智慧型振動感測器簡介及應用

摘要

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。

Benefit from the growing technologies regarding sensor miniaturization and efficient edge computing, the maintenance of mechanical equipment can now successfully evolved from the conventional run-to-failure and preventative (i.e. time-based) maintenance to condition-based maintenance or even predictive maintenance. In order to enhance the reader’s understanding of related technologies as well as software-hardware integration development works, this article takes the intelligent vibration sensor developed by ITRI as an example to interpret key issues such as hardware selection and integration, signal processing, and system verification. The authors hope the readers can therefore get an in-depth understanding of how the integrated sensing, analysis, and diagnosis solution can help on improving the efficiency of machinery prognosis and health management.

關鍵詞(Keywords) 狀態式維護、預測維護、微機電系統 Condition-based maintenance, Predictive maintenance, Microelectromechanical systems

前言

隨著全球智慧製造、智慧機械、工業物聯網等議題的方興未艾，以及產官學研的積極投入，身為智慧機械關鍵技術元素的「故障預測」功能[1]，在近年來也已取得了一定的發展成果。所謂的「故障預測」，其概念與「狀態式維護」(condition-based maintenance)及「預測維護」(predictive maintenance)技術[2-4]相去不遠，是指利用各式感測器感知機械設備中關鍵模組的運轉狀態(亦可稱設備品質的「診斷」，diagnostics)，並進一步設法從感測訊號中解析出設備發生各類故障前的先期徵兆(亦即「預兆」，prognostics)，以便提早進行預測性的排程保養或故障排除。此種技術的需求，最主要是源自於傳統設備維護模式的不足：早期最常採用的維護模式是為耗損後維護(run to failure，或稱反應式維護，reactive maintenance)，如同其字面意義，此種維護模式是等到零組件已損壞、甚至導致設備停機後才採取維護行動，因此其維護成本以及所造成之產能損失等自然會居高不下。而當使用者開始注意並要求設備與零組件的可靠度，製造商也隨之開始針對產品訂定保固期限、建議維護頻率等，此即所謂的預防性維護(preventative maintenance，或稱定期維護，time-based maintenance)。然而，預防性維護仍會為設備維護工作帶來問題，例如若未能適當設定、動態調整維護周期，則設備很可能會在狀態仍屬良好時即需停機進行檢查，導致稼動率下降；另一方面，預防性維護也無法避免、或主動檢測出兩次維護間設備所可能發生的問題。相較於上述模式，狀態式維護及預測維護技術的發展動機，即在於運用訊號感測、聯網聯線、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發展與整合，彌補傳統維護模式的不足，並期望能降低設備非預期故障所可能造成的龐大損失。

綜上所述，狀態式維護及預測維護技術可在設備相關成本控管、產能維持、維護人力調度等方面為使用者帶來諸多效益；然而，以迴轉機械設備為例，此類技術的應用大量仰賴振動訊號分析[3-5]，但振動感測器及資料擷取轉換裝置(Data acquisition, DAQ)等必要硬體往往所費不貲，故難以有大量佈建之可能性。所幸隨著感測元件微小化、邊緣運算裝置高效化等技術的不斷發展及成本下降，特別是微機電(Microelectromechanical Systems, MEMS)加速規的性能提升，迴轉機械設備的維護技術也出現了再度發展的契機。為降低業界瞭解、導入、應用相關技術的困難度，本文將鎖定迴轉機械設備，並以工研院機械所所開發之智慧型振動感測器為例，解析硬體評估選用、感測及運算單元整合、軟體開發、功能測試驗證等關鍵開發工作，希冀協助讀者瞭解相關技術內涵，進而思考如何有效促進設備資產的狀態管理與維護效率。

系統架構及硬體選用與整合

設備預測維護技術的重要性，近年來已廣為產業界所認可，亦有諸多廠商已開始引入進行先期試驗；依據產業界之回饋，除了應用效益、分析準確性等面向以外，整體成本及便利性是最受到關注的議題。以振動監測為例，其所需硬體至少即包含振動感測器、DAQ、後端分析用電腦等，而此類硬體設備的成本，以及建置、佈線上的空間需求、場地條件限制等問題，皆是導致目前尚無廠商投入大量佈建的原因。針對此類問題，國外設備大廠如ABB [6]、Siemens [7]等，已先後針對工業用低壓馬達或其他迴轉機械推出整合感測及訊號基礎處理運算等功能的專用型監測模組，如表1所示。為提前對國內業界可能產生之需求做出回應，工研院機械所團隊透過科專計畫支援，以有效降低硬體成本及建置困難度、提升使用者接受度為出發點，整合了MEMS加速規、微控制器(Microcontroller Unit, MCU)、工研院機械所之預兆診斷演算法等，並逐步發展出所謂「黏在硬體上的軟體」[8]，以期國內使用者未來可受益於低成本、高度整合邊緣運算、低導入門檻的「智慧型振動感測器」。