Skip to content

EN · 繁體 · 简体

Brain 把機器推理帶到非計畫停機中

Brain 讓設備能夠解釋自己的警報、偏移和製程/測試結果。它從本來就有的設計產物(程式碼、DFM、FMEA)和可觀測量(日誌、遙測、感測器讀數)推導出設備知識,非計畫事件照樣能在機台旁得到解釋。不用再靠乖乖了,機台就算真的壞了,也有人接得住。

  • 任一事件前後設備狀態與訊號的回放
  • 警報與其之前的事件並列,可能原因按訊號排序
  • 按順序給出、附證據的檢查建議,中英文皆可
  • 直接從資料生成的證據報告與 DOE 報告;決定權在工程師
Illustrative cleanroom equipment scene with Z-axis position in millimeters and vacuum pressure in kilopascals plotted over time

設備再驗證

找出韌體更新改變了什麼

韌體更新上去了,沒有警報。Brain 把這次運行和基準對照回放,把差異收窄到一個時間視窗和一個訊號,證據報告直接從資料生成。

Engineer reviewing a test handler's behaviour after a firmware update
測試分選機的設備再驗證
Brain Telemetry with focus tree, excursion and focused signal
遙測:偏移及其上下文
Evidence Report with observed value distribution and detector position
證據報告,直接從資料生成

生產監控

夜班的 600294 警報

夜裡 600294 警報把分選機停了,代碼只說明了哪裡觸發。Brain 把可能原因按順序列出,每項對應程式步驟和日誌行,技術員看著證據做第一項檢查。

On-site team at a test handler showing alarm 600294
生產監控,600294 警報
Brain Telemetry with focus tree, synchronized states and 600294 signal markers
回放:設備狀態與警報背後的訊號
Brain assistant suggesting the first check, with the evidence behind it
助手:附證據的檢查建議

DOE 驗證

夾爪模組的十二次負載測試

夾爪模組的十二次負載測試躺在 CSV 裡。Brain 驗證每次運行,做負載與速度的因子對比,寫出結論並註明資料的限制。

Engineer performing a physical load test on a gripper module
夾爪模組的 DOE 驗證
Experiment Report: Treatment Comparison, Main Effects and Interaction Plot
分析:各測試條件的對比
Experiment Report conclusion with analytical limitations and source traceability
結論,附資料的限制

部署

產線上的 Brain

Brain 運行在一台 Mac mini 等級的邊緣電腦上,放在可信廠區內、SCADA 或控制器旁邊:唯讀、不連網、設計產物和資料留在所有者手裡。對設備製造商,Brain 可以預裝出貨。

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

常見問題

常見問題

Brain 會取代我們的 SCADA 或 OEE 系統嗎?

不會。那些系統記錄發生了什麼、代價多少。Brain 在它們旁邊處理「為什麼」,並可透過 API 把結果送回去。

Brain 會控制設備嗎?

不會。Brain 的設計就是唯讀的,出於法規原因,它不會直接控制設備。它完全在本地邊緣運行,製造商的敏感 IP 永遠不會洩露到雲端。

IP 安全嗎?

安全。運行時,Brain 在承載它的 Mac Studio 上的安全可信區內運行。設備 OEM 接觸不到工廠的配方和運行日誌;工廠或製造商接觸不到設備 OEM 的程式碼、設計文件和設備專有技術;Brain 自主運行,透過主動學習觀察並從兩者中提取知識,而 Novigens 既接觸不到兩者,也接觸不到 Brain 所獲得的知識。

Brain 會像大模型那樣出現「幻覺」嗎?

不會。Brain 基於第一性原理的馬可夫決策過程設計,是另一類機器學習。它與大模型(一種有侷限、會產生幻覺的 AI)不是同一種架構,而且 Brain 推導出的所有知識都能溯源到其證據來源。

計畫怎麼衡量?

用開始前約定的一個數字,與之前一段時間對比:每次事件工程師花在日誌上的小時數、從警報到第一項正確檢查的時間,或變更後到簽字放行的時間。

怎麼開始?

從一個機型開始。為了得到第一個結果,需要一份有代表性、限制最少、在 NDA 下提供的設計產物樣本(一兩個程式碼模組、警報清單、一份製程規格)和一次過去停機或未分析測試的可觀測量。上線後,Brain 在現場推導本地完整模型。未經您的許可,Novigens 是接觸不到推導後的優化模型的。

從一個
機型開始。

一份有代表性、在 NDA 下提供的設計產物樣本,加上一次沒人解釋得清的停機的可觀測量。Novigens 用 Brain 跑一遍並報告結果。上線後,Brain 在現場推導本地完整模型。未經您的許可,Novigens 是接觸不到推導後的優化模型的。