2026 地方型 SBIR 設備預測維護研發攻略：異常辨識、故障資料與現場驗證

先釐清：預測維護不是保證預測所有故障

設備預測維護若要作為地方型 SBIR 可評估的研發方向，核心不在於購買感測器或宣稱 AI 能預知停機，而是建立可驗證的流程：持續取得振動與電流紀錄、辨識偏離正常狀態的訊號、把警示與維修結果回寫，並在真實產線證明系統能協助人員更早做出檢查或派工判斷。

實務上應先區分「異常偵測」與「剩餘壽命預測」。前者回答設備現在是否不同於自己的正常基準；後者則估算可能還能運轉多久，需要長期且完整的失效歷程。多數中小企業故障樣本有限，較適合先從可解釋的異常辨識與現場閉環驗證開始，再逐步累積故障資料。

地方型 SBIR 的研發定位：從地方需求提出可驗證問題

地方型 SBIR 是地方政府結合地方特色推動創新研發的機制，不等同中央型計畫，也不能因設備使用 AI、物聯網或節能字樣，就認定一定符合資格。申請前應以公司所在地當年度公告、資格、期程、經費項目與審查重點逐項確認；補助額度、比例、費用認列與日期都不可跨縣市套用。

以已公開的政策方向來看，新竹縣關注 AI、低碳循環、精緻農業與文創觀光；高雄則有創新設計及服務、數位科技等方向。設備預測維護可嘗試連結在地製造、設備服務或數位轉型需求，但必須具體說明研發不確定性，例如不同負載下的訊號漂移、少故障資料的判讀困難，不能只寫導入既有產品。新竹縣 115 年度已於 2026 年 7 月截止，臺中市亦已公告 115 年度核定名單；其他地區請以所在地最新公告為準。

先選對資料：振動與電流不是愈多愈好

振動訊號適合觀察旋轉件、軸承、皮帶、齒輪與結構鬆動等可能變化；電流紀錄則可呈現馬達負載、卡滯、空轉與工作週期差異。兩者都應保留採樣時間、設備編號、工序、產品型號、班別、轉速或負載條件，否則模型很容易把正常換線、材料差異誤判成異常。

資料設計應先回答三件事：要監測哪一類設備、什麼狀態可定義為正常、警示後由誰確認。若一開始同時接入所有機台與全部訊號，常會增加清理成本，卻無法提高可驗證性。建議選擇一至兩種關鍵設備、固定測點與可追溯的維修工單，建立最小可行資料集。

設備個體差異要納入基準，而非視為雜訊

同型號設備即使使用相同參數，基座、安裝方式、使用年限、材料與操作習慣仍可能不同。因此不宜直接拿甲機台的絕對振幅門檻套用到乙機台。較合理的做法是為每台設備建立自己的正常區間，並依工作模式、負載級距或產品類型分群比較。

少故障資料時，如何建立可信的異常辨識

少故障資料不是不能做，而是不能假裝已有完整分類模型。可先蒐集經確認的正常運轉片段，排除開停機、換模、保養後磨合與明顯感測異常，再建立各工況下的特徵基準。特徵可包含振動能量、頻帶變化、波形尖峰、電流平均值、波動程度與週期一致性，但每項特徵都應能回到設備行為解釋。

異常分數升高後，系統不宜直接顯示「故障」。較務實的介面是顯示偏離的感測來源、相較個體基準的變化方向、發生時段與建議檢查項目。工程師可將結果標為正常工況、待觀察、零件磨耗、鬆動、感測器問題或未知，逐步形成可用標籤。

假設範例：以包裝線馬達建立第一版基準

以下為非真實核定案例，測試數值非官方門檻。某工廠選擇兩台包裝線馬達，在穩定生產、清線與停機三種狀態下記錄振動及電流。研發團隊先以穩定生產資料建立各機台基準，當異常分數連續出現時，系統建立待確認工單。現場發現其中一次是皮帶張力調整後的正常變化，另一次則由人員確認為固定座鬆動。

此例的價值不在於宣稱模型預測了故障，而在於測試能否減少無意義警示、保留可追溯紀錄，並改善維修人員取得資訊的速度。

把預警提前時間、誤報與漏報寫進驗證設計

預警提前時間必須符合現場可採取的行動。若警示只比異常發生早幾分鐘，但設備需排程停機或備料，實際價值有限；若太早提醒又持續沒有維修證據，維護人員可能逐漸忽略。研發測試應事先定義警示的處理窗口，以及不同嚴重程度對應的檢查、觀察或派工規則。

誤報是系統提示異常但檢查後未發現需處理問題；漏報則是發生已知異常卻沒有提示。兩者不能只看單一數字，還要追問是否因負載變動、感測器鬆脫、資料缺漏、設備換型或維修標註不完整造成。對中小型現場而言，可解釋、能被修正的警示邏輯，通常比複雜但無法說明的黑盒結果更有用。

現場驗證與派工閉環：讓資料回到維修決策

現場驗證不應只展示儀表板，而要確認資料是否支持決策。每一張異常工單至少應保留設備編號、發生時間、工況、警示依據、檢查人員、檢查結果、採取措施、換修零件與復機後狀態。若只記錄「已處理」，後續便無法判斷警示是否有價值，也無法累積模型需要的故障對照資料。

• 盤點關鍵設備、常見停機原因與既有維修紀錄格式。
• 確認振動與電流的測點、時間同步、缺值處理及資料保存方式。
• 區分正常工況、可疑異常、已確認問題與感測異常的標示規則。
• 設定警示後的檢查責任人、回覆期限與升級派工流程。
• 以歷史維修事件回測，再以現場新事件持續修正基準。
• 記錄未採納警示的原因，避免只保留對模型有利的案例。

常見問題 FAQ

沒有歷史故障資料，還能做研發嗎？

可以先做正常基準、異常偏離與工況辨識，但應誠實界定成果為異常偵測，不宜直接承諾剩餘壽命預測。維修回寫會逐步補足故障對照資料。

只裝電流感測器是否足夠？

視設備與問題而定。電流可反映負載變化，但未必能辨識所有機械結構問題。先依故障機理選擇訊號，再用現場測試確認其辨識價值。

警示愈多是否代表系統愈靈敏？

不一定。過多未能處理的警示會造成警報疲乏。系統應平衡可採取行動的提前性與誤報負擔，並依現場回饋調整。

地方型 SBIR 是否一定能支應感測器或系統費用？

不能直接認定。費用認列、預算編列與資格必須依所在地當年度須知及核定內容確認，不應以其他縣市或中央計畫規則推論。

政策查核日：2026 年 10 月 13 日。參考資訊：經濟部中小及新創企業署「115 年度地方型 SBIR」相關頁面，以及各地方政府當年度公告。