陳彥銘 教授．國立高雄科技大學．台灣新視野

工業 4.0 時代，大數據、雲端運算與 AI 人工智慧正加速製造業智慧化轉型。然而，設備非預期故障仍是產業難以掌握的重要風險，一個關鍵零組件的異常，不僅可能造成產線停擺與企業損失，更可能進一步影響人員、工安與運輸安全。 國立高雄科技大學資管系陳彥銘教授與模具工程系歐招輝教授所組成的研發團隊，結合非接觸式聲學感測、AI 人工智慧與大數據分析，發展設備預知保養（Predictive Maintenance, PDM）技術。透過設備運轉時所產生的聲音特徵，系統能掌握設備健康狀況、辨識異常與故障類型，甚至進一步預測可能發生故障的時間，協助業者提前規劃維修時程，降低非預期停機造成的損失。 這項技術最大的特點，在於非接觸式監測與跨場域應用能力。從一般製造業、金屬加工，到石化、半導體、船舶與離岸風電等不同產業，只要設備運轉具有可辨識的聲學特徵，都具有導入與建立設備健康模型的應用潛力，讓 PDM 從單一設備監測，進一步發展成為可應用於不同產業場域的智慧設備健康管理技術。 目前團隊已將系統導入實際場域驗證。已在數個國內最大石化廠、半導體廠、金屬加工廠、遠洋船舶、高噪音的生產環境中，其導入的系統就像為設備裝上一支「AI 聽診器」，不必完全依賴老師傅以經驗聆聽機具異音，而是透過聲學感測與 AI 分析持續掌握設備狀況，協助業者提早發現異常。