大家好 我是依法半導體人工智能創新中心的鄧宜鈞接下來我跟大家展示一個基於AI的一個工業預設性維護的解決方案這個方案的AI算法是由我們的一個自動化的機器學習的工具Nanui AS Studio來自動去生成的它通過對設備的一個振動信號進行分析跟那個特徵的提取來判斷這個設備是否有發生異常這個AI算法有一個非常大的特點就是說它在電腦上訓練好 然後部署到MCU上之後它還可以對這個設備的一個正常的行為來進行一個學習來對這個模型進行一個微調從而讓這個模型的一個檢測變得更加的準確那我們看到這個demo這裡有一個黃色的一個模塊它是我們的一個Protest One的一個工業傳感器的模塊它上面也集成各種各樣的工業的一個傳感器在這裡我們可以用它來採集我們設備的一個振動信號同時它裡面還有一個SM32WB的MCU它可以用來運行我們的AI算法並且將檢測到那個設備的一個狀態通過藍牙傳輸到平板或者說手機上的一個藍牙的APP上並且把那個結果給顯示出來那這邊有兩個紅色的按鈕可以用來模擬我們設備的兩種不同類型的異常Magnet這個按鈕是可以將這邊的這個磁鐵塊給下降下去來對這個設備產生一個干擾而Shift這個按鈕可以把中間的這個軸讓它產生一個位移來模擬一個那個軸不對齊的一個情況好那接下來呢我跟大家來演示一下這個demo好那我首先讓電機正常運轉起來然後在平板上面的APP上我可以控制這個設備進入一個學習的狀態那我現在開始我們看到這邊Progress可以看到那個學習的一個進度現在大概在30%的樣子我們稍微等一下讓它去學更多的振動信號去對模型進行微調好現在學習完畢我們看到設備已經進入到了一個檢測的狀態我現在開始檢測我們看到那個結果這裡呢顯示是一個對勾是綠色的它顯示這個現在設備的狀態是一個正常的狀態那我接下來的話我會去手動的製造一些異常首先我讓那個磁鐵塊降下來去對設備產生一定的干擾我們看到這邊的結果顯示異常了那個相似度變成了非常的非常低20%左右那我再讓磁鐵塊回到原來的狀態我們看到這邊顯示的一個結果已經變成綠色也就代表那個設備已經回到了正常狀態然後我再按一下shift這個按鈕讓那個軸製造一個不平衡的狀態我們看到這邊顯示的結果又變成了異常相似度大概在20%左右然後我再讓軸回到以前的位置然後這邊狀態又回到了正常的狀態好那以上就是這個demo的一個演示我們可以看到AM模型在做那個異常檢測的時候它的結果是非常的準確而且也是非常穩定的好那今天的展示就到這裡結束謝謝大家