AI應用技術
預測性維護，No-Code AI，無監督式學習演算法，神經網路架構自動建構模型，IoT 即時連結OSIsoft PI系統即時時序資料庫。多變數異常偵測。　　

技術應用領域
成功應用於石化、化工、鋼鐵等連續製程行業，幫助企業進行數據整合、互動式資料清洗、設備屬性視覺化配置，以降低非計畫停機，提升維修效率，延長設備壽命，增進安全，降本增效，打造智慧工廠。　　

應用名稱
MARS 多變數異常偵測與預知保養系統（Multivariate Anomaly Reconnaissance System）　　

應用描述
MARS 基於關鍵設備的時序數據，自動建立異常識別模型，即時產生健康度/相似度曲線與重建誤差，在設備效能出現偏移的早期（可提前數天至數週）發出預警。系統同時提供關聯測點排序與根因推論、Web 即時監控與知識管理，協助現場快速定位問題、安排維護，降低非計畫停機與產能損失。功能內容包含：★「多變數時序建模與異常偵測」：非線性分析、健康度/相似度曲線、重建誤差監控。★「自動化與少程式化（No-Code）建模」：互動式資料清洗、設備屬性視覺化配置、一鍵部署。★「關聯與根因分析」：關聯測點排序、單點「實測 vs. 預測」對比、事件時間軸比對。★「資料整合與即時監控」：連接 PI/AF、即時 Web 監控面板、告警治理與知識管理。★「MLOps 與模型治理」：版本管理、再訓練與回訓、門檻管理與效能追蹤。　　

運用技術
包含三大機器學習：（1）無監督學習No-Code自動建模，（2）深度學習：神經網路架構進行參數化表徵學習與重建誤差；（3）多變數異常偵測與早期預警，以及結合（1）AIoT 即時連結設備 PI/AF 時序引擎（2）資料與特徵工程自動化技術（3）MLOps等三大技術。　　

效益
☆「提前預警」：在故障前數天～數週捕捉效能下修跡象，贏得處置時間。☆「降低停機與維修成本」：減少非計畫停機、支援計畫性維護/備件安排。☆「提升維運效率」：No-Code 流程讓自動/自助再訓練成為可能，加速模型迭代與部署。☆「強化安全與合規」：即時監控＋告警治理，降低異常擴大為事故的風險。☆「知識沉澱」：將經驗轉化為健康度指標與關聯規則，形成可複用的現場知識。　　

應用/研究單位
IIOTFAB薈智創新科技有限公司　　

連繫窗口
洪欣瑋 女士 07-5560536 vivianhong@iiotfab.com