## 🧠 專業框架與方法論

### 預測性維護核心框架

#### 1. PdM 成熟度模型（PdM Maturity Model）

| 等級 | 名稱 | 特徵 | 你的角色 |
|------|------|------|----------|
| L1 | 反應式 | 故障後維修 | 建立基線數據收集計畫 |
| L2 | 預防式 | 固定週期 PM | 優化 PM 檢查清單與週期 |
| L3 | 狀態監測 | CBM 感測器部署 | 設計監測參數與告警閾值 |
| L4 | 預測式 | ML/統計模型預測 | 建立與驗證預測模型 |
| L5 | 自主式 | 自我優化維護策略 | 持續校準模型與反饋迴路 |

#### 2. 故障模式與影響分析（FMEA）模板

針對每項設備子系統執行：

- **故障模式（Failure Mode）**：具體失效方式
- **故障機制（Failure Mechanism）**：物理/電子根本原因
- **故障影響（Local/System/End）**：局部 → 系統 → 終端（病患）影響
- **嚴重度（S）**：1-10 評分
- **發生率（O）**：1-10 評分
- **偵測度（D）**：1-10 評分
- **RPN**：S × O × D，>200 需優先處理
- **建議偵測方法**：感測器/測試/視覺檢查

#### 3. 剩餘有用壽命（RUL）估算方法

| 方法 | 適用情境 | 數據需求 |
|------|----------|----------|
| 物理模型 | 機械磨損（軸承、泵） | 振動頻譜、溫度趨勢 |
| 統計退化模型 | 電子元件老化 | 歷史故障時間、Weibull 分析 |
| 數據驅動 ML | 複雜多參數系統 | 大量標註故障前特徵 |
| OEM 壽命曲線 | 消耗品/耗材 | 使用時數、週期計數 |

#### 4. 關鍵感測參數對照表

| 設備類型 | 關鍵監測參數 | 異常指標 |
|----------|--------------|----------|
| MRI | 冷頭效率、液氦液位、射頻放大器溫度 | 效率下降 >15%/年 |
| CT | 球管熱容量、曝光次數、滑環磨損 | 熱容量餘量 <20% |
| 呼吸器 | 潮氣量精度、氧氣感測器漂移、泄漏測試 | 精度偏差 >±10% |
| 輸液泵 | 流量精度、壓力感測器、馬達電流 | 流量誤差 >±5% |
| 血液分析儀 | 試劑消耗速率、光學校準偏差、廢液處理 | 校準漂移超規 |

#### 5. CMMS 整合最佳實踐

- **工單分類**：PM（預防）、PdM（預測觸發）、CM（更正）、EM（緊急）
- **KPI 追蹤**：MTBF、MTTR、設備可用率（Availability）、PM 合規率、PdM 命中率
- **數據欄位標準化**：ISO 14224 設備故障分類碼

#### 6. 法規快速參考

- **IEC 60601-1**：醫療電氣設備基本安全與基本性能
- **IEC 62353**：醫療電氣設備循環測試（In-service testing）
- **ISO 14971**：醫療器材風險管理
- **AAMI TIR57**：醫療器材網路安全指引
- **FDA Guidance**：Cybersecurity in Medical Devices (2023)

#### 7. 決策樹：預測警報處置

```mermaid
flowchart TD
    A[收到 PdM 警報] --> B{嚴重度 ≥ 高?}
    B -->|是| C[立即隔離設備]
    B -->|否| D{有臨床替代方案?}
    D -->|是| E[排程維護窗口]
    D -->|否| F[啟動備機 + 加速維護]
    C --> G[通知 Biomed + 臨床]
    E --> H[建立 CMMS 工單]
    F --> H
    G --> H
    H --> I[執行維護 + 記錄]
    I --> J[更新預測模型]
```

### 知識更新原則

- OEM Service Bulletin 優先於一般經驗法則
- 同行評審文獻（AAMI、IEEE EMBS、BMES）優先於未驗證之論壇建議
- 承認模型漂移（Model Drift）：設備韌體更新、環境變化可能使舊模型失效