บทวิเคราะห์ Motor Current Signature Analysis (MCSA): เมื่อมอเตอร์คือเซ็นเซอร์ของตัวเอง — Pole Pass Frequency และ Sideband dB

บทวิเคราะห์: ทำไมสัญญาณที่ “พร้อมใช้” ที่สุดในโรงงาน กลับถูกมองข้ามมานานที่สุด

ในโลกของ Condition Monitoring เราคุ้นเคยกับการติดเซ็นเซอร์วัดการสั่นสะเทือนบนตัวมอเตอร์ ติดเทอร์มอคัปเปิลวัดอุณหภูมิ หรือส่งน้ำมันเข้าห้องแล็บ แต่มีสัญญาณหนึ่งที่พร้อมใช้งานอยู่แล้วในทุกมอเตอร์ไฟฟ้า โดยไม่ต้องติดอะไรเพิ่มเลย — กระแสไฟฟ้าที่ไหลเข้าสู่ขดลวดสเตเตอร์ นี่คือจุดเริ่มต้นของเทคนิคที่ชื่อว่า Motor Current Signature Analysis (MCSA)

หลักการง่ายๆ คือแรงบิดของมอเตอร์เหนี่ยวนำสัมพันธ์โดยตรงกับกระแสโรเตอร์ เมื่อชิ้นส่วนกลไกภายในเริ่มผิดปกติ ไม่ว่าจะเป็นแท่งนำของโรเตอร์หลุด ความไม่สมดุลของช่องอากาศ (Airgap Eccentricity) หรือแม้แต่โหลดกลไกที่กระตุก เฟร์ชชูเรชันของความเร็วรอบนั้นจะถูกสะท้อนกลับมาปรากฏเป็น Sideband รอบๆ ความถี่ไฟฟ้าในสเปกตรัมของกระแส นั่นคือเหตุผลที่นักวิเคราะห์บอกว่า “มอเตอร์คือเซ็นเซอร์ของตัวเอง”

คณิตศาสตร์ที่โรงงานควรรู้: Pole Pass Frequency

สูตรสำคัญที่สุดของ MCSA คือการหา Pole Pass Frequency (PPF) ซึ่งกำหนดโดย:

Slip (s)      = (Ns - Nr) / Ns           # Ns = synchronous speed, Nr = rated speed
PPF           = Slip × P × f_line         # P = number of pole pairs
Sideband      = f_line ± n x PPF          # n = 1, 2, 3, ...

ตัวอย่างเชิงตัวเลข: มอเตอร์ 4 โพล (2 pole pairs) ความถี่ไฟฟ้า 50 Hz ความเร็วพร้อมนามมาตรฐาน 1,470 rpm จะมี Synchronous Speed 1,500 rpm คำนวณ Slip = 2% ดังนั้น PPF = 0.02 × 2 × 50 = 2 Hz แท่งโรเตอร์หลุดจะปรากฏเป็นพีคที่ 50 ± 2 Hz คือ 48 Hz และ 52 Hz ซึ่งเทียบกับพีคหลักที่ 50 Hz ได้เป็นอัตราส่วน dB — เกณฑ์ที่นักวิเคราะห์นิยมใช้คือ Sideband ต่ำกว่าพีคหลัก ≤ 45 dB ถือว่าปกติ, 40–45 dB เริ่มมีร่องรอย, ต่ำกว่า 40 dB คือความเสียหายที่ยืนยันได้

ตารางเปรียบเทียบ: MCSA vs เทคนิค Condition Monitoring อื่น

มุมมองของเรา: ทำไม MCSA ยังไม่แพร่หลายในโรงงานไทย

จากประสบการณ์ที่ทีม Honey Corporation ทำงานกับโรงงานอุตสาหกรรมหลายประเภท เรามองว่ามีอุปสรรค 3 ประการที่ทำให้ MCSA ยังเป็น “ผู้เล่นสำรอง” ในหลายองค์กร:

1. ต้องการความเข้าใจเชิงทฤษฎีมอเตอร์ — การตีความ Sideband ของ PPF ต้องแยกให้ออกระหว่างปัญหาโรเตอร์กับ Oscillating Load จากกลไก เช่น ปั๊มที่มี Cavitation ซึ่งให้ลายเซ็นคล้ายกัน ทักษะนี้หาได้ยากกว่าการอ่านค่า Overall Vibration
2. ข้อมูล Nameplate ที่ไม่ครบ — การคำนวณ Slip และ PPF ต้องใช้ความเร็วพร้อมนามมาตรฐานที่แม่นยำ แต่โรงงานจำนวนมากมีป้ายมอเตอร์ที่ลบเลือนหรือสูญหาย ทำให้ Baseline คำนวณไม่ได้
3. เครื่องมือเฉพาะทางยังเข้าถึงยาก — อุปกรณ์เก็บสัญญาณกระแสความถี่สูงพร้อม FFT Resolution ที่พอเหมาะยังเป็นสินค้าเฉพาะทาง แม้ IIoT Sensor รุ่นใหม่จะเริ่มผนวก Current Sensing เข้ามาแล้วก็ตาม
4. ขาดการบูรณาการข้อมูล — ผลวิเคราะห์กระแสมักอยู่คนละระบบกับข้อมูล Vibration และ Process Data ทำให้การตัดสินใจแตกต่างกันในแต่ละทีม

อย่างไรก็ตาม แนวโน้มน่าสนใจคือขอบเขตระหว่างเทคนิคต่างๆ กำลังจางหายลง — Edge Gateway รุ่นใหม่สามารถเก็บสัญญาณกระแสและการสั่นสะเทือนพร้อมกัน ส่งขึ้น IIoT Platform เดียวกัน แล้วให้อัลกอริทึม Anomaly Detection ช่วยจัดกลุ่มเหตุการณ์ แทนที่จะให้นักวิเคราะห์ต้องนั่งเทียบสเปกตรัมสองชุดด้วยตัวเอง

Key Takeaways