如此除了能避免不必要的磨耗以及可能發生的故障，還能及早偵測出故障的成因。藉由這種監控機制的協助，在設施可用度方面可發揮可觀的優化潛力，成效也能隨之提升，同時帶來許多關鍵性的優勢。舉例來說，ABB藉此最多減少70%的關機時間；延長30%的馬達耐用年限；設施每年消耗能源則減少10%。
這種預測維護(Predictive Maintenance, PM)的主要元素，其專業術語為視狀況維護(Condition-Based Monitoring, CBM)，通常用在各種旋轉機器，包括像渦輪機、風扇、泵浦以及馬達等。透過CBM，有關運轉狀態的資訊都會即時記錄下來。但這種方法卻沒有做出有關可能故障或磨耗的預測。只有透過預測維護才能得知這類預測資訊，因此浮現出一個轉折點。在日趨智慧化感測器以及更強大的通訊網路與運算平台的幫助之下，我們不僅能建構模型、偵測變化，還能針對耐用年限進行詳細的計算。
為建立有意義的模型，必須分析包括振動、溫度、電流以及磁場等。現代的有線與無線通訊方法已經能進行全廠或全公司的設施監控。而透過各種雲端系統，還能進行更多型態的分析，這些資料能提供有關機器狀況的資訊，而操作或維護技術人員也能存取這些資訊。然而，對於這些額外的分析而言，機器上的智慧感測器與通訊設施是不可或缺的基礎，這些感測器該如何監控？應該有哪些要求？以及該具備什麼關鍵特性？這些與其他問題都將在本文中探討。
機器生命週期的表示法
狀態監控最基本的問題，應該是：機器還能放著讓它運作多久才必須進行維護？
一般而言，照理說越早進行維護越好。然而，若目標是要優化營運與維護成本，或是達到設施的最大效率，就需借助熟悉機器特性的專家提供相關知識。在分析馬達方面，這些專家主要來自軸承/潤滑專業領域，根據以往的狀況顯示，最弱的環結在於經驗。這些專家最終要決定偏離正常狀態與當時的生命週期(圖1)是否該另外進行維修或甚至直接更換。尚未使用過的機器，初期仍處在保固階段。不能排除在生命週期初期階段出現故障，但其機率相對罕見，且通常可追溯至各種製造瑕疵。只有在後續間隔性維護的階段，才會由妥善訓練的維護人員進行焦點式介入(Targeted Interventions)。其中包括定期性維護，不論機器狀況如何都要在特定時間點或經過一定時間之後如期進行，在本文的案例中，維護工作則是更換潤滑機油。在維護間隔之間出現故障的機率，同樣也相當低。機器使用累積到一定時間，就會進入狀態監控階段。從此之後，就理應會出現各種故障狀況。
圖1顯示以下6種變化，從超音波範圍的位準變化(1)之後是振動(2)透過潤滑劑的分析(3)或透過微幅增溫(4)根據可感知異音，在發生實際故障之前偵測出未決故障(Pending Failure)的早期跡象(5)或產生熱溫(6)振動經常用來判斷機件老化。這三部相同機器在其生命週期中出現的振動模式如圖2所示。在最初時期，三部機器都維護在正常範圍。但從中壽期開始，依其負載不同導致振動呈現增加或減少的趨勢，最後到了壽命終期，振動就急速增加到臨界範圍。一旦機器達到臨界範圍，就須立即採取必要反應。
透過振動分析進行CBM
包括輸出速度、齒輪比以及軸承元件數量等參數都是機器振動模式分析的主要元件。一般而言，齒輪箱造成的振動會在頻域中偵測出，而幅度會是動力軸轉速的倍數，軸承的特性頻率通常不會代表諧波分量。因渦流(Turbulence)與空泡化(Cavitation)產生的振動通常都會被偵測出來。其通常和經過風扇與泵浦的氣流或液流具關聯性，因此，一般被視為隨機振動。這類振動通常為靜態，而且在其統計特性上沒有變異數(Variance)。然而，隨機振動也可能是循環穩態(Cyclostationary)，因此會有各種統計特性。它們是由機器產生且具週期性，內燃機引擎的每個氣缸每次循環進行點火時就會出現震動。
另外，感測器的方位同時也扮演著重要的角色。如果單軸感測器量測到的主要是線性振動，那麼就必須根據振動的方向來調整感測器。雖然目前也有多軸感測器能記錄所有方向的振動，但單軸感測器由於本身的物理特色使它能提供較低的雜訊、更大的力量量測範圍以及更大的頻寬。
振動感測器的要求
要讓振動感測器廣泛用在狀態監控，有兩項因素最為關鍵：低成本以及小尺寸。以往業界主要採用的是壓電式感測器，如今微機電系統(MEMS)加速計的使用率則逐漸升高，它們都具有更高的解析度、卓越的漂移與靈敏度特性以及更佳的訊號雜訊比，能夠偵測接近dc範圍的超低頻率振動。此外，它們極度省電，因此適合用在電池供電的無線監控系統。另一項勝過壓電式元件的優勢，則是能將整個系統整合至一個外殼(系統晶片構裝)內。這些所謂的SiP解決方案逐漸發展成用來建構各種智慧系統，因為其額外納入許多重要功能：包括類比至數位轉換器以及微控制器等，其配合嵌入式韌體用來執行應用相關處理、通訊協定以及通用式介面，另外還包含了多元的保護功能。
整合式保護功能也相當重要，因為施予在感測器上的超大力道，經常會造成感測器破損甚至毀壞。整合可能發生的超範圍(Overrange)偵測能力，提供警訊機制，或藉由切斷內部時脈來關掉陀螺儀中的感測器元件，藉此保護感測器。圖3顯示SiP解決方案。
隨著CBM領域的要求增加，對感測器的要求也同樣會提高。對於實用的CBM而言，感測器量測範圍的要求(滿刻度量測範圍或FSR)要大於正負50g。
由於加速和頻率的平方成正比，因此也相對迅速達到這些高加速力。從公式1中可證明：
公式1
變數a代表加速，f代表頻率，d代表振動幅度。因此舉例來說，一個1kHz頻率的振動，光是1μm振幅就會產生39.5g的加速。
在雜訊效能方面，盡量加大頻率範圍下，這樣的數據顯得極低，從接近dc一直到兩位數kHz範圍，因此除了其他假影(Artifact)訊號外，系統能在極低轉速下偵測到軸承的異音，但精準地說，振動感測器的製造商目前已面臨許多巨大挑戰，尤其是多軸感測器。只有少數製造商提供適合的低雜訊感測器，為超過一個軸向提供2kHz以上的頻寬。其中Analog Devices(ADI)已針對CBM應用開發出ADXL356/ADXL357三軸感測器系列，不僅擁有卓越的雜訊效能，還具備優異的溫度穩定性。儘管其受限的頻寬僅1.5kHz(共振頻率=5.5kHz)，這些加速計仍能針對諸如風力發電機組等低轉速設備的狀態監控提供各項重要讀數。
該系列單軸感測器適合用於較高頻寬的應用，可提供最高到24kHz的頻寬(共振頻率=45kHz)，g值範圍可到正負100g，具備極低的雜訊。由於高頻寬的緣故，大多數故障發生在旋轉機器(受損的滑動軸承、不平衡、摩擦、鬆動、輪齒缺陷、軸承磨耗以及齒輪空蝕(Cavitation)，這些狀況都能透過此感測器系列偵測出來。
視狀況維護的可能分析方法
在CBM中的機器狀態分析可利用不同的方法完成。最常見的方法包括時域分析、頻域分析以及混合兩種分析法。
時域分析
在時域進行振動分析，有效值(根均方或rms)、峰至峰值以及振動幅度都會考量到，如圖4。
峰至峰值反映馬達轉軸的最大偏角，因此能計算其最大負荷(Loading)。相對之下，幅度值則描述振動時的最大幅度，以及判斷未感知的振動事件。然而，振動事件的經過時間或能源，以及破壞能力，這些都未被考量。因此效率值(Effective Value)通常是最具意義，因為它考量到振動時間歷史以及振動幅度值。rms振動統計臨界值的相關性，可透過馬達轉速所有參數的相依性獲得。
這類分析相當簡單，因為它既不需要基礎系統知識，也不需要任何類型的頻譜分析。
頻域分析
藉由頻率分析，振動訊號的暫時性變化會透過高速傅立葉轉換(FFT)分解成許多頻率元素。產生的幅度對頻率的頻譜圖可用來監控特定頻率元素，以及其諧波與邊頻，如圖5所示。
FFT被廣泛運用在振動分析，特別是偵測軸承損壞。藉此我們可將相關元素分派到每個頻率元素。透過FFT，滾動元件與受損區域之間接觸造成某些失效的重複性脈衝，其主要頻率就能加以濾除。由於其不同的頻率元素，我們也能區別出不同種類的軸承損壞(軸承外環或內環損壞，或是滾珠軸承受損)。然而，這類分析仍需要有關軸承、馬達以及整個系統的精準資訊。
此外，FFT程序需要透過微控制器持續錄下與處理振動的離散時間模組。雖然這需要的運算力稍微高於時間分析，但卻能更仔細地分析損壞。
結合時間與頻率分析
這種分析最為全面，因為它結合兩種方法的優點。時域的統計分析除了能提供系統在經過一段時間振動強度的資訊，還能分析是否落在允許範圍。頻率分析能以基礎頻率以及諧波元素的形式來監控速度，透過諧波能精準辨識出各種故障徵候。
追蹤基本頻率尤其能發揮關鍵作用，因為有效值以及其他統計參數都會隨著轉速而變化。如果統計參數和最後一次量測數據有大幅的改變，就必須檢查基本頻率以避免可能的假警報(False Alarms)
重複量測值經過時間出現變化，在所有三種分析方法中都相當常見。監控系統其中一種可行方法涉及第一次記錄健康狀況，或產生一個所謂的指紋(Fingerprint)。之後再將其用來和持續記錄的資料進行比對。在出現大幅偏離或超過對應臨界值時，屆時須進行反應。如圖6所示，可能的反應包括警告②或警報④，而依照嚴重程度的不同，偏離也可能需要維護人員立即介入。
藉由磁場分析進行CBM
由於整合式磁量計的快速發展，量測馬達周圍的散逸磁場便成為針對旋轉機器進行狀態監控中另一項前景看好的方法。這種方法是非接觸式，機器與感測器之間不需要直接連結。對於振動感測器而言，會用到的磁場感測器分為單軸與多軸版本。
對於故障偵測而言，應在軸向(與馬達軸平行)以及徑向(與馬達軸成直角)上量測。徑向磁場通常會被定子鐵芯以及馬達外殼所減弱。此外，還會受到空氣間隙內的磁通量所影響。徑向磁場是由籠狀轉子以及定子繞組端部的電流所產生。就量測兩種方向的磁場而言，磁量計的位置與方向都有決定性的影響。因此，建議選擇靠近馬達軸或馬達外殼的合適位置。另外同時量測溫度也絕對必要，因為磁場強度和溫度有直接關連。因此大致而言，現今磁場感測器都含有整合式溫度感測器。所以別忘了校正感測器以補償其溫度漂移。
FFT用來對電動馬達進行磁場式狀態監控，就如同振動量測的方法。然而就評估馬達狀況而言，就算約120Hz的低頻率範圍也算足夠。其中線頻率尤其顯眼，若出現故障，頻譜中會出現大量低頻率元素。
當籠狀轉子內的轉子導條(Rotor Bar)斷裂，滑差值(Slip Value)也會扮演決定性角色。它和負載有相關性，在無負載時的理想值為0%。在額定負載下，健康的機器會介於1%到5%之間，在故障事件時則會提高。就CBM而言，應在相同負載條件下進行量測，以消除負載相依性的效應。
預測性維護的狀態
不論狀態監控的類型為何，即使是最智慧的監控概念，也無法100%保證沒有非規劃的停機、故障或安全風險。能做的只是降低這些風險。應把它們看成是未來生產設施永續成功的先決條件。因此需要創新與迅速的研發－涉及其中的相關技術。目前不足之處是得權衡顧客的利益與成本。
不過，許多產業企業已體認到PM作為一項成功因素的重要性，因而也是未來業務的一項機會－不光只是在維護領域。儘管特別是在資料分析領域存在著許多嚴苛的挑戰，PM的技術可行性已大致成熟。然而，目前PM的發展仍是隨機應變的模式，預料未來的商業模式主要會由軟體元件來決定，硬體的附加價值則將逐漸降低。總結而言，PM在硬體與軟體的投資能促成更長的機器運轉時間，從更高良率的角度來看，其已經值回票價了。
(本文作者任職於ADI)
