在完整的工業4.0情境中，絕大多數的製造流程與生產系統都已實施自動化，甚至更進一步，達到智慧控制的階段。機具的維修與保養同樣也是，在未來智慧製造的產線中，因故障導致停機的機率將會被大幅降低，而其所倚賴的，就是以先進感測器與精確數值分析為基礎的預診維修技術。

而機器手臂做為現代智慧產線上的重要組成，其健康狀態對於整體生產製造的效益，有著舉足輕重的影響。因此其所使用的預診維修技術與應用，十分值得相關業者關注。

對於機器手臂的技術與應用，台灣的工研院擁有十分深厚的研發經驗，且與產業界有著密切的合作，深知產業第一線的實作需求。

維持加工的高精度並確保健康狀態

工研院機械所組長黃甦表示，對於機器手臂來說，維持加工的高精度，是其最主要的導入考量。也因此，對機器手臂來說，導入預診維修技術很重要的方向，就是要確保加工的精度能夠被維持，避免作動時的位置偏移，從而獲得穩定的生產良率和品質。

其次，則是確保機器手臂本身的健康狀態，以避免產生因故障意外而中斷生產，而造成營運的損失。

至於機器手臂要如何具備預診維修的能力，黃甦指出，若要確保運行的精度，則可在手臂的關節軸承處，加裝額外的感測裝置，以偵測手臂的加工數值；另一種則是使用控制器來搭配手臂的運作，同樣也可用於精度的偵測，確認物件的加工狀態。

這種額外加裝的感測裝置，主要是針對震動、溫度、電流和聲音等資訊進行感測，所使用的感測器技術則是以加速度計這類的慣性量測（Inertial measurement unit，IMU）為主，而整體所使用的感測器數量大概會有5至6個。

黃甦也提到，目前工研院也研發一種採用CMOS影像技術的感測裝置，透過光學影像分析的方式，來判斷加工位置的誤差情況，從而反應到設備的精度調教。而相對於傳統的雷射校正，使用CMOS感測的方案較具成本優勢，在推廣與導入的門檻也較低。

至於機器手臂的健康程度，則是搭配控制器的方式，擷取手臂運行的電流狀態、資料檔和記錄檔等，從而去分析該設備的健康狀態。一般來說，就是把電流、電壓、時間等，各種日常運行的各種數值資料，傳送到分析的設備上，藉此分析健康狀態。

善用邊緣運算套件 連接設備數據資料

圖1 : 工研院機械所組長黃甦。（攝影／籃貫銘）

通常而言，手臂和機具要達成預診維修的目標，都需要讓設備可以連接上網，無論是數據資料的傳輸，或者異常狀況的通報等，都需要有網路的功能，來整合這些流程。

而近期已有一些外接式的設備，會提供一種邊緣運算模組的套件，並具備AI分析的技術，它能跟市場上主要的四大機器手臂商連接，從中收集並分析震動等訊號，掌握設備裝況。而使用這類的方案就可以不用連接上網。

不過，黃甦強調，業者導入預診維修技術，最重要還是要貢獻到產能和成本上。而就機器手臂的實際投入情況來看，因故障導致停機的狀況其實並不多。且就算發生故障，機器手臂的替換和重啟也不會造成嚴重的經濟損失。因此，主要的應用面向仍是在精度的維持與健康狀態的監控。

在實際的導入案例中，工研院曾與一家日本公司合作，將高敏感的感應器安裝在機器手臂上，以確認其運作狀況；此外，另有一家台灣的產品製造商，其設備經歷兩年的24小時運作後，開始出現問題，除了手臂之外，包含接頭和I/O都發生錯誤，也出現掉料的狀況。工研院透過研判資料和數據分析的方式，找出問題點。

「能夠快速的找出異常處，就是很大的幫助。至於更大規模的工業4.0建置，則是長期的目標，短期則可從此處著手。」黃甦說道。

至於導入的困難與挑戰方面，黃甦表示，對機器手臂的預診維修來說，最重要的，就是要能取得設備的資訊，可以抓到物件加工的位置，以及電流與電壓等資訊。不過由於每隻手臂的架構與功能不同，再加上手臂是運作流程是串聯型，有些狀況經常是上一個作動錯誤或者更前端衍生而成，因此要找出問題並不容易。

圖2 : 目前已有越來越多的供應商，提供內建感測器的方案。圖為KUKA的產品。（source：KUKA）

第三點，就是目前市場上的機器手臂多屬於封閉型的系統，若無開放的介面，讀取資訊就會生產困難。如果原廠沒有提供資訊連接的介面，就必須要外加的套件，例如邊緣運算模組（或稱機器單元控制器Robot Cell Controller）這類的解決方案。

思考數據附加價值 改善機具設計

儘管協作型的機器手臂使用的數量越來越多，但目前在產線上仍是以傳統的工業型手臂為主。而隨著感應器技術的成熟，以及智慧製造的趨勢發酵，機器手臂已逐漸重視預診與健康狀態偵測的功能，例如日本的發那科（FANUC），就在其機器手臂裡預埋震動感測器，預計為來也將會有更多業者陸續跟進，並在控制器裡結合更多的數據控制應用，而此也會對工業4.0和產線監測帶來幫助。

除了直接內建感測器的形式外，由系統整合（SI）商與外加式設備來提供預診維修功能的市場也會逐漸浮現，而這類型設置主要是讓舊機台的數據可以被讀取，進一步健全廠房的穩定運作。

不過黃甦則認為，在實際的使用場景裡，由於機器手臂的故障率不高，也容易替換，因此導入預診維修技術對於整體製造效益的改善程度十分有限。然而預診維修是以感測器和操作模式的分析為其發展的基礎，因此進一步運用這些數據，或許可以帶來更多的附加價值。

「可以往『易於使用（easy to use）』和快速建置等方向進行開發，進一步精進產品的設計與本身功能的改進。」黃甦也提出建議。

他表示，目前的運送型機器人和服務型機器人（如Papper）等，皆已具備數據追蹤的功能，可針對產品的使用行為等進行分析，作用後續產品設計的參考。