精密量测系统
| 应用实例：温升、压力、分子量曲线分析 | |
化学槽及反应堆随着时间变化，针对温度、压力或分子量等项目会依序产生有趋势的曲线图，化学业经常使用DCS或SCADA系统，如Honeywell之PHD或Yokogawa搜集检验数据，透过Watch Dog软件可串连DCS数据库，加载数据后，可针对数值数据作前置处理提取合适数值，并拟合成曲线，对每个节点、斜率、转折点做管控，依其变化判读出化学变化中发生的事件，如：找出加入溶剂的时间点，并进而提取该时域之数值变化，进行上下限或自定义规则的管制，超规异常也可透过EMAIL或警示灯提供信息给相关人员。 |  |
数值数据库系统整合Data mining
将设备检测数值数据转成标准协议格式，透过系统串接，作数据库进阶开发应用。（如：利用Honeywell提供之NET Wrapper or Microsoft OLEDB Provider Driver向PHD Server撷取测量数据转抛到数据分析数据库，依所需分析类别等先做初步汇整动作）。
数值前置处理-Processing
过滤（Filter） 透过设定条件进行筛选，剔除不适数值、提取具稳定趋势之有效数值进行后续处理。 | 重新取样（Resample） 依照数值曲线特性，变更数值取样内容，不改变原有曲线特性的前提下，取得具有代表性的数据，减少后续储存空间与演算时间的浪费。 |
数值转换（Translation） 可藉由傅立叶（FFT）、对数（Log），、指数（Exponential）、极坐标（Polar coordinates）、标准化（Normalize）…等，将该时域下数据转换成其他数值，进行有意义的分析。 | 曲线拟合（Curve Fitting） 如数据包含一维输入及输出，则此数学模型（线性、二次、三次…） 可经由多点数据拟合一条曲线，并进行后续分析。 |
数值即时监控模块-Monitor
 |  |
|
| MiDFUN专业研发团队，接受贵厂特殊客制化需求，进阶优化系统功能、满足您实务所需。 | ||
数值监控数值即时监控模块-Monitor
可应用于在线检测单点、多点、连续性数值监控
数值即时显示，透过自设管制规则，判读工件OK、NG。
数值异常即时警讯，除软件图式警示，可外接警示灯号或e-mail信息发送，异常信息完整纪录。
整合选别机将良品、不良品分类、或连续异常可控制机台停产。
可整合成机区、整厂，及至跨厂区的中央监控。可做成显示广告牌、支持行动装置。 |  |
生产检测仪器数值自动化联机。制程参数与质量检验数据整合-Integration ------智慧制造的多样式主题应用
从质量结果，跨站分析找出异常制程
遭遇问题：过去当异常发生而产生不良品时，由于时间差，往往无法快速追踪异常发生原因，并修正异常制程，导致成本的损失。更糟的是，这是死循环。
解决方式：当SPC检测发现质量异常时，可透过工单、批号…等关联，由AIQ连接对应该产品的制程参数履历，可快速检视所有制造过程中的制程参数。亦可透过关联分析，立即缩小问题范围，找出异常制程。自动化系统可即时验证设想是否正确，让失败机会不再发生。
找出最影响质量的关键制程因子 在众多制程站别中，透过制程参数与质量检验数据的大数据分析，可关联出各制程参数影响质量结果的关系程度比重，并找出最影响质量的关键制程因子。 |  |
预测性设备保养维护 自定义设备关键元件，累积关键参数数据资料，透过预测模型监控健康趋势，了解设备健康状态，以供判断是否更换元件。可灵活调整更换时间，节省元件和避免无预期停机故障。 | 质量预测 当产品需进行破坏性测量或无法测量时，可透过监控制程参数，及时预测产品品质。并在实际质量检测前，透过预测模型，提早发现，甚至防止质量异常，也能避免不良品流到下游制程浪费产能。 |
找出最影响质量的关键制程因子 在众多制程站别中，透过制程参数与质量检验数据的大数据分析，可关联出各制程参数影响质量结果的关系程度比重，并找出最影响质量的关键制程因子。 | |
质量全检数据的监控与筛选 遭遇问题：客户要求对产品做质量全检，但面对巨量数据，无法有效处理、难以应用，该怎么办？ 解决方式：AIQ即可快速对质量全检的大数据Raw Data，做即时监控与管制报警与简易的统计出图。并可透过AIQ数据前置处理功能，筛选出所需数据，上传至SPC做后段分析管理应用 | 串接SPC做后段分析管理应用 以整厂来说，可能只有少数关键站，会做质量全检。可将AIQ作为前置应用，标明所需要的数据，将数据串连至SPC，整合进整厂的质量分析管理系统。并用原有的SPC系统和分析习惯，进行进阶分析及出各式丰富的报表，以此将以往无法妥善处理的大数据资料，整合出可有效应用的一条新路 |
| 制程参数智能最佳化（快速优化质量） 遭遇问题：当客户要求更好的产品品质，只挑选产线原本生产的质量范围中的精华区段（例如：质量管制项目的内径由110~80mm要提升为100~90mm。该如何得出调整方式？并快速的调整产线制程参数？ 解决方式：由AIQ搜集各站制程参数和SPC质量检验数据并作关联分析，透过大数据算法建立质量预测模型。之后只需对预测模型输入所需要的预期质量，即可智能得出用以生产的最佳制程参数的建议值。 | |
AIQ为高度智能化且简单易用之系统，让您不再需要高度仰赖人力经验，用最真实的科学数据，为企业累积生产智慧，提升产品品质。AIQ智能质量系统，可让您逐步导入应用。对应各阶段不同需求，以模块化的方式，开启各式不同的大数据应用主题。并有专业技术团队，可量身开发打造客制化应用。
