本課題通過具體實例，介紹利用AI及生成AI技術進行設備狀態監控與維護的最新技術。特別是演示如何使用振動傳感器「conanair」和音頻解析GW進行數據收集，並學習如何通過AI分析振動和異音數據進行故障預測。
進一步探索「在異常檢測之後，如何利用生成AI」進行應對。將比較一般的LLM（大規模語言模型）與加入專業知識的RAG（檢索增強生成）方法，提出更具實踐性的應對方案。通過這次課題，參與者將具體了解AI和生成AI技術如何幫助設備進行預測性維護，並思考其未來在業務中的應用，從而為現場問題提供有效的解決線索。
●講演內容：
一、設備維護中的狀態監控、AI與生成AI的應用
二、數據收集：振動與異音監控
2-1 AI應用中的數據收集要點
2-2 振動數據的收集與異常檢測
2-3 音頻數據的收集與異常檢測
2-4 通過NamiSurv自動收集振動/音頻數據，並進行AI Real-Time異常檢測
三、AI預測性維護中的故障預兆分析
3-1 數據預處理的重要性
3-2 構建機器學習模型與異常檢測
四、生成AI在異常檢測後的應對
4-1 異常檢測後的應對流程
4-2 生成AI的具體應用構思
4-3 Chat-GPT等通用LLM與RAG的比較
五、QA與總結
三建可為企業規劃專屬內訓課程，含客製化大綱、講師派遣與教材配套。