了解更多機器學習智能監控系統？
*索取簡介 掃描 QRcode 或輸入 LINE ID 搜尋：＠grj4308r或來電 (03)356-1682
解決方案
量測儀器
監測系統
物聯網
建立機械健康規範杜絕產線不良品
為什麼需要？
建立設備機台健康規範
什麼是機器學習？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。
問題解決
機械常發生的異常行為
各軸向(馬達)驅動異常
機械異常顫抖動
製造劇本指定錯誤
機械動作時序異常
機械磨損老化
無預警撞機
外部環境震動突波過大
機械角度異常大
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。
特點說明
針對週期性生產設備
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。
快速學習
快速選取目標訊號，建立學習動作。
隨架即量
不限裝機前或裝機後，安裝快速。
自動判別
實時辨認動作，擷取正確週期比對。
多工檢測
同時執行多種判別演算式檢測狀況。
智能運算
提供 AI 人工智能運算輸入參考數據。
結果顯示
各項警報均可搭配外部 I/O 輸出。
特點說明
轉移人為經驗，快速學習目標動作週期
OLVMS®-ML機器學習智能監控系統使用者可自行設計需要檢查的健康模式狀態，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的監測藉由學習正確機台動作訊號，保留只需要監測的關鍵區段進行監測。避免不必要的訊號搜集，專注在關鍵區域的監測。
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。
內建監測模型：振福、頻率、相位、小波、標準差、穩定度等演算法。
特點說明
自動追蹤目標加工訊號、即時判別結果
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。
類機器聲紋比對
機器聲紋比對是指透過分析和比對聲音中獨特的聲紋特徵來確認或辨識個體身份的一種技術。聲紋類似於人的指紋，每個人的聲音都有獨特的頻率、音調、語速、發音方式等特徵，這些特徵組成了每個人獨一無二的「聲音指紋」。而藉由搜集機械的動態訊號，就好像是人類的聲紋，具有其不同的獨特性。
自動追蹤識別技術簡單的說，就是利用動態訊號中，提取動態特徵，包括頻譜特徵、振動模式、動態變化等，利用這些特徵進行特徵匹配演算，來判斷是否為需要的動態訊號。系統內建監測模型：振福、頻率、相位、小波、標準差、穩定度等演算法。
特點說明
等待異常事件、機械特徵識別累積技術
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。
已經針對加工行為或製程種類分類、乾淨的製程數據庫可直接加入事件執行訓練。
轉移人為經驗 ⮕ 即時監測 ⮕ 趨勢管理 ⮕ 數據清洗 ⮕ AI 化
特點說明
提供 AI 運算參數並結合趨勢圖
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
持續優化
的量測系統
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。
UI 功能畫面
異常辨別方式說明
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。
應用流程
資料精煉流程
資料精煉流程 將複雜的演算與數據化為分數及燈號
架構說明
OLVMS®-ML 單機版單通道
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單機版單通道 ：
● 評估各式設備動作是否具備週期可監測性
● 評估各式設備異常情況檢出率、好壞設備狀態比較
● 單一設備短期監測紀錄，驗證確認可持續在線監測
● 管控平行展開風險
● 具備可移動性，作為巡檢設備狀態工具
● 修機後，燒機測試穩定程度數據收集、確認
架構說明
OLVMS®-ML 單機版多通道
OLVMS®-ML 單機版多通道監測系統分為：4、6、8、10、12、16channel
OLVMS®-ML 單機版多通道 ：
● 廠內設備配置集中，數量在 16 台內
● 目標監測機台，日後無擴充計畫
● 單一核心設備具有多個重要移動部件需要即時監測管理
架構說明
OLVMS®-ML DDS 分散式架構
OLVMS®-ML DDS 分散式架構 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
● 任意邊緣與分散式核心運算系統執行於同一網域
● 同一網域內可隨處加裝分散式核心運算系統
● 同一網域內可隨處加裝邊緣系統
● 分散式核心運算可支援24ch邊緣系統
● 軟體於此系統統一更新
● 邊緣系統類別：1、8、16 channel
產線 AI 化
杜絕不良品
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。
使用效益
提供業者可運用之改善依據
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。
異常即時檢出
不限裝機前或裝機後，安裝快速。
了解設備健康
掌控設備健康，有效益的排定維修。
預知機械故障
了解機械設備，即時處理問題點。
確保產品良率
建立健康規範，確保產品一致性。
數據輕鬆蒐集
輕鬆蒐集 AI智能運算參考數據。
提升工作效率
大幅降低工程、技術人員工作負擔。
使用效益
提供業者可運用之改善依據
Support
其他機器學習相關案例
了解更多機器學習智能監控系統？
*索取簡介 掃描 QRcode 或輸入 LINE ID 搜尋：＠grj4308r或來電 (03)356-1682