工业 4.0 促使智慧机械趁势而起，坊间已出现可依感测数据调整设定的工具机产品，另有鉴于塑料射出成型对温度、压力变化非常敏感，造成良率下降，台湾厂商如全立发、百塑等亦开发智能型射出成型机，可监测环境及制造状态，并用以调整工艺参数。然而，台湾科技大学机械工程系助理教授刘孟昆提出一个反思：精密传感器代价高，且数据的收集、储存、管理、联网及应用软件皆是成本；如果业界仅单纯想解决机械本身的问题，真需如此大费周章？他认为，＂过于注重工业 4.0 架构而忽略产业真正需求，并不恰当＂；必须洞悉产业特性，且基于足量且多样化的数据建立演算模型，才能发挥效益。
照片人物：台湾科技大学机械工程系助理教授刘孟昆
设备维护三层次：事发、预防、预知
刘孟昆指出，交流感应马达 (Induction motor)、水泵等设备有配重限制，运转速度一快就会振动；当侦测到异常，可适时降速。但他强调，这是治标不治本的作法，设备的维护、故障排除与节能考虑其实打从设计、组装就开始。设备机台的维护有三个层次：
1. 事发修复 (run to failure)——由事件驱动，等设备故障才设法改善或重新设计以延长使用寿命；
2. 预防保养 (preventive maintenance)——可依循时间周期或设备状态驱动；
3. 预知保养 (predictive maintenance)——架构于预防保养上，配合生产工艺条件建立可预测异常失效的模型、预先规划修正措施，在故障初期即可借微小变异预估设备剩余寿命并量化成本效益。
以构造简单、成本低廉、应用广泛的感应马达为例，正确的预知保养并排除设备的初期故障，可节省 5～20% 能耗。刘孟昆指出，理论上，马达接近全载时效率最高，但实务上基于可靠度起见，宁可让多台马达以 50% 效率同时平行运转，意谓有半数能源将被浪费！据估计，感应马达在工业用电占比达 70%、占全国总用电量 40%，全天候开启的能耗可观；虽说马达初期置换效率可提升三成左右，但现今马达多半已是 IE3 或 IE4 级别，升级效率不到 5%。假如处于＂半载运转、但振动未达极限值＂，效率会更低；且只量测振动无法评估设备运转效能，须借助预知保养、依设备实时状态进行维护。
图1：不同阶段之设备生命周期的维护重点
资料来源：聆特科技提供
此外，平行运转会导致机组故障的时间点相近
，越早预知状态、计算效率，以便及时修护或置换，越有助于备料、估算排程并避免额外损失，偏偏早期振动信号的微幅上升难以察觉——机台刚装机时因不可避免的磨耗，故障率最高，中段进入稳定期，但经过岁月洗刷后，故障机率又会变高；唯有预知维护才能减少无预警停机。刘孟昆表示，预知保养的检测技术众多、莫衷一是，无法一招行遍天下，各家互有长短、相辅相成。其中，＂振动特征分析＂常用于检知机械运作，目前业界大多参考ISO 10816，对于不同的设备功率及基座安装型式，订有对应的振动速度方均根值上限及安全等级。
振动诊断：振动量测 vs. 频谱分析
典型作法是由厂务设备人员以手持式振动量测仪定期巡检，观测振动加速度或速度振幅的方均根值 (RMS) 是否有成长趋势？是否超出订定的阀值极限？此法可以概括的得知机台的整体状态，但无法进一步确认故障的成因，且无法预测突发式的故障。另一个方法是观测振动频谱，更能辨识问题环节；也有人会在机台安装多个加速度计 (Accelerometer) 量测，然后从厂务端拉线至中控台、收集数据，但缺点是：硬件需求大、通信成本高、须慎选量测点位置并排除环境嘈杂的干扰因素。
典型作法是由厂务设备人员以手持式振动量测仪定期巡检，观测振动加速度或速度振幅的方均根值 (RMS) 是否有成长趋势？是否超出订定的阀值极限？此法可以概括的得知机台的整体状态，但无法进一步确认故障的成因，且无法预测突发式的故障。另一个方法是观测振动频谱，更能辨识问题环节；也有人会在机台安装多个加速度计 (Accelerometer) 量测，然后从厂务端拉线至中控台、收集数据，但缺点是：硬件需求大、通信成本高、须慎选量测点位置并排除环境嘈杂的干扰因素。
图2：常见的转动设备振动异常频谱
资料来源：刘孟昆提供
振动频谱分析在操作上常遇到的困境是：量测多少会干扰制造工序或现场工作，需要作业人员的配合，但现场人员对于频谱分析未必有经验；当然，也能选择委托专业服务商处理，惟由于须长期监控，委外代价恐不小。最重要的是，这些消极方式仅能检测会随时间恶化的故障情形，无法应对突然跳机或已进入故障／失效末期、须立即处置者，且异常信号易受干扰、数据分析需要专业奥援。于是，业界试图从量测＂电信号＂、冀透过＂电压／电流特征分析＂和以此为基础的物理模型诊断设备，其优点为可直接从中央控制端撷取数据、省下设备端部署成本。感应马达电信号诊断的相关规范，在 ISO 20958 中有明确定义。
刘孟昆表示，高温、高压、粉尘皆容易引发传感器、致动器零部件或设备机构故障，可能是渐进、突然、间歇性发生，假如观测时间不够长，很难从设备端撷取信号解析；因此，他主张以＂电流特征分析＂对转动设备进行长时间的连续监控，一旦检知设备的异常情形，再辅以现场设备的＂振动量测＂或＂频谱分析＂进行确认。电流特征分析的运作方式为：机台振动时，定子和转子之间的气隙会改变，进而改变电流值；一旦轴承损坏，会反应到转子、再到电流。电信号十分敏感，且可估算能耗并回推电流负载率，监测供电品质。目前提供马达电流诊断服务的有聆特科技等厂商。不过，信号式终究只能检验设备机械异常，无法具体显示异常状况与能耗间的关系，用以维持设备运转效率；若欲获悉更明确的信息或是早期预警，须辅以模型式诊断。
图3：马达异常可由振动或电信号诊断
资料来源：聆特科技提供
电流特征＋建立模型＋巡检定位，多方会诊
一般而言，故障检知层次越高、成本也越高，从低阶到高阶分别是：
1. 侦测 (Detection)：仅知故障，却不知是何种类型；
2. 区隔 (Isolation)：能大致区分，但无法精确列示；
3. 辨别 (Identification)：确认是哪个组件出错；
4. 预测 (Prediction)：预知即将故障；
5. 校正 (Correction)：根据预测结果自动更正、不需人为介入，真正达到＂智慧机械＂境界，即使经验传承一时青黄不接，也不会完全束手无策。
一般而言，故障检知层次越高、成本也越高，从低阶到高阶分别是：
1. 侦测 (Detection)：仅知故障，却不知是何种类型；
2. 区隔 (Isolation)：能大致区分，但无法精确列示；
3. 辨别 (Identification)：确认是哪个组件出错；
4. 预测 (Prediction)：预知即将故障；
5. 校正 (Correction)：根据预测结果自动更正、不需人为介入，真正达到＂智慧机械＂境界，即使经验传承一时青黄不接，也不会完全束手无策。
使用电流输出残差值、系统模型参数变异和输出频谱特征可检知异常；而经由推算定额电压下的理想电流输出，将它与真实电流值相减可排除电源谐波等噪声干扰，提升预测准确率、减少预警误报。电压、电流亦可与振动检测并行不悖，前者用以做连续性监测、发现异常后，再用手持式设备定位确认，远较在各机台安装许多加速度计更为实际。
顺带一提，＂电流特征分析＂可诊断机械和电性异常，亦可逆向从齿轮等机械规格反推正常频谱落点范围，可检知的项目包括变频器输出的供电质量是否异常 (谐波失真率)、对心不良、轴承损坏、底座松脱、转动不平衡、气隙偏心等。最后，刘孟昆还提到＂产学落差＂隐忧：学界未必熟稔领域知识、有能力解决工厂跳机问题；当撷取的数据量不足或是没有足够的多样性，则会造成分析上的困难，且架设传感器及数据收集系统又会造成成本增加。这些，都是投身工业 4.0 不得不正视的议题。
