工业4.0加快制造业发展脚步，智慧感测器可以监测并控制生产过程。

MEMS感测器可以在机器生命周期初期就进行预测维护。

让产线人员能够预测机器故障，并大幅节省运营成本。

在今日的工业界，数位化加速了工业设备的互联互通，也使工业4.0的愿景得以实现，并进一步开启了生产工具的变革。这样的改变，让产线变得更灵活，在制造客制化产品制造的同时，还能同时保持盈利。传统对於产线的维护方式，都是采用预防性维护，其缺点是会占用很大的生产成本。而现在，透过使用IIoT来监测机器的健康状态，将有助於实现预测性维护，让产线人员能够预测机器故障，并大幅节省运营成本。

此外，工业4.0也正加快制造业朝向网路自动化的发展脚步，智慧感测器系统可以有效提高产线的自动化程度，提供更多的资料来监测并控制生产过程。工业4.0让产线更先进也更有效率，为了确保这些先进系统能够持续高效率地运作，就需要采用更先进的方法来确保系统的可靠性。透过采用MEMS技术的新一代感测器来进行诊断预测，可以在机器生命周期的初期就针对特定机器进行预测维护。如此一来，可以减少生产停机的风险，进而提高产线的可靠性以及节约维修成本，也可以提高工厂的生产效率。

状态监测与预测性维护

状态监测和预测性维护是两种不同的工业维护策略，目的都在於优化设备效率，并减少设备的维护时间和维护成本。

状态监测（CbM）和预测性维护（PM）是两种不同的工业维护策略，目的都在於优化设备效率，并减少设备在生命周期中的维护时间和维护成本。状态监测是针对多个不同叁数（例如设备的振动和温度）进行监测，以识别潜在的问题，例如偏离或轴承故障等。当振动分析显示旋转设备的元件谐波频率发生变化时，状态监测工具便可绘制设备性能下降的映射图等。

频率分析以振动计和MEMS麦克风资料为基础。此外，也可以将电机电流信号分析（MCSA）作为与振动分析互补的技术。MCSA具有一定程度的优势，且更适用於机器失衡等一些特定的异常情况。连续状态监测技术可应用於压缩机、泵、主轴和电动机等多种设备上，还可用於识别机器出现的局部排放或真空泄漏等问题。

至於预测性维护，则是以状态监测、异常检测和分类演算法为基础，并整合了预测模型，该模型可以根据检测到的异常数据来分析并估计机器的剩馀运行时间。这种方法可透过各种工具的使用，例如统计分析和机器学习，来预测设备的运作状态。我们可以说，在工业4.0的应用中，状态监测和预测性维护是一种很具有价值，但却又同时具有很大挑战性的应用。

边缘运算和AI的重要性

透过从机器收集的资讯可以深入了解机器状态，但只有在资料经过分析後，这样的作法才具有实用价值。单独查看单一个感测器节点的资料，不可能了解全部的工厂情况。因此，只有将所有资料放在一起并进行分析，才能得出真正切合实际的洞察与见解。当企业能够依赖感测器中的AI运算能力来提供分析时，实现工厂设备状态分析将变得更为简单。从了解机器正在做什麽，到预测机器下一步的行为，这就是AI必须要提供的完整服务，这样方能确保最基本的一个感测器，也能在状态监测的环境中提供最大的价值。

直接在智慧感测器节点或闸道中进行数据分析运算时，也能同时进行边缘处理，这样可以节省功耗并确保资料的安全性，进而使企业可以在节点端进行关键资讯的分析，以减少异常检测时间。边缘运算还可以透过机器学习（ML）等AI演算法，来增强智慧感测器节点和闸道任务的设定档，并拓宽机器异常检测与分类的范围。

新一代MEMS感测器

图1 : MEMS系统正广泛应用於铁路、风力发电机、马达控制、工具机等环境中。（摄影／王岫晨）

目前许多厂商都针对工业市场推出了相关的状态监控解决方案。例如ADI透过CbM振动监控平台，与合作夥伴打造工业智能设备监诊及故障预防系统，来达到预测性维护的目的。这种预测性维护，主要是透过智慧感测系统来提高产线的自动化程度，并提供更多的资料来进行监测以及控制生产过程。透过基於MEMS技术的新一代感测器来进行诊断预测，可以在机器生命周期的早期就针对性的进行预测维护，如此一来，可以减少生产停机的风险，进而提高产线的可靠性、节约维修成本，并提高工厂的生产效率。

安驰科技ADI产品线应用工程师高富华指出，许多MEMS系统正广泛应用於铁路、风力发电机、马达控制、工具机等环境中，目的是用於监测振动，藉以提升安全性、降低成本、以及尽力提高设备的使用寿命。MEMS感测器的低频效能，能比其他技术更早侦测出马达设备的轴承损坏状况，除了能大幅节省成本，还能对各种设备瑕疵达到更高的侦测率，确保能符合各种严苛的安全标准。例如较宽的频宽（0Hz～23kHz）、低杂讯、以及较宽的振动量测范围（2g～200g），这些都是振动侦测的必要条件。而监测振动也采用无线通讯系统，用来和工厂中各处负责搜集原始资料的感测器进行通讯，或是利用原始资料执行即时控制。

智慧感测器节点

针对工业状态监测应用，意法半导体为远端监测部署了先进的积体电路和评估工具、软体和线上仪表等生态系统，并不断对其进行更新以适应工业需求。这些智慧感测器节点和闸道，从设计智慧感测器节点，以及配置运行在感测器节点和闸道中的嵌入式软体，到开发整合在云端或公司企业资源规划（ERP）系统中的软体，涵盖了预测性维护所需要的各种技术和能力。可以实施机器学习和人工智慧演算法，以确保及早发现设备异常，并最大化设备的正常运行时间。

智慧感测器节点是预测分析的关键推动力。这些节点收集并记录经过预先处理的安全数据，而这些资料将在视觉化工具中显示，并在其他处理演算法中使用。智慧感测器节点还可以透过减少计算的延迟来处理资料并检测异常。例如，智慧感测器节点可以检测到温度的小幅升高或突然升高，指示可能存在的设备问题，和未来的可靠性问题等。

图2 : 智能设备监诊及故障预防最适合用於马达等工具机设备。（摄影／王岫晨）

此外，闸道既可以收集和处理来自多个智慧感测器节点的资料，也可以充当桥接器，以便利用乙太网、Wi-Fi、无线通讯或LPWAN等技术来实现云端的安全连接。边缘运算在智慧感测器节点和闸道之间组合并分配处理能力，目的是在正确的时间中向系统发送正确的资料，以便执行更高级的分析。边缘运算还可以使用机器学习和人工智慧演算法，来增强智慧感测器节点和闸道的任务设定档，并拓宽异常检测和分类的范围。

结语

目前市场上许多设备状态监诊平台，都正在工厂产线上运作，来确保所有设备的运作正常。这些状态监测平台大多都具备了资料撷取、分析运算、资料上传等多合一功能的优点，提供在高精度、高取样速率的状态下，也能针对机械与设备来进行24小时不间断的机械状态监诊，以协助各种马达、工具机等工厂与机械设备的使用者，顺利解决传统设备维护所面临的各种挑战。

**刊头图（source：se.com）