對煉油與大型製造場域而言，設備維運最怕的不是單一零件故障，而是關鍵設備位於地下或不易接近的環境，早期異常徵兆難以及時被發現。台塑石化煉油的液化石油氣儲存槽沉水泵浦即屬於此類場景：設備長時間連續運轉，但因安裝位置與設備結構限制，傳統震動感測器不易取得穩定且有效的早期預警訊號。
薩摩亞商傑尼斯導入 EZ Sound AI 全頻域聲音監測系統，將設備運轉聲音轉換為可分析的聲紋與頻譜資料，協助現場從人工巡檢與經驗判斷，進一步走向 AI 異常偵測與可追溯的設備診斷流程。
圖一｜EZ Sound AI 全頻域聲音監測系統以聲音數據為核心，支援設備預警、即時監測、數據化管理與產品 QC 等多元智慧製造應用
Q1：台塑石化煉油遇到的主要困難是什麼？
主要困難在於沉水泵浦位於地下設備環境，傳統震動感測器無法做有效的早期預警偵測。當泵浦狀態開始異常時，徵兆可能先出現在聲音頻率、聲紋變化或運轉聲譜差異，而不是明顯震動或立即停機。若僅依賴定期巡檢與人員經驗，現場噪音、巡檢時間間隔與班別判斷差異，都可能讓早期異常被忽略。
Q2：為什麼這個場景需要聲音 AI，而不是只靠震動監測？
地下沉水泵浦的設備型態與安裝環境，使震動感測器不一定能穩定取得有效訊號；尤其異常仍處於早期階段時，震動變化可能不明顯，或被設備結構與環境條件削弱。聲音 AI 可從設備運轉聲音中擷取全頻域聲紋特徵，透過頻率、強度、時間變化與聲譜差異進行比對，補足傳統震動監測在地下設備場域的限制。
Q3：薩摩亞商傑尼斯提供了什麼解決方案？
薩摩亞商傑尼斯導入 EZ Sound AI 全頻域聲音監測系統，透過聲音採集模組持續蒐集沉水泵浦運轉聲音，並將聲音訊號轉換為頻譜資料。AI 模型進一步比對正常與異常狀態下的聲音特徵，當設備聲紋偏離基準時，即可提供異常警示，協助現場人員在故障擴大前進行檢查與處置。
圖二｜EZ Sound AI 可透過貼附式聲音感測器與巡檢 APP 進行即時收音、AI 分析與異常預警，協助現場縮短巡檢時間並提升判讀一致性。
Q4：導入後改變了什麼？
導入後，現場不再只依賴人員經驗或單一震動訊號，而是能透過 AI 異常檢測搭配拆檢驗證，建立可追溯的設備診斷流程。維運模式可由「故障後維修」轉向「異常前預警」，同時降低非預期停機風險，並讓導入效益可以被量化呈現。
解決方案亮點
• 全頻域聲音監測：不只偵測音量大小，而是分析設備運轉過程中的聲紋與頻譜特徵。
• AI 異常判讀：建立正常與異常狀態的聲音模型，當聲紋偏離基準時提供預警。
• 適用地下設備場景：補足震動感測器在地下沉水泵浦等場域不易有效預警的限制。
• 可追溯診斷流程：結合 AI 異常檢測與拆檢驗證，累積設備健康履歷與維修判斷依據。
量化效益
依關鍵設備五年期估算，導入 EZ Sound AI 後可帶來以下效益：
|
整體維修與檢測相關成本 |
預估降低逾 80% |
|
改善後成本占比 |
約為改善前的 17% |
|
五年期投資效益 |
約達近 5 倍 |
|
維運流程改善 |
由故障後維修轉向異常前預警，並建立可追溯診斷流程 |
以大型儲存槽內的的沉水馬達每台設備超過 2,000萬新台幣，且維修與保養的價格成本差異巨大，再加上非預期停工損失等風險，都證明聲音AI分析的效益。透過 AI 聲音異常檢測，企業不僅能降低非預期停機風險，也能建立更具一致性與可追溯性的設備診斷流程，讓地下沉水泵浦等傳統震動感測器不易有效監測的設備，也能納入智慧維運管理。
結語｜讓設備健康狀態被「聽見」
從台塑石化煉油的沉水泵浦應用可以看出，聲音 AI 已不只是輔助巡檢工具，而是能成為智慧工廠的新型感測層。當設備聲音能被 AI 理解，工廠即可在異常擴大前掌握徵兆，讓維修決策從經驗判斷走向數據化、標準化與可追溯化。
