模組化AI自適應診斷系統
智慧轉換製程數據，自動預測異常與模型訓練
本系統為金屬加工場域量身打造的「模組化AI自適應診斷系統」，透過溫度、壓力、電流等感測數據，結合自動化特徵轉換與品質預測模型，協助快速定位異常肇因。使用者可依資料屬性建構分類模型或異常偵測模型，並可導入新資料進行模型優化。系統同時支援自定義告警條件、操作記錄下載與即時監測，兼具靜態判斷與動態追蹤功能，提升現場品質控管與生產效率。
方案特色
建立模型模式，支援分類與偵測
本系統提供分類模型與異常偵測兩種訓練模式。使用者可上傳正常與異常資料進行模型建立，每筆檔案支援最大200MB，並可透過簡易拖曳介面完成上傳。分類模型能清楚區分不同狀況來源，有效提升製程異常辨識力，利於後續判斷與預測運算。
彈性模型微調，持續強化精度
提供訓練模型（PKL）重新優化功能，使用者可透過含target欄位的新資料進行模型再訓練（retraining），目標欄標示1=正常、0=異常。此機制讓模型能隨製程變動自我調整，確保預測邏輯與時俱進，提升持續應用價值。
異常預測多元模式支援
支援「單筆資料檢測」與「即時資料監測」兩種模式，可用於靜態檢查或連續製程監控。使用者可選擇已建置模型進行資料預測，並能即時回饋預測結果，協助早期發現潛在問題，提升現場快速處置能力。其中，即時資料監測模式可偵測特定資料夾，當資料儲存後即自動讀取並進行品質預測，輸出健康分數，實現自動化監控與即時異常警示。
客製告警條件設定，即時回饋異常資訊
可透過Excel檔案格式匯入自定義告警條件，例如健康分數低於90、連續異常次數達3次等設定，並支援一鍵載入、快速更新機制。系統整合即時運算模組，可於達成條件時即時啟動警示，降低管控風險延遲。
完整操作記錄與稽核機制
所有操作均紀錄於「操作記錄」模組中，包括設定儲存、檔案路徑與執行時間等資訊。使用者可查詢特定事件並下載記錄檔（CSV），有助於製程溯源、版本控管與內部稽核，強化系統可追蹤性與透明度。
應用場景
製造場域
鋁擠型擠壓製程與冷卻製程數據監測與異常判斷。
一般辦公場域
非製造場域AI異常監控與模型訓練操作應用畫面。
想瞭解更多，立即聯繫我們！
｜諮詢窗口｜
FIND團隊
find@iii.org.tw
