善用雲端大數據　使設備恆常維持高稼動率

勞斯萊斯利用物聯網與大數據等技術，全天候監控全球4,600具以上客機引擎，形成一項高值化服務，使該公司決定從賣引擎轉為賣飛行時數及維護服務。來源：Rolls-Royce

經常參與工業4.0相關主題研討會的人們，針對屬於箇中關鍵應用之一的預知維護，理應不陌生，甚至有不少研討會活動，都以台灣某知名空壓機廠商為例，闡述其如何做好預知維修，據此推動商業模式轉型，背後不可或缺的力量，即是雲端運算與大數據分析。

對於製造業者來說，舉凡工業物聯網、智動化、智慧機器人、智慧機械、虛實化系統(Cyber-Physical System；CPS)等等種種攸關工業4.0的辭彙，都是近幾年不斷被洗腦的素材，也因而意識到，實踐工業4.0的重要目標之一，便是把傳統的生產線加以變革，使之成為智慧型的生產線，繼而匯聚成為整座智慧工廠。

有了智慧工廠以後，在工廠之內的每一台機器設備，不管是相對新穎的機器人、無人搬運車(LGV)，抑或相對傳統的CNC加工中心機、SMT打件機、雷射雕刻機等等眾多物件，都能夠拜工業物聯網技術所賜，讓彼此對話交流，甚至還能串聯更上游的原料供應資料，使得生產線管理者可以快速掌握原物料供應狀況，以利於因應諸如急單、插單等各式各樣的狀態，從而有效杜絕無謂的浪費而降低庫存，亦可加快客製化產品的交貨時程。

前述種種情景，都是有意導入工業4.0的製造企業，夢寐以求的願景，然而這些情節主要都偏重在智慧製造範疇，算是偌大的工業4.0藍圖中，最令人矚目、也最具吸引力的一個重要區塊，但其實尚有另外一塊，也開始受到製造企業投以愈來愈大的關注，此即是智慧服務，而智慧服務裡頭的精髓，就是預知維護。

預知維護保養  蔚為高價值智慧服務

所謂預知維護，便是藉由工業物聯網、雲端運算、大數據分析、專家系統等的輔助，好讓設備製造商可以隨時掌握機台的運行狀況，若察覺到一些異常癥候，即可預知該機台設備即將發生問題，接著適時介入進行維修保養，避免日後機台突然停止運轉，因而衝擊到客戶的生產力。

綜上所述，頗有預防勝於治療意味的預知維護，與傳統的例行維護、事後修復模式相比，著實大不相同，可望有效避免設備在無論維修的時候卻進行歲修，亦可有效避免設備在瀕臨搖搖欲墜之際，卻依舊肩負重要的生產任務，一旦解決了這些問題，便能促使機台設備長時間維持高稼動率、高良率、高效能之最理想狀態。

更有甚者，由於訴求為機台健康把關的預知維護服務，頗能切中客戶實際需求，多數客戶的接受度很高，腦筋動得快的設備製造商見機不可失，也順勢推動商業模式轉型，逐漸將主要的收益來源，從過去一次性賣斷設備產品的銷售收入，轉為猶如細水長流的預知維護服務收入，甚至開始從賣設備轉變為租設備，反倒由預知維護服務擔綱主角。

事實上，預知維護的概念，並非工業4.0名詞出現後才開始應運而生，製造業界早就有透過振動檢測，來判別機台設備暨內部零組件是否異常的做法，長期運作下來，雖然產生一定成效，但頗為有限，只因為這個運作模式的成功與否，取決於是否有蘊含深厚專業分析技能與經驗的人才在背後支撐，然而這類型人才並不多見，若以一間擁有多處生產基地的中大型製造企業而論，想要在每一個廠區都配置這樣的專業分析人才，可想而知，實現的難度極高。

振動檢測的堪稱學習門檻之所以高，是因為它主要透過數學運算模型，先把機台設備經由振動所產生的能量，從類比的頻率訊號轉為數位的頻譜訊號，接著再由專業分析人員憑藉他深厚的經驗，針對這些頻譜數據執行判讀，如果發現頻率異常，再按照過往經驗法則，從可能發生變異的點，例如軸承、齒輪、馬達、變速箱等等，循著這些脈絡挖掘異常狀況的根源，有時也會陷入大海撈針的窘境，未必能很快找出癥結點。在此情況下，也意謂過去的專業分析技術及經驗，如同老師傅腦袋裡頭的瑰寶，並未轉換為系統化的知識，自然難以被廣泛運用。

然而現在隨著工業物聯網、雲端運算、大數據分析等技術的興起，使得過去在實現預知維護的過程中可能遭遇到的種種阻礙，通通不攻自破。

振動分析執行者  從老師傅變成大數據平台

今天想要做振動檢測，企業需要針對不同廠區的所有生產設備，全都裝設振動感測器，以便於蒐集每個機台設備零件的振動數據，再透過所謂的IoT閘道器，持續將這些數據輸送到後端的雲端平台，可以是企業自建的私有雲，也可以是第三方的公有雲服務，而這些平台都備妥相對應的大數據分析工具，以及在串聯過程中必須使用到應用程式介面(API)，幫助負責預知維修保養的工程師，能在機台設備運作的同時，從遠端同步監控設備的狀態。

後續只要發現異常，工程師就會在第一時間知會客戶，好讓客戶有充裕的時間可以準備移轉生產線，以避免產生必須報廢的不良品或是半成品；而在客戶完成移線作業，並將疑似故障的設備加以停機後，預知維修保養工程師即可展開檢修作業，根據以大數據分析為基礎的專家系統來按圖索驥，不需要在上百上千個機器零件的茫茫大海中費時撈針，便可迅速找到故障部位，隨即執行修復使之儘速回到正常狀態，連帶也能將該機台設備的停機壓縮到最短地步，快速重回工作崗位，接續執行生產任務。

而在落實智慧服務的過程中，無庸置疑，舉凡雲端運算、大數據分析，都是不可或缺的必要元素。如果以屬於第三方公有雲服務平台之一的微軟Azure為例，便已蘊藏有助於加速實現預知維修保養的多項機制，其中最重要的，即是時下相當熱門的機器學習，設備製造商可善用機器學習服務，讓系統不斷藉由範例資料，自動調整分析參數，繼而優化執行振動分析；包括機器學習、深度學習、人工智慧，乃至概念更加新穎的認知運算，也都可歸納為廣義的大數據分析範疇。

至於利用工業物聯網、雲端運算與大數據分析等技術推動預知維護服務，從而進行商業模式轉型之例，其實已經發生，譬如動力系統製造商勞斯萊斯便是一例，該公司巧妙運用上述所有技術元素，針對全球逾4,600具客機引擎進行即時監控，藉以防患於未然，避免飛機引擎發生故障而影響飛安。

而在前述服務模式運作純熟後，勞斯萊斯索性不再販售飛機引擎，而是首開業界先例，改賣飛行時數與維護服務，成為各方探討工業4.0議題時，不時會加以引用的經典案例之一。

如今勞斯萊斯的引擎健康管理單位，躍為維繫公司營收來源的關鍵部門，該部門在全年365天的每一日、每一小時、每一分乃至每一秒，都有人負責緊盯著儀表板，持續觀測轉速、溫度、振動、油壓等各項數據的變化，藉以確認全球百餘家航空公司客戶所採用的勞斯萊斯引擎是否健康無虞，堪稱是大數據、物聯網的絕佳應用實踐案例。