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。
一次性選取目標訊號，學習規範動作。
不限裝機前或裝機後，安裝簡易快速。
實時辨認機械動作，擷取正確週期比對。
同時執行多種判別演算式檢測機械狀況。
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 輸出方式。
OLVMS®-ML機器學習智能監控系統採高效能量測學習方式，具備高速取樣比對訊號能力， 每次約可解析小於0.2秒的動態訊號，微小訊號一網打盡。
・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、紅燈代表異常。
綜合判分機制(外層-機台健康度)
機台狀態管理(內層-動態運行判分)
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
根據不同需求，系統設備及軟體提供單通道、雙通道、四通道、六通道、八通道以上等可供選擇。感測器並可搭配不同型式壓電振動感測器：高感度、高溫、小型、防水等..
搭配物理量感測器：振動、電流、壓力、扭力等形容設備週期之感測器。
加速規：機械行為相關-機械手臂、沖壓鍛造模具、工具機。
電流感測器：製程與電流直接相關-自動焊接。
壓力感測器：製程與壓力直接相關-自動點膠、塗膠、射出成型。
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是一套領先於市面上所有應用於工業機械上的量測系統，並且經由客戶回饋不斷持續優化的軟體。
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，安裝簡易快速。
掌控設備健康，有效益的排定維修計畫。
了解機械設備，即時處理問題癥結點。
建立健康規範，確保產品品質一致性。
輕鬆蒐集 AI 人工智能運算參考數據。
大幅度降低工程、技術人員工作負擔。
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。
綠燈：機械狀況優良 / 紅燈：通知維修保養
隨著技術的發展，產業間的競爭門檻越來越高。失敗的成品不只增加製造成本更會有付出商譽的可能性。所以維持產品良率、機台穩定度、降低保養成本及縮短保養時間是產業的首要根本。利用機器學習智能監控系統快速學習規範動作，使用者可自行建立設備健康規範，經由機械動作所傳達出來的動態訊號、數據的累積、週期動作相似度判別。在機台開始出現一點點小問題徵狀時，我們即可立即得知並做及時處理或排定維修計畫，如此一來可以確保產線上生產機台品質的一致性與可靠度，進而利用數據化的管理機台品質因子來提升產品良率及避免停機現象發生，更可以進一步的減少機器全面性的損壞。
工業生產中，產品品質為最核心重要因素，OLVMS®-ML機器學習智能監控系統 能夠對於監測產線提早檢知，更積極的避免不良品被製造。
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。
・任何具重複動作行為的機台設備
・取放晶圓用平行式機械手臂
・多軸向機械手臂
・Pick & Place裝置
・自動化產線設備
・半導體黃光設備、清洗設備、參數化塗佈設備
・封測廠前段：切割、上片、打線機、雷射切割機、研磨機
・封測廠後段：Header、Probe
・面板廠大型搬送手臂
・面板廠旋轉塗佈機、平行塗佈機
半導體長晶 :
• 晶棒切割
• Lapping
• 導角機
• Argon Anneal機械手臂
• LPCVD機械手臂
• Loader品質監測
• 濕式蝕刻旋乾機運
• 晶圓拋光機
半導體封裝 :
• 切割機
• 研磨機
• 上片機
• 打線機
• 雷射切割機
面板製造 :
• 面板切割機
• 塗佈製程
• 玻璃清洗製程
• WET / Stripper robot
• PVD / CVD robot
• Load to Load robot
• Stocker
機械產業應用 :
• 壓式衝壓機
• 伺服衝壓機
• 數位式沖孔機
• 沖孔機
• 手機機殼雕銑
• 金屬折板機
• 走心式車床
• 螺絲搓牙機
PCB產業 :
• 切割機
• 鑽孔機
• 裁磨機
• 鑽靶機
汽車製造 :
• 衝壓線
• 自動焊接線
• 大型機械手臂
半導體製造 :
• PVD/CVD transfer robot
• Wet Etching Transfer robot
• LPCVD機械手臂
• APCVD機械手臂
• Transfer robot
• STK
