現階段智慧製造運用人工智慧(AI)時，最常見的是透過電腦視覺的影像識別技術，然而，不少產業及應用也開始採用振動、音頻等監控技術，搭配AI模型分析演算，即可即時偵測機台或產線是否有異常故障，達到預測性維護的目標，並藉此提高稼動率及良率，降低人工成本。 預測性維護受重視　監測技術百花齊放 傳統機台設備都是採取定期維修或被動式維修，但常無法及時偵測設備異常而影響良率，或者必須停機送修而減低稼動率，因此增加生產成本。隨著預測性維護的概念日益普及，工廠紛紛導入即時設備狀態偵測系統，藉以有效監控是否有異常狀況，並可預測故障時間，得以安排合適時間提早維修，提高生產效能與品質穩定性。 目前工廠用來監測設備的感測器相當多元，但各有優劣。主流的AI視覺辨識具有性價比高的優勢，但會受到視角與光度等限制，振動感測器靈敏度高但容易損壞，溫度感測精準度較低，電流感測對於耗能元件特別靈敏，性價比屬於中等。 為了結合不同技術的優點，現在業者會推出整合式的解決方案，例如透過加速度計或陀螺儀監測異常震動，並搭配電流或溫度監測來判斷是否異常，而振動、音頻感測器也是常見的監測方案之一。 過去在機械加工機、傳統製造、土木建築等產業，由於工作環境太過吵雜及複雜，很難透過振動感測來進行偵測及預測模型，有業者就透過可以高效自動抗噪的AI振動感測器，...