可，因此對采樣頻率以及分辨率的要求大多不那么嚴苛，在監控設備的等級選擇上以可應付所需即可，通常采用入門款、成本較低的設備。但對于半導體產業來說，可就不是這么回事了。

在半導體產業中，產線24小時不停運行，生產極為精密的電子元件，這不像工具機切削大型材料，對于半導體產業而言，任何一點細小的誤差都不被允許，因此在監控設備的選擇上極為重視實時、同步的概念，因而更傾向于采用可同步采集訊號的擷取卡為主，借以避免時間的延遲性導致系統誤判。

吳升蔚觀察，一般越精密的機臺其內部零組件組成越復雜，因而在機臺運行時所產生的振動頻率也越多，極便是一個微小零件所產生的細微振動，都有可能是造成設備異常的根源，因此諸如半導體產業精密機臺，對于每種細微振動訊號的偵測要求非常精準，而對于擷取卡則要求高分辨率的規格。

并非越高端的監控設備代表訊號偵測越精準，業者仍需依據本身的需求選擇監控設備才是適當的建置方式。但往往根據臺灣過往的產業型態，***拍板仍取決于成本考量，當然，越高端的監控設備價格越昂貴，這就得看業者是否愿意花成本投入了。