第 2 章 感測技術與工業 IoT（IIoT）基礎

## 引言：賦予機器「感官」 在上一章中，我們討論了從「反應式維護」轉向「預測性維護（PdM）」的戰略必要性。然而，預測性維護的核心價值在於**資訊的領先性**。若要預測故障，系統必須能夠在設備進入臨界狀態前，捕捉到微小的物理異常。 這時，**工業物聯網（Industrial IoT, IIoT）與感測技術**就扮演了關鍵角色。它們如同自動化倉庫的「感官」，將物理世界的細微變化（如振動、溫度、電流）轉化為數位世界的訊號。本章將深入探討驅動預測性維護的四種核心感測技術，以及如何將這些原始數據流轉化為可供分析的數位資產。 --- ## 2.1 高頻振動感測（Vibration Analysis） 振動是機器健康狀況最直接的物理表現。對於自動化倉庫中的傳送帶馬達、滾筒、轉動軸承（Bearings）以及齒輪組，振動特徵往往能預告機械故障。 * **技術原理：** 透過**加速度計（Accelerometer）**捕捉設備運行時產生的振動波形。不同於一般的穩定監測，預測性維護強調「高頻」採樣，以便捕捉高速旋轉零件產生的細微異常。 * **預測場景：** * **軸承損壞：** 早期磨損會產生特定的高頻衝擊，在聽覺或肉眼察覺前，振動分析能識別出滾珠或軌道磨損的特徵頻率。 * **不平衡與錯位：** 轉子不平衡或對齊不良會導致特定的諧波頻率增加。 * **齒輪損耗：** 齒輪受損會產生特定頻率的脈衝，影響傳動系統的平穩度。 * **關鍵參數：** 包含振幅（Amplitude）、頻率（Frequency）與能量分布。在預測性維護中，我們關注的是這些參數在時間軸上的**演變趨勢**。 ## 2.2 紅外線與熱能監測（Infrared & Thermal Imaging） 熱能是能量損耗與機械摩擦的產物。在工業環境中，異常的高溫通常意味著預警信號。 * **技術原理：** 利用紅外線（IR）感測器或熱顯像儀，捕捉物件發射的紅外線能。這可以非接觸式地監測設備表面溫度。 * **預測場景：** * **電機過熱：** 馬達內部繞線因絕緣破壞或過載導致局部高溫。 * **電氣接觸不良：** 在控制櫃或連接處，接觸不良會產生電弧或高電阻，導致局部溫度飆升，這往往是火災或斷路的預警。 * **潤滑不足：** 摩擦力過大導致齒輪或軸承溫度異常升高。 ## 2.3 超音波聲學分析（Ultrasonic Analysis） 許多故障在產生明顯振動或熱量之前，會先產生高頻的超音波。人類耳中聽不到這些聲音，但感測器可以捕捉到。 * **技術師項：** 透過超音波探頭監測高頻範圍（通常為 20kHz 以上）的聲學訊號。 * **預測場景：** * **氣體洩漏：** 偵測壓縮空氣系統（Pneumatic systems）中的微小洩漏，這在倉儲自動化設備（如氣壓驅動的氣缸）中非常常見。 * **早期軸承摩擦：** 在軸承發生嚴重損傷產生明顯振動前，微小的磨損點產生的超音波訊號可作為早期預警。 * **潤滑不良：** 偵測潤滑油膜破裂造成的金屬摩擦聲。 ## 2.4 電流與電壓波形監測（Current & Voltage Monitoring） 對於電氣驅動的機器，**馬達電流特徵分析（Motor Current Signature Analysis, MCSA）**是一種強大的預測工具。 * **技術原理：** 監測馬達運轉時的電流與電壓波形。當馬達受到的負載不均、電刷磨損或內部繞線短路時，電流波形會出現特徵性的畸變。 * **預測場景：** * **馬達磨損：** 識別馬達轉子與定子之間的異常交互。 * **轉速不穩：** 監測變頻器（VFD）控制下的轉速波動，避免機械結構過度疲勞。 * **電力質量分析：** 辨識電網中的諧波或突波，預防電力電子組件損壞。 --- ## 2.5 從物理訊號到數位數據流：IIoT 基礎架構 收集到感測器端的原始物理訊號（如類比電壓、電流、感測數據）後，必須經過處理才能成為預測模型的素材。這個過程涉及到幾個關鍵的技術轉換： ### 1. 類比轉數位（ADC）與採樣率 為了確保預測模型的精準度，數據的採樣必須足夠密集。例如，要分析高頻振動，感測器必須以每秒數萬次的頻率進行採樣，以確保捕捉到所有關鍵的諧波成分。 ### 2. 邊緣運算（Edge Computing） 在大量數據產生時，並非所有原始訊號都需要傳輸到雲端。**邊緣閘道（Edge Gateway）**可以在現場進行初步處理，例如： * **去噪（Denoising）：** 去除環境噪音對數據的干擾。 * **特徵提取（Feature Extraction）：** 將長串的原始波形數據轉化為精簡的統計特徵（如 RMS 值、峰值、皮克值）。 ### 3. 通訊協定與標準 為了讓感測設備與上層系統連通，工業環境中常用以下協定： | 協定 | 特點 | 應用場景 | | :--- | :--- | :--- | | **Modbus TCP/RTU** | 成熟、簡單、兼容性高 | 基本的感測器讀數（如溫度、壓力） | | **MQTT** | 低頻寬、延遲低、適合異質設備 | 將感測數據傳送到雲端平台 | | **OPC-UA** | 強大的安全驗證、結構化良好 | 工廠層級的複雜機器數據集成 | ## 本章小結 感測技術是預測性維護的「基礎建設」。在自動化倉儲中，僅依靠單一的溫度監測往往不足以捕捉早期故障。真正的預測性維護體系，是結合了**振動、熱能、超音波與電流**等多維度的感測數據。透過工業 IoT 技術，我們將這些物理世界的現象轉化為穩定、精準且具備時間序列特徵的數據流，這為下一章中我們探討的「訊號處理與特徵提取」提供了高品質的原料。