那天 PM 報告出來，班長臉都綠了
那天下午，產線的 PM（預防保養）報告剛出爐，班長看著數據，臉色刷地一下就變了。他指著其中一台機台的 MTBA（平均故障間隔時間），對我說：「阿翰啊，你看這台機台，上次 PM 完沒多久又出包，現在 MTBA 掉到 1.08，CPK 剩下 0.85，再這樣下去，下週的訂單怎麼交？」我走過去看，果然，那台老舊的蝕刻機，明明定期都有做預防保養，但最近還是隔三差五就當機，每次一停機就是好幾個小時，搞得大家人仰馬翻。你說，這 PM 到底是要做還是不要做？
問題出在哪？不是保養沒用，是方法不對！
其實，這就是我們常常會遇到的狀況。傳統的「預防保養」（Preventive Maintenance, PM），就是定期定量的去更換零件、清潔機台。就像你家的汽機車，每隔一段里程數就去換機油、檢查輪胎。好處是簡單明瞭，排程固定。但缺點也很明顯，你換下來的零件，說實話，可能還能用很久，這就是浪費。反過來說，有些零件突然提早掛掉，PM 時間還沒到，它就給你來個措手不及，就像我們那台蝕刻機一樣，PM 完沒多久就又出狀況，DPMO 直接飆到 6210。
換句話說，預防保養就像「有病治病，沒病也吃補」，雖然可以降低風險，但效率不高。而「預知保養」（Predictive Maintenance, PdM）就不同了。它更像是「根據身體狀況，精準開藥」。透過感測器收集機台的實時數據，像是振動、溫度、電流等等，然後利用數據分析，預測機台什麼時候可能出問題。
實際上怎麼做？看數據，而不是看行事曆
預知保養的重點，就是從「週期性」轉向「狀態性」。最常見的做法有幾種：
- 振動分析： 很多機台的軸承、馬達在損壞前，都會有異常的振動頻率。我們把感測器裝上去，監測這些細微的變化。如果某個振動頻率開始偏離基準值，例如從平常的 0.1mm/s 慢慢爬升到 0.5mm/s，甚至達到 1.0mm/s，那麼你就知道，這顆軸承可能快不行了，可以提早安排更換。
- 紅外線熱像儀： 機台內部有些零件過熱，常常是故障的前兆。特別是配電盤、馬達等高功率元件。定期用熱像儀掃描，如果發現某個點的溫度異常升高，例如從平常的 40 度C 突然跳到 70 度C，甚至 80 度C，那很可能就是線路老化或接觸不良，可以預先處理。
- 油品分析： 對於有使用潤滑油的機台，定期抽取油樣送驗，分析其中的金屬微粒、水分含量等。如果發現銅鐵屑異常增多，例如從 5ppm 突然增加到 50ppm，就代表機台內部磨損嚴重，可以提早安排檢修。
所以重點是，我們不再是時間到了就換，而是數據告訴我們「快要不行了」才動手。這樣既不會浪費還能用的零件，又能避免無預警停機的慘劇。
最常見的坑：數據太多，沒人看懂！
說實話，導入預知保養，最常遇到的問題不是技術做不到，而是「數據爆炸」跟「人力不足」。你感測器裝了一堆，數據每秒鐘都在噴，結果呢？大家都忙著救火，根本沒時間去看那些圖表、分析那些趨勢。常常是機台都掛了，回頭看數據才發現，喔，原來它早就發出警告了！
我記得有一次，我們為了追蹤某款幫浦的壽命，裝了一堆壓力感測器。結果系統每隔五分鐘發一次警報，但大家光是應付產線上的問題就來不及了，誰有空理那些「還沒掛」的警報？最後變成警報太多，大家麻痺了，真的出問題的警報反而被忽略。說穿了就是「假性警報」太多，讓大家失去信心。坦白講，這時候就需要有人負責把數據「翻譯」成 actionable 的資訊，而不是單純的丟一堆數字出來。
今天能做的一件事
先從一個「痛點」機台開始，導入最簡單的溫度或振動監測。