振動訊號與 FFT 頻譜診斷
從 Raw Data、Feature Mode 到 FFT Data，將現場訊號轉成可判斷的設備健康特徵。
Sensor3 軸振動 / 溫度
Edge AI端點特徵萃取
Diagnosis異常與位置判斷
APM維護與 ESG 決策
About BY-AI
把設備訊號，轉成維護團隊看得懂的判斷。
客戶需要的不是更多儀表板，而是更早知道異常、知道風險位置、知道是否該安排停機維修。
Company
一套從現場感測到維護決策的 APM 方案。
標揚協助客戶把轉動設備的振動、溫度與頻譜資料接入既有現場系統，讓廠務、維護與製程團隊能用同一套語言討論設備健康狀態。
- 先盤點高停機成本設備，再選擇合適感測器頻寬與介面。
- 輸出 Raw Data、Feature Mode 或 FFT Data，依場景控制資料量。
- 以邊緣運算減少中間設備，讓導入成本與維護負擔更可控。
Live APM View
設備健康資料流
Sensor 擷取 3 軸振動、溫度與頻譜資料。
Technology
技術重點：讓資料少搬運、判斷更靠近現場。
滑過圖表可看不同節點。重點是讓現場知道哪台設備有風險、風險來自什麼訊號，以及下一步該不該維修。
設備健康指標
將設備狀態、異常趨勢與能耗連結，形成可追蹤的維護優先序。
74EHI
Vision
客戶導入後，應該更容易做三個決策。
預知保養的價值不在技術名詞，而在讓現場把有限的人力、停機窗口與預算用在最需要的設備上。
預防停機
提前預知設備臨時停機前兆，減少產能損失與維修成本。
自動化與無人化
支援工廠設備自動運轉時的持續診斷，提升營運效率。
永續工業
用設備健康指標連接能耗改善，協助企業推進 ESG。
Team
主要成員
跨商業、AI、晶片、設備與系統工程的核心團隊。
魯家寧 Arthur Lu
CEO，台大電子所碩士，具鴻海、台達電、研華與連續創業經驗。
徐士傑 教授
R&D AI Model Head，華盛頓大學物理系教授，Real Time AI 與 FPGA 加速專長。
賴伯承 教授
R&D AI Chip Head，陽明交大電子所教授，SoC 與 AI 平行運算架構專長。
簡志炘 副總經理
System Expert，具建廠整廠系統規劃、IoT 部門主管與工廠設備工程經驗。
邱俊憲 技術經理
Motor Expert，具馬達 Pump 設備維保、AIoT 系統與職安衛管理實務。