機台預測性維修

根據機台的運作暨維修之歷史數據，基於大數據分析及機器學習技術對機台實施預測性維修，可減少非預期之機台停機時間及非必要之停機維修。

藉由機台設備數據與設備故障紀錄，搭配以大數據分析及機器學習演算法建模之技術，協助製造企業建立維修預測模型，降低故障發生率，以達到提升機台稼動率之效益。

本案例係以使用機器學習模型，透過大數據分析企業所累積之大量機台設備數據與機台故障紀錄，以達到提早判斷機台是否即將發生故障。

一直以來，案例工廠在機台運轉的過程中，會因為故障而瞬停未運轉。當故障發生時，若現場作業人員不熟悉操作流程，無法判斷發生什麼故障及如何解決，則可能因此導致停機時間拉長。因此客戶詢求一套AI自動化維修預測系統，藉此建置故障預警機制，提早進行設備的維護保養，以期達成”提升稼動率”的目標。

機台健康的狀態控管，過去常見的方式為定期維護保養，透過大數據分析機台設備數據與設備故障紀錄，用機器學習方式建立故障預警機制，幫助現場人員提前進行保養，降低因故障而發生停機的頻率。

透過搜集機台設備數據與設備故障紀錄所累積的數據，經由專案團隊與客戶領域專家討論「機台故障重要特徵」，包括定義問題、搜集與處理資料，數據理解等，最後建立維修預測之預警系統。