獲國際半導體大廠採用，部署逾907顆感測器、監測223台設備，驗證大規模監測能力。

AI與智慧製造持續深化，製造業面對的課題從「設備有沒有聯網」走向「在設備故障前採取行動」。今年台北國際自動化工業大展，以振動數據預測為核心的普格諾斯科技將展示自主研發的高精度三軸MEMS振動溫度感測器，以及PILOT AI故障預防診斷系統。透過安裝於設備上的感測器，24小時持續蒐集運轉中的振動訊號，再從時域波形與頻譜中擷取設備特徵，逐步建立設備健康狀態。

普格諾斯整套系統並非只告訴使用者「設備有沒有異常」，而是建立三層設備健康管理架構。第一層是「設備現在是否健康」。系統根據設備振動特徵建立可量化的健康指標，讓設備狀態由正常、持續觀察、警戒到高風險形成清楚分級，使現場人員不必逐一判讀大量原始波形，也能快速掌握設備健康概況。第二層則是「健康狀態如何變化，以及還能運轉多久」。當設備資料持續累積後，系統可建立健康趨勢，判斷設備維持穩定或逐步劣化，再結合RUL（Remaining Useful Life）等技術進行餘命分析。其目的並非武斷預測設備哪一天一定故障，而是提供未來健康變化方向與可能維護區間，讓企業提前安排停機窗口、維修人力及備品。第三層則進一步回答「設備可能會壞在哪裡」。目前系統已涵蓋主軸、軸承、馬達、齒輪、皮帶及葉片六大部件，共21項迴轉設備故障診斷模型，可進一步辨識不平衡、不對中、鬆動、軸承損傷、馬達異常、齒輪及皮帶異常等問題，將設備管理從「知道有異常」推進到「知道可能是哪個部位、哪種故障」。

技術總監許銘翔強調，相較於市場上僅提供趨勢顯示或超標告警的監測系統，其差異在於整合設備物理特性、振動診斷經驗與AI模型，同時導入邊緣運算，在現場IPC端完成初步特徵萃取，約可降低80%的雲端資料處理負載，減輕網路與資安壓力；自動化故障判讀則可望節省約50%的人工判讀時間。更重要的是，這套技術已擺脫概念驗證（PoC）階段，正式進入高規格工業場域。普格諾斯目前已於某國際半導體製造大廠部署超過907顆設備感測器、監測223台設備，涵蓋空壓機與排氣風機等廠務設備，24小時持續採集資料，完整率維持99.9%以上，驗證系統從單一設備擴展至跨廠區大規模監測的能力。

普格諾斯將從遠端健康管理與設備數據服務，結合Digital Twin及Industrial AI Copilot，讓維護人員能透過自然語言快速查詢設備狀態與歷史紀錄。在應用端，將持續深化半導體應用，聚焦真空泵、Dry Pump、Scrubber、尾氣處理設備、廠務風機及高精密設備微振動等領域，並與設備製造商及系統整合商合作，透過Software License、White-label及技術授權，將PHM技術嵌入設備，希望讓每台關鍵設備擁有自己的健康履歷，推動製造業從被動搶修轉向主動預測維護，打造主動式預測性維護生態圈。

本文來源：https://www.ctee.com.tw/news/20260811700643-431203