Newsletter 25002

5分鐘搞懂振動監測：提高設備壽命的關鍵技術

固德科技報｜5分鐘搞懂振動監測：提高設備壽命的關鍵技術

#PHM

#PDM

Posted On : 26 Feb. 2025
為什麼要為設備進行振動監測？振動監測有哪些關鍵指標？線上監測與巡檢量測哪種方式更適合您的設備？

為什麼振動監測這麼重要？

你有沒有想過工業設備的壽命，與運行狀態息息相關？設備在運行時的振動，其實就是設備健康狀況的一種「語言表達」。根據統計，大約70%的機械故障都跟振動異常有關，如果我們能夠透過有效的振動監測技術，就能更早發現潛在問題，避免機台突然罷工，導致生產線停擺。

設備若能自己「告訴」你它哪裡不舒服，企業就能提前做出應對，減少非計畫性停機的風險，甚至還能夠延長設備的使用壽命，這正是振動監測技術的價值所在！

＃PHM ＃設備壽命＃生產效率

振動監測是什麼？

振動監測（Vibration Monitoring）是一種透過感測器即時收集設備振動數據，並透過分析這些數據來識別異常模式的技術。當機械零件開始老化、鬆動或磨損時，其振動頻率和幅度會發生變化，因此振動監測能有效預測設備潛在的故障。

振動與設備故障的關聯性
振動是機械設備運行過程中的自然現象，但當振動強度或頻率異常時，往往意味著機械部件的損壞或潛在故障。

例如：
• 軸承磨損：長時間運行後，軸承內部可能出現微小裂縫，這些裂縫會導致高頻振動，進而加速損壞。
• 不對中問題：如果馬達與傳動軸未對準，將導致設備產生異常振動，進而影響整個機械系統。
• 機械不平衡：旋轉設備（如風扇、渦輪機）如果未經適當平衡，會產生過度振動，縮短零件壽命。
• 鬆動或結構疲勞：設備零件因長時間使用，可能因為螺栓鬆動或金屬疲勞而導致振動異常。

設備異常有哪些指標呢？

備異常的判斷可依據多種關鍵指標，這些指標可以幫助工程師及維護團隊提前預測設備問題，降低非計畫性停機的風險。以下順便說明有哪些是常見的設備異常指標：

振動指標（Vibration Indicators）
振動異常是機械設備故障的最早期徵兆，以下是常見的振動監測指標：

1. 振動幅度（Amplitude）：測量設備振動的強度，單位為 mm/s、m/s² 或 g。振動幅度超過 ISO 10816 標準可能表示不平衡、軸承故障、對中異常等問題。
2. 頻率（Frequency, Hz）：當特定頻率的振動能量過高，可能代表共振、齒輪磨損、軸承異常等問題。
3.加速度（Acceleration）：測量振動變化率，可用於檢測高速設備的異常，特別適用於旋轉機械和馬達。
4. 總振動值（Overall Vibration）： • 監測設備的總體振動能量（例如 RMS 值），當總振動超過正常範圍，表示可能有結構性問題。
5 衝擊值（Shock Pulse）： • 用於檢測滾動軸承、齒輪異常，因為這些零件的微小損傷會產生高頻衝擊波。

其他還有常與摩擦、電氣問題相關的溫度指標（Temperature Indicators），溫度異常是許多設備故障的次級指標，軸承溫度上升可能代表潤滑不足、滾動體損壞或過載問題。而馬達溫度異常可能因為過載、冷卻系統故障、電源不穩導致。齒輪箱溫度升高可能表示潤滑不足、齒輪咬合異常、過載等問題。

電流與功率指標則通常與負載異常、馬達故障或電源問題有關。三相馬達的電流不平衡超過 10% 可能表示相位問題、電源品質差或繞組短路。當功率因數低於正常範圍，可能代表馬達效率下降、負載不匹配。突然的負載上升或下降可能表示機械卡滯、過載等情況等等。

此外，還有油品與潤滑異常指標，當遇到潤滑不足或油品變質也可能會導致設備的異常，設備的潤滑油溫度異常上升，可能代表摩擦過大、潤滑失效。若檢測到金屬碎屑、水分、碳沉積，可能代表機械磨損或冷卻液滲漏。

振動監測的優勢

預測性維護降低意外停機：
傳統的設備維護方式大多屬於「計畫性維護」或「事後維護」，即透過固定時間進行檢查，或在設備故障後才進行修復。然而，這種方式無法確保設備在兩次檢查之間的健康狀態。

振動監測技術允許企業實施預測性維護（Predictive Maintenance），即在設備尚未發生明顯故障前，透過振動數據分析來預測可能的問題。例如，一台工業馬達的振動數據顯示異常頻率變化，工程師可提前規劃維修，而不需等到設備完全損壞才處理。

延長設備壽命與降低維修成本
振動監測可以幫助企業發現早期的機械異常，避免故障擴大。根據研究，透過預測性維護可降低40%的維修成本，並且將設備壽命延長 30% 以上。

提高生產效率與產品品質
許多製造業的生產設備（如半導體製程機台、汽車沖壓機等）對於設備的穩定性要求極高，任何異常振動都可能導致產品瑕疵。例如，在半導體製造中，一台設備的細微振動可能會影響晶圓精度，導致良率下降。透過即時振動監測，企業可確保設備維持最佳狀態，確保生產品質。

提升安全性
除了降低成本與提升效率，振動監測還可降低安全風險。例如，石化廠的大型設備如果出現振動異常，可能代表設備內部存在裂縫，若未即時處理，可能導致設備爆炸或洩漏，威脅員工安全與環境。

振動監測的核心技術？

振動監測主要需要三大項目，一是選擇適合的感測器、二是搭配適合的運算技術、三是硬體的使用，包含市面上常見的傳輸系統與邊緣運算電腦等。

目前業界常見的振動監測技術包括：
• 傅立葉轉換（FFT）：將時間域數據轉換為頻率域，幫助工程師識別特定頻率的異常。例如，設備異常可能會在特定頻率上產生峰值。
• 時域分析：直接分析振動波形，以監測突發異常事件，例如設備不平衡、軸承損壞等。
• 包絡分析：專門用於檢測滾動軸承的早期故障，可以識別微小的變化。

分析方法	適用對象	優勢	限制
FFT 頻譜分析	低頻結構異常（如不平衡、不對中）	適用於旋轉機械的大範圍診斷	無法準確檢測高頻故障（如軸承、齒輪問題）
時域分析	檢測整體振動變化	直觀顯示振動趨勢	無法識別特定頻率的異常
包絡分析	軸承、齒輪損壞的早期診斷	可檢測高頻脈衝信號，提早發現異常	需要適當的濾波選擇來確保信號提取的準確性

AI 與機器學習振動分析
此外，還有目前發展迅速的 AI 訓練模型，我們可以透過歷史數據學習正常與異常的振動模式，提供更精準的預測。例如，透過 AI 模型識別異常趨勢，可提前幾週預測設備損壞。利用邊緣運算（Edge Computing）允許感測器即時處理數據，減少數據傳輸延遲，確保即時反應。以及數據融合技術，將振動數據與溫度、壓力等多種感測器數據結合，提高異常檢測準確率。

線上（Online） vs. 巡檢量測

在振動監測領域，監測方式主要可分為線上監測（Online Monitoring）和巡檢量測。兩者在應用場景、監測方式、成本及技術要求上各有不同

線上監測
線上監測指的是連續或定期自動監測機械設備的振動狀況，通常透過固定式感測器與遠端數據傳輸技術來實現。可24/7連續監測，即時發現異常情況、避免突發性停機事故。因為當設備異常振動發生時，系統能自動發送警報，避免重大設備損壞。搭配支援IoT（物聯網）技術，也可透過無線傳輸（Wi-Fi、LoRa、4G/5G）將數據上傳至雲端，方便遠端監測與大數據分析。

較適合監測高價值關鍵機台（如半導體製造設備、電廠渦輪機、大型馬達等），即便設備運行中也能監測，減少人工巡檢負擔。在高溫、高壓、密閉空間等不適合人工巡檢的環境（如石化廠、核電廠）特別有價值。

巡檢量測
巡檢量測是指透過人工的方式，定期（如每週、每月）使用手持式振動分析儀或巡檢設備來收集數據，並在測量後分析結果。成本較低，無需安裝固定式感測器，只需購買手持式分析儀，初期投資相對較小。適合中小企業或不需長時間監測的設備。

操作人員可依需求測量不同機台，不受限於固定監測點。適合移動設備或不固定運行設備（如定期啟動的泵浦、壓縮機等）。但不適合高風險設備，例如：核電廠、半導體廠、石化業等關鍵設備，若依靠離線監測，可能無法及時發現故障，造成重大經濟損失。

比較項目	線上監測	巡檢量測
監測方式	連續監測	定期量測
適用設備	重要、關鍵設備（如半導體、電力系統）	一般工廠設備、非關鍵機台
安裝成本	高（需感測器、數據採集裝置）、硬體設備等	低（僅需手持設備與感測器）
數據分析	需大數據管理與AI分析	手動分析，數據量小
預測能力	可進行故障預測	較無法即時發現故障
操作需求	自動化，減少人為誤差	需人員巡檢，受技術影響

固德科技的應用策略

1. 混合式監測方案
提供線上監測 + 巡檢量測的綜合解決方案，例如：RM-IOT-B + 手持式的SMS-RC是透過無線振動感測器 + AI數據分析平台，幫助客戶實現自動化監測與早期預警，提升設備可靠度。透過手持式巡檢分析儀能夠進一步瞭解設備異因，準確維修。

2. 行動化振動巡檢系統
開發手機或平板適用的簡易量測功能，搭配手持式感測器，讓工程師可以即時測量並上傳數據，進一步透過雲端進行診斷分析。

RM-IoT-B 線上監測系統

只要是設備，多半都有馬達，藉由馬達帶動而產生機械作動。因此，廠區內佈滿大量的馬達、泵浦、壓縮機、空調機設備等，若能掌握轉子狀態，就能掌握 60-70% 的設備問題關鍵點。

RM-IoT 線上監測系統

RM-IoT-B 線上監測系統

掌握轉子狀態，就能掌握 60-70% 的設備問題關鍵點

旋轉設備檢測異因

各式馬達轉子振動異因檢測。振動數據是屬於前期指標，能有效在設備油潤不足時、軸承摩擦或軸彎曲初期時，即可從振動頻譜或振動值看出端倪。

轉子電機設備檢測

旋轉機械振動檢測

掌握轉子馬達狀態，就能掌握60~70％廠區設備異常問題。

產業痛點：半導體產線，降低產品良率

透過振動監測除了能夠掌握設備的狀態，還為您解決最急迫的廠區或產線的問題。

案例詳述：半導體製造過程極度依賴精密設備，如搬運機械手臂、蝕刻機等，任何細微的振動異常都可能導致生產缺陷，甚至影響良率。晶圓搬運機械手臂在運送過程中發生輕微的震顫，導致晶圓的報廢。過去只能依賴人工定期停機檢查，難以即時發現異常，耽誤製程也降低產品良率。

解決方案：導入VMS-ML機器學習智能監控系統，透過機器學習系統學習紀錄手臂正常運行的狀態，當發生異常時則即時預警，提前停機，避免發生晶圓刮傷或報廢。並且透過數據累積的趨勢圖能夠了解設備的狀態，找出最佳保養時機。

結果：停機時間減少30%，產能提升20%。

VMS®-ML 機器學習智能監控系統

針對各式機械設備的動態監測，使用者透過簡單建立健康規範，系統學習動作依照所累積的數據統計進而做出分析判斷，產業進而可訂立預知保養計畫並有助於設計者優化產線設計流程。