機械工業網 - 機械產業的入口網站

:::

當期雜誌

作者:李孟霖、吳鴻材、王俊傑工業基礎專欄 | 機台監測診斷技術與應用

作者:吳鴻材、曾惠君、王俊傑智慧型振動感測器簡介及應用

得益於微機電感測元件及高效邊緣運算處理器的不斷發展及成本下降，針對機械設備的維護工作已具備從傳統的耗損後維護、預防維護/定期維護等模式順利演進至狀態式維護、乃至預測維護機制之條件。為提升業界對相關硬體技術發展的認知及對後續軟硬整合開發的瞭解，本文以工研院機械所所開發之智慧型振動感測器為例，簡介硬體評估選用與整合、訊號處理流程、測試驗證等關鍵開發工作，以期協助讀者得以瞭解如何以低成本感測、機邊自動分析診斷等功能，促進設備資產的狀態管理與維護效率。

作者:李孟霖、廖禾溱、吳鴻材、王俊傑工業基礎專欄 | 機台監測診斷技術與應用

作者:李孟霖、吳鴻材機台監測與診斷技術

作者:吳鴻材、偕睿仁、王俊傑預測維護技術的實施方法、現況與發展趨勢

預測維護技術（Predictive Maintenance）因提供了設備維護所需的狀態診斷及狀態預測資訊，因此被視為是可取代傳統消耗維護（Run to Failure）、預防維護（Preventative Maintenance）模式的有效方法。然而，預測維護技術的開發，需透過訊號感測處理、設備聯網、設備健康狀態監測及預測、機器學習（Machine Learning）演算法、機械故障鑑別等跨領域技術的整合，因此大幅提高了業界瞭解技術、掌握技術、導入技術的困難度。有鑑於此，本文將從預測維護技術的實施方法出發，為讀者簡介整體技術的流程。而後將以工研院機械所所開發之預兆診斷系統（Prognosis Monitoring System, PMS）為例來說明技術現況，並針對其系統功能及相關技術做介紹。最後，則將盤點目前技術缺口及未來發展走向，期使讀者對預測維護技術能有基本的瞭解。

作者:吳鴻材、曾惠君、周永樂、謝其懋、王俊傑基於應變感測的間接式刀具狀態監控

刀具狀態監控（tool condition monitoring, TCM）是機械加工領域中極為重要的一個環節，現行做法多為到達固定切削里程即換刀，或以人工判斷刀具狀態，但此類定期維護模式（time-based maintenance）並無法確保兩次換刀間刀具不會有異常情況發生。本文提出一種基於智慧應變感測螺栓的間接式刀具狀態監控方法，此螺栓經過特殊設計，可鎖附於車床刀具座，並可感測其切削時的應變訊號。實驗以軸承外環加工為例，針對其切削力感測訊號萃取出可呈現統計特性及波形特徵的五項關鍵特徵值，而後運用最近鄰分類器（nearest-neighbor classifier）執行加工中的即時崩刀檢測。實驗結果顯示，本文所呈現的方法於近一萬五千筆軸承外環加工訊號中具有100%的崩刀檢出率（true positive rate, TPR, 又稱hit rate），整體準確率（accuracy）亦有99.92%的水準，有利於協助使用者準確判斷換刀時機，降低不必要的停機與品質損失。

作者:吳鴻材、李昆達、施俊名、林中雄、王俊傑應用於高加速壽命試驗的電磁鎚振動試驗技術

振動試驗做為高加速壽命試驗（highly accelerated life test, HALT）最有效的手段之一，主要是使產品經歷一連串可控制的高強度振動測試，希望能以較短的時間引發潛在的問題，以供產品的改良設計。目前市面上常見的振動試驗機，多數使用氣壓鎚來作為激振來源，然而氣壓鎚所能產生的振動訊號有著強度不一的問題，且往復頻率及強度會隨著輸入壓力的增加而同步提高。與氣壓鎚相比，電磁鎚擁有振動訊號再現性高、頻率及強度可控性高等優點。本文除介紹此兩種不同技術外，並會從時域及頻域上加以分析，以數據佐證電磁鎚之優點。

作者:徐家瑋、吳鴻材LLM輔助維護日誌資訊萃取技術

目前業界於廠務與製程設備管理中，因設備種類繁多及系統複雜性高，面臨異常排查耗時、專業知識管理不易、數據未能有效發揮價值等痛點。因此，工研院機械所提出結合文字資料與感測數據的方法，通過大型語言模型建立關鍵資訊擷取模組，並搭配以深度神經網路為核心的故障識別模組，實現對故障原因的快速判定及維護建議，除了實現領域知識數位化，也將有效協助提升運維效率。

作者:偕睿仁、楊凱智、吳鴻材工業用冷卻水塔智慧節能技術

隨著全球工業化程度的不斷提高，對冷卻水塔的需求也在不斷增加，在COVID-19後改變的商務環境中，全球冷卻水塔市場在2022年已達37億美元，預計在2030年前達到54億美元的規模，並將以4.9%的年複合成長比率增加，而半導體廠務用電(冷卻水塔、冰機、空調箱及空壓系統)占半導體產業用電47%，其中冷卻水塔又占了11.1%的廠務用電。在全球節能減碳的趨勢下，本文的三大功能包含，冷卻水塔健康狀態的監測、風扇傳動預兆診斷系統及智慧節能最佳化預測，有助於降低能源成本，並減少產業的碳排放。

作者:楊凱智、徐家瑋、吳鴻材、王俊傑AI音頻非破壞檢測技術

本研究開發了一種適用於金屬零組件的環保且非破壞式檢測方法，目標在改進如X光、超音波、磁粉等檢驗技術。研究的主要目標是建立一個基於智慧製造的人工智能系統，用於檢測金屬零組件的內部與外部損傷。首先使用衝擊錘、力感測器與麥克風感測器進行音頻數據的觸發與蒐集，接著利用自編碼器(Auto Encoder, AE)壓縮特徵，隨後通過群集分析挑選代表性樣本進行破壞性檢測以取得標籤，最後整合音頻特徵提取技術和卷積神經網絡(Convolutional Neural Network, CNN)，辨識出金屬零組件的良/不良品之音頻特徵，在識別特定類型的金屬零組件產品時達到了99.60%的準確率。

作者:許銘翔、吳鴻材、王俊傑半導體真空泵餘命分析技術

在半導體產業中，晶圓製程產生的粉塵經常造成尾氣處理設備效能降低或無預警停機。真空泵為尾氣處理關鍵設備，常因粉塵導致真空腔抽氣效率下降、壓力上升，造成粉塵回灌至前段製程系統影響製程良率，真空腔體內因粉塵堆積造成轉子卡死或腔體磨損，使得真空泵健康狀態監測日趨重要。本文目標為建立真空泵健康狀態指標，進行真空泵剩餘壽命預估，提供直觀且簡單的指標，無需透過專業人員進行解讀即可判斷真空泵目前狀態以及剩餘可運轉時數，藉此降低真空泵提早下機以及無預警跳機所衍生的維運及生產成本。

作者:吳鴻材、許銘翔、王俊傑迴轉機械預兆診斷系統

條件式維護（Condition-based Maintenance）及預測性維護（Predictive Maintenance）目前已漸被公認為是機械設備維護的理想作法，然而開發過程需跨領域技術整合的特性，形成了阻礙其廣泛發展的門檻。針對其中不可或缺的監測、預警、診斷等分析技術，本文以工研院機械所團隊所開發的迴轉機械預兆診斷系統為例，進行技術原理、特色、應用案例等內容的說明，期能引導讀者初步瞭解相關技術及探討如何進行研發，以期可進一步應用於促進設備資產的狀態管理與維護效率、趨近零停機生產。