馬達異常狀態監控技術研究

摘要：馬達是各種機械中最常出現的設備，在各大製造業中的機台設備裡扮演著重要的角色。在突如其來的馬達運行異常造成的設備停擺甚至導致大量不良品產出造成的廢料等，無疑都是造成企業的成本風險提高。本文目的在建立一套馬達異常監控系統，解決上述馬達異常造成的痛點。本文於VMX平台上建立資料擷取模組，於馬達運行中擷取振動訊號等資訊，接著於iMacloud平台上的AI工具箱模組進行資料前處理、特徵篩選來對於馬達異常狀態進行分類。建置的監控系統未來可提供使用者馬達異常警示，協助製造業者減少停機之機會及廢料的產生，達成機台智能化之加工效率的提升。
Abstract：Motor is the most common equipment in all kinds of machinery, and it plays an important role in the machine equipment of major manufacturing industries. In the unexpected motor operation abnormality caused by the equipment shutdown or even lead to a large number of defective products caused by the waste, undoubtedly are caused by the cost of enterprises to increase the risk. This article establishes a set of motor abnormal monitoring system to solve the above pain points caused by motor abnormalities. In this article, a data acquisition module is built on the VMX platform to capture vibration signals during motor operation, and then the AI toolbox module on the iMacloud platform is used to pre-process the data and filter the features to categorize the abnormal status of motors. The built-in monitoring system will provide users with motor abnormality alerts to help manufacturers reduce machine stoppages and waste material production, and achieve intelligent machine processing efficiency improvement.

關鍵詞：馬達異常、訊號分析、數據分類
Keywords：Motor abnormal, Signal analysis, Data classification

前言
因應全球智慧製造、智慧能源等發燒議題，智慧製造市場需求快速的放大，預測性維護為工業物聯網未來最大的應用需求之一，主要的應用市場將會是製造業、石化業與電廠。馬達是各種機械中最常出現的設備，在系統中扮演者電能轉動能的角色。而在各式不同的馬達中，感應馬達由於其優異的性價比、穩定的性能是最廣泛使用的機型。感應馬達由許多部件所構成，在整個壽命週期裡一些零組件的損壞並不會造成馬達停止運轉，然而有相關研究指出馬達在異常狀態下運行時會導致消耗更多的能源。因此馬達設備的預測性維護等相關問題值得深入探討。
在早期沒有保養的概念時，通常會在設備或設施出現故障時才進行維修，稱為反應式維護 (Reactive Maintenance)，這種方法通常是在故障已經發生且影響生產或運作時才會進行相關維護措施，它可能導致生產中斷、高額維護成本和無法預測的停機時間。接著，定期保養的觀念產生，稱為預防性維護 (Preventative Maintenance)，這種方法通常是根據時間、使用次數或特定事件進行維護，來確保設備處於最佳狀態，但這可能產生維護頻率過高、危險設備不易保養、設備維護週期不盡相同進而導致人力成本與維護成本越高，甚至時常發生故障點發生在維護之後等問題。
為解決上述問題，基於狀態性維護 (Condition-Based Maintenance)以及預測性維護 (Predictive Maintenance)被廣泛使用，利用於目標設備上裝設感測器並時時監控設備運行狀態，並預先設定好閥值作為維護需求與否的標準；在監控設備的同時收集感測器之數據資料，以數據驅動的方式建立預測模型進而達到預測性維護來降低人力及維護成本，也能避免異常狀態時造成多餘能源損耗。
因此，本文透過了IEEE所舉辦的PHM Data Challenge比賽中的Dataset進行研究分析，接著於VMX平台上建立資料擷取模組，於馬達運行中擷取振動訊號等資訊，並將AI工具箱的功能導入監控系統中進行異常狀態監控，可提供使用者馬達異常警示。協助製造業者減少停機之機會及廢料的產生，達成機台智能化之加工效率的提升。
馬達異常狀態監控技術研究
本文分為五個部分，第一部分為資料擷取模組，介紹系統的架構，並針對訊號的資料結構進行說明。第二個部分為分析方法介紹，說明透過數據資料庫中的數據集，如何利用AI工具箱進行資料前處理包含將數據分析、劃分、分類等方法。第三個部分為實驗數據分析與結果說明。第四部分是實際應用案例介紹。第五部分為結論。
1.資料擷取模組
將三軸向加速規安裝至監控馬達上，再利用資料擷取卡將訊號匯入至外掛的工業電腦中，並於工業電腦中導入VMX機聯網系統。訊號擷取模組示意圖如圖1所示。資料擷取模組記錄了原始的振動訊號，以及固定時間間隔將振動訊號經由特徵萃取為時域、頻域特徵，將運行中的資料進行收集後提供給馬達異常監控系統做使用。此系統具備線上監控的功能進行線上即時監測馬達狀態，若偵測出異常會發出警報提示，或是進行停機等處置，這些操作過程也會記錄在歷程檔中供後續追蹤。

(a)

(b)

圖1 訊號擷取模組之示意圖 (a)模組架構 (b)即時訊號可視化