由於在工廠生產過程中，加工設備故障往往會產生長時間生產停止的狀況，因而嚴重影響生產效率與設備稼動率，CTIMES與智動化雜誌於今舉辦科技論壇，針對次世代工具機設備的關鍵技術趨勢進行深度剖析。

相馬知指出，透過及早預測故障或異常，將可防止意外停機，以提高運作率、優化生產。

此次論壇不僅邀請到工研院巨量資訊科技中心藍坤銘副組長、中正大學

機械系特聘教授鄭志均博士、寶元數控副總經理施正修，更特別邀請日本電氣株式會社 AI Analytics事業開發本部資深資料分析師相馬知也，剖析從感測器、AI、IoT等技術，如何實現設備監視及產品生命週期預測。

工研院巨量資訊科技中心技術副組長藍坤銘博士指出，由於現今製程越趨複雜，傳統統計分析逐漸無法解決產業面臨的各項問題，因此，他直指，巨量分析與AI技術將成為解決產業問題的關鍵。

寶元數控副總經理施正修也指出，相較於以往的精密機械，加入控制器核心、感測器、物聯網及大數據等智慧技術，經由分析各項數據所呈現的狀況與原因，協助人員進行機械停機原因偵測，並透過資料分析達到預防與自適應解決。

此外，施正修更針對常使用於工具機的三大感測器－壓力感測器、溫度感測器及震動感測器進行進一步說明。

施正修指出，相對於傳統機台只能倚靠加工成品進行確認，或仰賴人員巡邏觀察機台狀況，加裝感測器的智慧機械，可自動在加工過程中在線檢測機台狀況，將大量降低問題發生的反應時間，提升機台稼動率。

另一方面，相馬知也更特別針對如何透過不變量，實現設備高度監視與品質劣化及早檢知進行解說。

他說明，以往由人員進行運作監視，難以全面且持續監視未達警報值的異常預兆，若透過不變量分析的協助，將能及早發現與平常不同的行動，及時、全面且持續地掌握變化；此外，透過「要素分析技術」將可找出導致變化的要素，將以往無法特定的變化要素和影響程度明確化。

透過上述各項技術，經由各式感測器與功能平台的協助，並結合物聯網與人工智慧技術，取得工廠機器中的各項數據並加以分析，再比對生產設備所使用的零件生命週期資料，將有可能精準分析設備劣化程度，並進行生命週期預測。