Skip to content

EN · 繁體 · 简体

Brain 把机器推理带到非计划停机中

Brain 让设备能够解释自己的报警、偏移和制程/测试结果。它从本来就有的设计产物(代码、DFM、FMEA)和可观测量(日志、遥测、传感器读数)推导出设备知识,非计划事件照样能在机台旁得到解释。

  • 任一事件前后设备状态与信号的回放
  • 报警与其之前的事件并列,可能原因按信号排序
  • 按顺序给出、附证据的检查建议,中英文皆可
  • 直接从数据生成的证据报告与 DOE 报告;决定权在工程师
Illustrative cleanroom equipment scene with Z-axis position in millimeters and vacuum pressure in kilopascals plotted over time

设备再验证

找出韧体更新改变了什么

韧体更新上去了,没有报警。Brain 把这次运行和基准对照回放,把差异收窄到一个时间窗口和一个信号,证据报告直接从数据生成。

Engineer reviewing a test handler's behaviour after a firmware update
测试分选机的设备再验证
Brain Telemetry with focus tree, excursion and focused signal
遥测:偏移及其上下文
Evidence Report with observed value distribution and detector position
证据报告,直接从数据生成

生产监控

夜班的 600294 报警

夜里 600294 报警把分选机停了,代码只说明了哪里触发。Brain 把可能原因按顺序列出,每项对应程序步骤和日志行,技术员看着证据做第一项检查。

On-site team at a test handler showing alarm 600294
生产监控,600294 报警
Brain Telemetry with focus tree, synchronized states and 600294 signal markers
回放:设备状态与报警背后的信号
Brain assistant suggesting the first check, with the evidence behind it
助手:附证据的检查建议

DOE 验证

夹爪模块的十二次负载测试

夹爪模块的十二次负载测试躺在 CSV 里。Brain 验证每次运行,做负载与速度的因子对比,写出结论并注明数据的限制。

Engineer performing a physical load test on a gripper module
夹爪模块的 DOE 验证
Experiment Report: Treatment Comparison, Main Effects and Interaction Plot
分析:各测试条件的对比
Experiment Report conclusion with analytical limitations and source traceability
结论,附数据的限制

部署

产线上的 Brain

Brain 运行在一台 Mac mini 级别的边缘计算机上,放在可信厂区内、SCADA 或控制器旁边:只读、不联网、设计产物和数据留在所有者手里。对设备制造商,Brain 可以预装出货。

Brain deployment architectureOriginal supplied architecture image. Highlight overlays follow the deployment steps without changing the image content.

常见问题

常见问题

Brain 会取代我们的 SCADA 或 OEE 系统吗?

不会。那些系统记录发生了什么、代价多少。Brain 在它们旁边处理“为什么”,并可通过 API 把结果送回去。

Brain 会控制设备吗?

不会。Brain 的设计就是只读的,出于法规原因,它不会直接控制设备。它完全在本地边缘运行,制造商的敏感 IP 永远不会泄露到云端。

IP 安全吗?

安全。运行时,Brain 在承载它的 Mac Studio 上的安全可信区内运行。设备 OEM 接触不到工厂的配方和运行日志;工厂或制造商接触不到设备 OEM 的代码、设计文档和设备专有技术;Brain 自主运行,通过主动学习观察并从两者中提取知识,而 Novigens 既接触不到两者,也接触不到 Brain 所获得的知识。

Brain 会像大模型那样出现“幻觉”吗?

不会。Brain 基于第一性原理的马尔可夫决策过程设计,是另一类机器学习。它与大模型(一种有局限、会产生幻觉的 AI)不是同一种架构,而且 Brain 推导出的所有知识都能溯源到其证据来源。

计划怎么衡量?

用开始前约定的一个数字,与之前一段时间对比:每次事件工程师花在日志上的小时数、从报警到第一项正确检查的时间,或变更后到签字放行的时间。

怎么开始?

从一个机型开始。为了得到第一个结果,需要一份有代表性、限制最少、在 NDA 下提供的设计产物样本(一两个代码模块、报警清单、一份工艺规格)和一次过去停机或未分析测试的可观测量。上线后,Brain 在现场推导本地完整模型。未经您的许可,Novigens 是接触不到推导后的优化模型的。

从一个
机型开始。

一份有代表性、在 NDA 下提供的设计产物样本,加上一次没人解释得清的停机的可观测量。Novigens 用 Brain 跑一遍并报告结果。上线后,Brain 在现场推导本地完整模型。未经您的许可,Novigens 是接触不到推导后的优化模型的。