在全球製造業競逐智慧化與零停機的時代，設備維護方式正迎來技術翻轉的契機。過去工廠往往倚賴人工巡檢與定期維護，故障常在毫無預兆下發生，導致高額損失與產線停擺；隨著AI、邊緣運算與高頻感測技術成熟，一種源自航太領域的技術—預測與健康管理（Prognostics and Health Management；PHM）正逐步成為智慧工廠的底層引擎。這套結合故障預測與智慧調度的機制，不僅侷限於製造現場預測設備的剩餘壽命，也正在改寫企業對維護、供應鏈與永續經營（ESG）管理的思維，讓維護從「成本中心」轉變為「營運利潤槓桿」。

本次【東西講座】邀請機智雲研發長許驥親臨現場，探究如何以PHM技術結合數據及現場工況發揮實質管控成效。同時，也將針對工業自動化所面臨的挑戰及未來可能開展的創新服務進行深入探討，協助與會者掌握台灣產業邁向新時代的關鍵契機。

圖一 : 本次講座邀請機智雲研發長許驥探究如何以PHM技術結合數據及現場工況發揮實質管控成效。（攝影／王岫晨）

其實PHM的興起與關燈工廠的願景緊密相連。當生產系統朝向高度自動化與低人力干預邁進，設備便必須具備更高的自主管理能力，以確保24小時不間斷的穩定運作。在完全無人化或極少人力支持的情境下，任何突發故障都可能造成成倍放大的停機風險。因此，企業不再滿足於「是否出現異常」的監測，而需要精準掌握「何時會故障」的預測能力。PHM的價值正在於此，它將傳統工學、訊號處理、AI模型融為一體，使得設備能自我感知、自我評估並提前發出維護時機。

PHM的運作核心由四大能力構成：數據採集、特徵工程、健康分數評估與餘命預測。首先，系統以振動、溫度、電流、壓力等各類感測器蒐集高頻訊號，並在邊緣設備上進行即時濾波與預處理，以降低延遲與資料量。之後透過傅立葉分析與統計方法，從大量噪訊中萃取可能反映磨耗、鬆動或退化的關鍵特徵。這些特徵再輸入AI模型，轉換成一個0～100的健康分數，讓複雜設備狀態一目了然。最終，系統運算設備的剩餘可用壽命（RUL），以「還能再運行X天／週／月」的方式呈現，成為預測維護真正能落地執行的關鍵。

然而，要讓PHM提供可靠預測，最大的挑戰並非AI，而是資料治理。現場OT數據與企業IT系統的資料型態差異極大：前者頻率高、波形複雜，後者則為結構化的維修記錄、工單、ERP或MES資料。若兩者無法以一致的時間軸與標準格式整合，PHM模型將難以建立準確的退化路徑。許多企業在導入PHM的早期階段，往往是在資料清洗、特徵標註與跨部門協作上面臨最大的挑戰。建立統一的資料湖架構與明確的資料治理流程，為企業從概念驗證走向實際部署的關鍵門檻。

圖二 : 機智雲研發長許驥

PHM的產業應用已從單點監測擴展至完整設備鏈的管理。在地下管線偵漏案例中，傳統巡檢方式可能需要數小時才能確認異常，而以管線原有感測器搭配邊緣運算後，偵測時間縮短到五分鐘內，大幅降低環境與工安風險。另一針對電源供應器的案例，則是AI能偵測電壓、電流的細微波動，提前三到六週預測電容退化，避免資料中心、工廠自動化設備因突發故障而大範圍停機。這些案例展現PHM從診斷走向預測後，如何成為維護策略的主動工具。

但是PHM的真正價值，在於它被引進企業營運流程後所帶來的全面效益。透過餘命預測數據流入ERP、MES與WMS系統，企業能提前安排維護工單，調整生產負荷，甚至預先向供應商發出叫貨需求。當零件更換時間可預測，企業不必再囤積大量備品，庫存資金壓力降低，採購流程也更具彈性。生產部門可依據預警調整排程，避免突發停線造成的加班與人力排程混亂；維護團隊則能在合理時段進行檢修，提高工作品質與安全性。

PHM也成為ESG管理的重要工具。在環境面，精準維護能降低潤滑油、化學品、零件等物料浪費，避免不必要的報廢與重工，減少間接碳排放。在社會面，提前偵測管線或設備異常可降低火災、爆炸等工安風險。而在治理面，設備健康狀態的可視化讓企業更能掌握營運韌性，向股東展現完善的風險管理能力。換言之，PHM不只是技術升級，更是永續製造的數位底座。

企業導入PHM的成功關鍵在於三個層面：從高價值設備開始小規模POC、確保資料品質與建立跨部門治理機制。在初期，大多企業挑選停機成本最高或安全風險最大的設備作為切入點，以加速模型訓練與建立跨部門協作文化。當資料品質提升、流程整合成熟後，PHM的應用範圍便能逐步擴展到整個工廠，甚至全球多廠區。

在製造業競爭加速的此刻，PHM正逐漸成為企業新一代的營運作業系統。它讓企業從「故障時修」跨越到「提前預判」，從被動管理邁向精準決策。未來，企業將不會再問「是否需要PHM」，而會問「沒有PHM，企業能否維持競爭力？」這場由資料與AI驅動的維護革命，正悄悄改寫全球工廠的運作方式，也為製造業帶來前所未有的營運透明度與永續價值。

如需了解更多相關內容，請連結下列頻道影片網址：