機器學習簡單來說就是經由電腦程式端累積數據資料，藉由這些數據的累積，程式端經過特殊演算法自動化分析、統計、判斷進而自主式做出決策或判別甚至預測結果，是一種程式智能化經驗學習。用來幫助使用者提高準確率、改善所做出的決策。機器學習是人工智慧的一個分支，人工智慧的研究歷史有著一條從以「推理」、「知識」、「學習」為重點的脈絡，機器學習是實現人工智慧的一個途徑，即以機器學習為手段解決人工智慧中的問題。
近年來工業設備一直仰賴高效能量測技術來提升產線產品良率與產量，並且藉由量測結果與搜集大量的數據來改善設備的效能。因此，能夠有自主性判別設備狀態與預防無預警狀況的發生更成為企業所需要深入探究的課題。固德推出的OLVMS®-ML機器學習智能監控系統即是針對各式機械設備的動態監測，使用者透過簡單建立健康規範，系統學習動作依照所累積的數據統計進而做出分析判斷，產業進而可訂立預知保養計畫並有助於設計者優化產線設計流程。
隨著工廠製程不斷細微化，其製程設備動作行為的要求也越來越高，針對各式動態機械行為動作經由OLVMS®-ML機器學習智能監控系統可規範正確的設備動作來管控設備運作流程，偵測設備問題並解決各式設備問題進而幫助產線提升效能降低成本。
固德推出的OLVMS®-ML機器學習智能監控系統是針對週期性（重複性）生產設備的動態監測，使用者透過簡單建立健康規範，系統學習動作依照所累積的數據統計進而做出分析判斷，產業進而可訂立預知保養計畫並有助於設計者優化產線設計流程。有別於其他一般量測儀器的單功能使用，固德的OLVMS®-ML機器學習智能監控系統可自動學習紀錄複雜的機械動作、了解設備的健康狀態、預知可能發生機械故障、老化、偏移、等各種複雜的動態行為。
快速選取目標訊號，學習動作。
不限裝機前或裝機後，安裝快速。
實時辨認動作，擷取正確週期比對。
同時執行多種判別演算式檢測狀況。
提供 AI 人工智能運算輸入參考數據。
各項警報均可搭配外部I/O輸出。
・即時/快速的學習(標定)重複性或者部分重複性的生產行為
・並且以“人”的經驗做為基礎，轉植為Rule Base的監測
不需機台交握，直接執行產線產品加工品質監測任務。系統可學習紀錄機械動作不同劇本的模型，當機械執行不同動作時，系統將自行對應模型圖庫，比對即時訊號，判定相同訊號並以此模型監測。即使製造過程機械動作有發生異常或是有其他外在干擾，自動追蹤識別技術依然能夠正確判別數據訊號是否為同一組週期動作，並判別結果。
震幅動態相關度 : 描述週期性製程動作穩定度，趨勢下降代表設備不穩定，有老化惡化現象。
頻率特徵異常指標 : 描述製程週期內，設備內部或外部產生異常頻率程度。
突波特徵異常指標 : 描述製程週期內，設備內部或外部產生異常突波程度。
頻譜能量指標 : 描述製程週期內，設備各個移動部件與結構穩定程度。
頻率動態相關度 : 描述週期性製程動作頻率穩定度，趨勢下降代表設備不穩定，有老化惡化現象。
機械特徵識別技術 AI化
OLVMS®-ML機器學習智能監控系統的高效能量測方式即學習動態機械訊號動作並提供 AI 人工智能運算參數，產品開發設計與測試人員更可依照數據進行檢驗與驗證測試，有助於優化產線流程設計。
工業4.0伴隨 AI（人工智慧）迅速發展的時代，機械的各式複雜化動作、簡化生產流程、要求提升產能、維持產品良率等種種產業需求，透過高效能的量測系統 AI 人工智能處理可快速解決各式設備問題。而深度學習也是 AI 技術的其中一環，它是種執行機器學習的技術，能將大量數據輸入機器，並透過特殊演算法分析數據，讓機器從中學習判斷或預測事物的能力。
動作相似度分數
動態頻率相似度分數
動作週期內平均振幅分數
動作週期內突波數量分數
OLVMS®-ML機器學習智能監控系統將複雜的巨量數據簡化成判分機制，讓使用者可容易判讀。外層-機台健康度：結合機台目前動態狀況如：相似度分數、振動值超標次數、頻率超標次數、機台運行狀況、綜合判分；內層-動態運行判分。另外綠燈代表正常、黃燈代表警告、紅燈代表異常。即時振動動態訊號會自行與規範進行比對，當符合該規範判斷設定，即會顯示與該規範的判別結果。
綜合判分機制(外層-機台健康度)
撞機訊號(振動值極大)出現，顯示驚嘆號
機台狀態管理(內層-動態運行判分)
黃線：建立的檢測動態訊號規範，白線：即時檢出的動態訊號。
資料精煉流程 將複雜的演算與數據化為分數及燈號
OLVMS®-ML機器學習智能監控系統 運用的自動擷取正確週期動作進行比對，而得到的結果判斷，除了了解設備的健康，更提供業者可運用之改善依據，進而提前檢知設備狀態、延長設備正常運作。
OLVMS®-ML 單機版多通道 監測系統分為：4、6、8、10、12、16channel
OLVMS®-ML機器學習智能監控系統 監測系統分為： ML CORE 核心運算系統、邊緣擷取裝置、中央戰情管理系統
OLVMS®-ML機器學習智能監控系統運用的自動擷取正確週期動作進行比對即時產生結果判斷。而得到的結果判斷，除了了解設備的健康，更提供業者可運用之改善依據，進而提前檢知設備狀態、延長設備正常運作。幫助產業維持優化產線、提高產品良率、確保機台穩定度、降低保養成本、提高工作效率等。
不限裝機前或裝機後，安裝快速。
掌控設備健康，有效益的排定維修。
了解機械設備，即時處理問題點。
建立健康規範，確保產品一致性。
輕鬆蒐集 AI智能運算參考數據。
大幅降低工程、技術人員工作負擔。
產業自動化的應用設備越來越多元而廣泛，要讓眾多設備正確規律運作，藉此需要更具高效能的量測設備管理監控。VMS®-ML機器學習智能監控系統可應用於任何具重複動作行為的機台相關設備，可即時偵測動態機械之動作訊號，即使動作訊號僅發生微小的異常，即可預先判別得知機械是否即將會產生故障特徵，以供使用者有充足的時間準備更換料件或產線的調度管理，避免無預警的故障產生影響產線作業，造成損失，亦可有效的預防機械在異常的情況下運作衍伸出的品質問題。
在智慧製造時代中，廠區充斥著大量自動化生產機具。由多樣機構、電機所組成，相同設備執行不同的生產任務及大量進行重複性週期加工等設備，我們都將它歸類於週期性（重複性）生產...
電焊手臂的作用原理是通過將高壓電流導入焊接部位，使其產生熱量將金屬材料熔合在一起以進行焊接。若是遇到電流過大或是位置不正確，就有可能導致焊接不良，該如何預防以確保焊接...
機械手臂市場成長迅速並得到廣泛的應用。機械手臂是自動化的重要組成部分，其發展趨勢預計會繼續向更高效、更智能和更輕巧的方向發展。 進而節省成本、減緩缺工、加速流程、釋放...
索取簡介 掃描QRcode/輸入LINE ID搜尋：＠grj4308r
