在工業 4.0 設施中部署預測性維護，達到最高效益

作者：Jeff Shepard

資料提供者：DigiKey 北美編輯群

2025-08-14

預測性維護 (PdM) 運用資料分析和機器學習 (ML)，在工業 4.0 中非常重要，因為可以達到主動設備管理、最佳化效率、維護排程，以及大幅縮短停機時間以支援更高的永續性。成功部署預測性維護 (PdM) 的關鍵在於及時且準確的資料收集

這些資料必須完整：電源供應器可以監控直流電壓 (V_DC) 和電流 (I_DC)、峰值電流 (I_PEAK)、運作時間、替換時間。此外，還需要馬達狀態監測器監測振動、溫度、電流、絕緣電阻 (接地故障)。

高壓控制面板、電力變壓器、液壓設備、馬達和軸承、變速箱等一系列裝置則需要熱狀態監測器。以上這些電源供應器、馬達、熱監測器都需要乙太網路/IP 或 Modbus TCP 連線傳送資料進行即時分析。

本文首先簡要概述預測性維護、其眾多優勢以及如何納入工業 4.0 系統架構。接著深入探討 Omron 的各種預測性維護裝置和軟體。最後，討論如何使用人工智慧 (AI) 最佳化預測性維護效能。

維護設備和設施有三種方式，預測性維護是其中之一。在平衡環境和業務成本方面，介於反應性維護和預防性維護 (圖 1)。在三種方式中如何選擇，需考量在環境和業務成本之間的相對重要性。

預測性維護介於反應性維護和預防性維護之間圖 圖 1：預測性維護介於反應性維護和預防性維護方法之間，在業務和環境考量達到平衡。(圖片來源：Omron)

反應性維護等待故障發生，然後加以處理，會同時增加環境和業務成本。預防性維護則透過定期人工檢查，識別將發生的故障，優先考量最小的環境成本，但可能會導致過多的設備停機時間和高昂的業務費用。也被視為另一種形式的反應性維護，但其驅動因素為預先確定，且有些有點任意、經過排程，而非立即的設備故障。

先進的感測器問世，以及人工智慧和機器學習工具的興起，促進預測性維護的發展。預測性維護可以部署技術來平衡環境和業務成本。

可擴展且具有彈性

預測性維護並不是一個「一體適用」的選擇，它具有可擴展性和彈性，可部署在單一企業關鍵設備、多台設備，或者使用集中化監控於整體設施。組織可從小規模開始部署預測性維護，並逐步擴展，如此能大幅減少改造既有設施時造成的中斷。

提供各種相容組件支援可擴展解決方案，如感測器、監控單元、控制器，可依據需求添加。使用乙太網路／IP 和 Modbus TCP 等工業通訊協定，可簡化與現有系統的整合並增強功能，如支援同步遠端監控多重裝置。

可擴展軟體解決方案可從集中化辦公室控制中心或設施樓層的各個站點分析資料和管理設備。

這些解決方案能與現有設備整合，無需進行大幅修改，進而增加靈活性。可以針對幾乎所有產業進行最佳化，包括食品和飲料、汽車、醫療裝置製造、半導體和電子、軍事和航太、物流和倉儲等。

由各種預測性維護裝置支援此靈活性，包括用於監控電源供應器、馬達狀態 (電流、振動、溫度、絕緣電阻) 和熱狀態的解決方案。此外，標準軟體功能塊 (FB) 可用於數據採集、通訊、資料處理和分析、設定警報和發送通知、資料記錄和報告，以及實作客製化的人工智慧和機器學習架構預測性維護分析。

狀態監控器取代簡單的感測器

預測性維護與其他方式的關鍵區別之一在於其使用狀態監視器而非簡單的感測器來追蹤設備效能並執行主動維護。如同感測器，狀態監測器與所監測的設備放在一起。

然而，感測器可以使用 IO-Link 等相對簡單的協定進行部署，但狀態監視器則需要更複雜的連接，如乙太網路／IP 或 Modbus TCP。狀態監視器可以執行本機資料處理，並且一般包括通常與感測器不相關的狀態顯示。

狀態監視器可以透過一個或多個通訊中樞，連接到更高層級的裝置，例如人機介面 (HMI)，可為資料視覺化提供集中化站點，或連接到可編程邏輯控制器 (PLC) 或具有更全面資料分析工具 (包括人工智慧和機器學習) 的集中化監控系統 (圖 2)。

圖 2：Omron 的預測性維護解決方案套件可以單獨部署，用於監控關鍵資產。從小規模開始，逐步擴展，直到覆蓋整個製造或物流站點，提供全面的解決方案。(圖片來源：Omron)

深入探索

Omron 提供多種預測性維護裝置和軟體。例如，S8VK-X 乙太網路連接智慧電源供應器可以測量各方面的效能，包括用於監控能耗的 Vout 和 Iout，以及用於識別潛在過載的 I_PEAK。

這些電源供應器測量實際運行時間。此外，還使用阿瑞尼斯方程式估算電解電容的剩餘壽命。在此方程式中，溫度每升高 10°C，電容的壽命就會減少約一半，並結合實際工作溫度，結果將以年數或剩餘壽命的百分比顯示。

S8VK-X 電源供應器的額定功率為 30 W 至 480 W，輸出電壓為 5 V_DC、12 V_DC、24 V_DC。亦提供整合式監視器，如額定電壓為 24 V_DC 和 480 W 的 S8VK-X48024A-EIP，或者不含整合式監視器的單元，如額定電壓為 5 V_DC 和 30 W 的 S8VK-X03005-EIP。

電動馬達狀態監測是預測性維護的一個重要層面，Omron 的 K6CM 馬達維護監測器適用於所有類型的水幫浦，以及暖風空調 (HVAC)、農業、電扶梯和大多數其他電動馬達應用中的馬達。

馬達維護監測器可用於監測振動和溫度、絕緣電阻、馬達電流。提供 100 至 240 三相 V_AC 或 24 V_AC/V_DC 輸入電源的型號。

可以使用以 24 V_AC/V_DC 運作的 K6CM-VBMD-EIP 監控振動和溫度。所有溫度監測器均與 K6CM-VBS1 振動和溫度感測器搭配使用。此感測器由位於馬達上的感測器頭和連接感測器和監測器之間的前置放大器所組成。

可使用由 24 V_AC/V_DC 供電的 K6CM-ISMD-EIP 以及 K6CM-ISZBI52 零電流互感器 (ZCT) 和絕緣電阻傳輸 (IRT) 感測器監控絕緣電阻健康狀況。零電流互感器可測量三相馬達電路中的漏電流，而絕緣電阻傳輸則測量馬達繞組和接地之間的絕緣電阻。

還可以使用工作電壓為 100 V_AC 至 240 V_AC 的 K6CM-CIMA-EIP 搭配額定電流為 400 A 的 K6CM-CICB400 電流感測器監測三相感應馬達的狀態。亦提供其他型號的電流感測器，電流介於 5 A 至 600 A。

這些監測器採用 Omron 的完整電流診斷技術。透過量化理想正弦波和測量電流波形之間的偏差，偵測空蝕或空氣污染等異常情況。藉由分析測量電流波形的頻率成分，可以量化錯位、負載不平衡、異物黏附等情況。

K6PM 熱狀態監控系統可對各種工業設備實作預測性維護，例如高壓控制面板、變壓器、液壓設備、資料中心、軸承、變速箱等。包括 K6PM-THS3232 熱成像控制器和 K6PM-THMD-EIP 熱成像紅外線 (IR) 感測器，可監測 0°C 至 +200°C 的溫度。

單一 K6PM 熱狀態控制器可監控多達 31 個紅外線感測器。免費 PC 監控軟體包括異常溫度偵測演算法和三級溫度警報，此軟體亦支援使用者定義的警報閾值。

圖 3：Omron 預測性維護產品的核心功能包括智慧電源供應器、馬達和熱狀態監控器以及相關感測器。(圖片來源：Omron)

在邊緣添加預測性維護人工智慧

Omron 的人工智慧預測性維護庫屬於 Sysmac 庫軟體的功能，運用 NX/NY 系列人工智慧機器自動化控制器 (人工智慧控制器) 的人工智慧功能。人工智慧預測性維護庫包含各個機制 (氣壓缸、滾珠螺桿、皮帶輪等裝置和組件) 的功能塊。

使用者能以可重複使用的程式碼塊建立和整合自訂功能塊，客製化預測性維護功能。自訂功能塊可用於：

開發特定應用演算法
連接更多類型的感測器或其他設備，進行數據採集
自訂資料處理流程以符合特定預測性維護實作策略

功能塊產生的變數可用作 NX/NY 控制器中人工智慧引擎的輸入。人工智慧引擎分析依時序收集的資料，用於發掘設備中的異常模式或行為。完整的人工智慧引擎設計能在人工智慧控制器內自主運作。

用於預測性維護的人工智慧控制器

Omron 的 NX/NY 系列人工智慧控制器包括 NX701-Z700，無需連接雲端即可實作預測性維護人工智慧。NX701 可在單一程式中控制多達 256 個動作軸，降低安裝成本並簡化程式設計、驗證、修訂控制。

包含整合式乙太網路／IP 和 EtherCAT 通訊連接埠，如此一來，工業控制網路設計人員可以運用乙太網路／IP 達到更大的封包，並使用 EtherCAT 確保封包傳輸，以支援確定性的動作。80 MB 程式記憶體支援大量功能塊和 Omron 的人工智慧預測性維護庫 (圖 4)。

Omron 的 NX701-Z700 可實作預測性維護人工智慧圖片 圖 4：NX701-Z700 無需連接雲端即可實作預測性維護人工智慧，並且可在單一程式中控制多達 256 個動作軸。(圖片來源：Omron)

NX701-Z700 人工智慧控制器的其他功能：

隨插即用，整合 120 多個 NX 輸入／輸出 (I/O) 單元
完整的軟體環境，包括 Sysmac Studio、Omron Vision、Omron Motion、Omron Robotics、Omron Safety Components
支援多種工業通訊協定，包括乙太網路／IP、EtherCAT、Fail Safe Over EtherCAT、IO-Link、Factory Scale Motion
保證 EtherCAT 週期時間從 0.125 ms 到 0.250 ms (以 0.125 ms 為增量) 以及從 0.250 ms 到 8 ms (以 0.250 ms 為增量)

結論

預測性維護是工業 4.0 工廠和物流營運中，最佳化環境與業務平衡的新典範。運用先進的感測器、時序資料庫，以及含邊緣人工智慧的 PLC，持續監控設備的效能和健康狀況、預測潛在故障並主動安排維護。

以預測性維護進行定期監控和維護，有助於及早辨識並處理潛在問題，防止提前磨損和耗損，進而延長資產的壽命。預測性維護有助於讓設備達到最長正常運作時間、減少浪費、提高營運效率。最後，預測性維護具有高度靈活性和可擴展性，組織可以根據需求，在整體設施內快速或逐步部署預測性維護，同時仍能顯著的改善效能和節約成本。