近期在林口发生南亚塑胶厂区大火，目前仍在调查发生原因。类似的事件的起因层出不穷，可能来自于运转设备的过度使用，也可能没有即时监测的系统把守这些潜在的问题，造就无形的威胁慢慢地萌芽。

为了解决类似的问题，宇辰有一套专业的系统，协助客户即时地掌握现场设备的情况，能够在设备在很早期时就把一些有问题的零件，利用振动原理抽丝剥茧，不需要再依靠长期的人力巡检成本来降低事故发生的机率，不仅提升设备的使用效率，还能够透过数据分析按时规划需要保养的机台。

以往维护人员可能在设备发生重大事故或停机时，才能发现它的问题，不过现在已经有便捷的系统提供他们检视相关机台，不再需要纠结于今天应该去抽查保养哪些机台，而是明确地知道哪些机台在甚么时候可能会产生哪些问题，进而达到最高的使用率，最大程度地延长其使用年限。

宇辰是如何做到的呢？底下 5 分钟带您快速了解预知的秘辛
 

＊马达放乖乖还是一堆毛病怎么办？

以半导体科技业来说，马达可说是生产运作的核心，如风扇、水泵、输送带、空调等，它的存在如同工厂的心脏般重要，同样地也容易堆积隐患。
由于马达这类型转动设备经常处于高强度的运转频率，长期地使用下可能有些看不见小毛病，常见的包含轴承松动、转子故障、定子故障、轴不对心等因素。为了解决上述的潜在问题，现行传统作法是透过人力携带检测设备定期检测马达状态，不过由上段的叙述可得知，这个方法很明显已经不再是最佳解答了。

随着智慧化工厂的崛起和 AIOT 的应用，预测性维护的观念越发蓬勃，根据 Deloitte 报告显示，预测性维护可提升 25% 产能、减少 70% 故障，并降低 25 % 维护成本。其中振动监测在市场上已有诸多成功案例，且应用产业涵盖能源、制造、民生、电力、工业、汽车等，而这也是为何使用振动作为监测马达的关键原因。
 

＊只看懂振动还不够，还能帮设备算寿命、安排班表？

为什么使用振动作为检测依据呢？

因为在振动界中有条 ISO 10816 规范，用于评估和监控旋转机械的振动，提供对机械状态的评估，从而降低机械故障率并提高设备的使用年限。可以从附图中看见针对不同的运转设备、运作状态、工作频率等，可依序划分出不同的评判指标，这些都是由大数据量化而成的基本门槛，能够迅速判断出当下运转的设备是否已经超出正常警戒范围。

  
  
 

一般来说，专家也是透过频谱分析将设备产生的振动数据，抽离出底层的参数并进行分析比对是否符合 ISO 规范，至于判断哪个频率对应哪个零件就是技术的精华，也是专家不肯透漏的秘密。但是宇辰所开发的振动监测系统，却能够让你一秒变专家！

宇辰耗费数年时间搜集振动大数据，并导入 AI 人工智慧技术提升准确度，以ISO 10816、ISO 20816规范为基础，建立一套掌握过去、现在、未来的软体系统，从过往的设备振动数据资料来比对现在的运作状态，并透过前二者预测未来的使用年限。让你安装后在家就能远端查看设备是否正常运作，不用再担心现场人员疏忽或是某台机王又偷偷罢工，还能帮你推算合适的机台保养周期，最大化延长设备的使用寿命。

其中更采用特殊的分频技术，意即不再只以总振动量分析设备，而能透过频谱图撷取故障对应之频段范围，找出特定零件之异常振动，让使用者不用苦恼到底哪里出问题，直接对症下药省下成本又省下时间。


 

＊四大 AI 技术省下不只亿点成本

上述提到了许多方便的功能，但背后也有着不少辛酸血泪，也就是宇辰用心开发的四大 AI 技术。每个项目都暗藏了一些小巧思，协助未来的管理者轻松且直觉地操作软体，并即早地做好最完善的保养计画排程。
 

一、自动给定警戒值/危险值：

振动量之规范除总振动量有 ISO 10816 为依据外，其余零件之振动量皆无规范标准，因此维护人员常需依靠自身过去经验制定上限值，但实际上却常遇到上限值设定不佳造成错误警报过于频繁，失去预警目的，或感测器数量多时需花费大量人力设定合理上限值。好在现行宇辰经由大量数据的整理和 SPC 管制界线的结合，做到设备运转时能透由 AI 自动判定，给予合理的警戒值与危险值。
 

二、剩余寿命估算 (Remaining Useful Life，RUL)：

利用收集到的历史振动资料，以线性与非线性的方式预测设备的失效警戒线，藉此反推出剩余可正常合理运作的时间，当然这里头还夹杂着诸多模型和算式，这边就不多做解释。简单来说，这项功能可协助维护人员迅速得知机台能够正常转动的时限，从年、月、日甚至是几小时后会达到警告边线，因而做到提前安排保养维修的效果。

 

三、设备健康度：

运用三项指标： ISO 规范危险值之定义、剩余寿命比和稳定度比，以及四种颜色划分，目的是让使用者更直觉地浏览整个厂区需要留意的设备，数值化后的健康度也能协助保养人员作为维护的顺序依据，用最小的成本获得最大的效益。其中最三项指标的运算需要随时根据设备运转的状态，调整其不同的参数设定，藉此达到最佳的预测数值。

 

四、故障分析技术 (Failure Mode Analysis，FMA)：

以过去历史的故障态样资料为基础，比对当下设备运转时资料，建立出所有潜在故障因素的机率。这是个具有成长性的功能，它能经由加入新的故障资料成为新的资料库模型外，亦能透过类神经网路模型自主训练，将运转时取得的新态样加以分析融入预测模型中，可谓是越战越强，成为厂区设备中最得力的助手。

 

【懒人包总结】

厂区内很多转动设备，如果只单靠人力巡检保养的话，耗时又费力。但是拥有宇辰振动监测系统的话，拥有每 10 秒一次的数据回收、 24 小时的线上监测和简单直觉好上手的操作介面，是套符合厂区管理者期待的好帮手。

总体来说，如果制造业者导入预知保养智能监诊，预估可节省 15~25% 的维护成本，另外并可减少 50% 的机器故障维修时间以及 85% 以上的停机故障机率。

回上层