善用CbM狀態監測方案 快速落實預測性維護

茂宣企業專案經理蔡宗原。

進入工業4.0時代，製造業者急欲落實「預測性維護」(Predictive Maintenance)，因而積極導入工業物聯網(IIoT)技術，期望持續收集溫度、電流、聲音、振動等等關鍵參數，及早偵測並排除機台的故障徵候，避免造成產線無預警中斷。落實預測維護的主要元素，便是狀態監測(Condition-Based Monitoring；CbM)。

茂宣企業專案經理蔡宗原指出，傳統流水線或儲存槽都缺乏即時監測機制，用戶往往等到設備故障才維修處理，已對產線稼動率帶來嚴重衝擊。如今利用感測器持續監測機台狀態，並透過感測系統擷取與累積的大數據進行分析，可提前預知設備狀況，有效降低產線無預警停擺機率。

「CbM不僅包含振動感測器，而是象徵全方位的診斷方法，」蔡宗原說，以茂宣代理的亞德諾半導體(ADI)產品而論，原廠有鑑於馬達軸承的異常對產線機台影響至鉅，但傳統Piezo壓電式振動感測器低頻響應、溫度特性不佳，加上需手工組裝、體積難以縮小、材料成本高，無法對多數企業產生實質助益，於是推出以MEMS感測器為基礎的CbM方案。

MEMS感測器相較於Piezo感測器，不僅有更好的抗雜訊能力，且無論偵測高低頻的效能表現都相對平穩，且ADI的MEMS感測器直接供電、不需高壓電源，故可將體積做小、置於裝置或機台內狹小空間，既省空間又可降低成本。另不可諱言，欲實現CbM真正價值，除偵測外還得做到診斷、預防，為此ADI提供雲端分析平台，利用平台上的Otosense軟體提供聲音與振動訊號的AI解譯功能，協助用戶實現CbM價值旅程的最後一哩路。

蔡宗原強調，不僅馬達，舉凡泵浦、壓縮機、轉軸或齒輪等其他重要元件，同樣適用於ADI CbM方案，藉由雲端AI分析，挖掘出預防維護的關鍵密碼。

除振動偵測外，近期ADI也對煙霧偵測著力頗深，提出一套整合藍光與紅外線發射器的光學模組。傳統遮斷式煙霧感測器，因無法判斷偵測到的物質究竟是水氣、油煙、煙霧或其他有害物，經常產生誤報，久而久之難免導致人員輕忽鬆懈，甚至因此釀成傷亡悲劇；反觀ADI的整合式光學模組，可藉由分子大小，有效降低因蒸汽或灰塵所產生的誤報，進而提升產品信賴度，達到預警的目的。

另值得一提，ADI提出業界首見的「Software Configurable I/O」產品，旨在幫助製造商或工業服務營運商提升系統控制的彈性，並降低產品複雜性。譬如針對一顆IC的4個通道，可利用程式化手段，任意配置為「ADC＋ADC＋DAC＋ADC」、「DI＋RTD＋DAC＋RTD」或「DO＋DAC＋DAC＋DAC」等等組態，大幅減輕產品設計上的負擔，並統整備料需求，降低庫存成本。

總之ADI希望藉由涵蓋感測、信號鏈、處理、通信及電源之完整方案架構，輔以CbM、煙霧檢測、軟件定義I/O或Otosense等先進產品，協助用戶加速邁向工業4.0，快速落實預測性維護。