moneo DataScience Toolbox – 人工智慧
什麼是 SmartLimitWatcher？
SmartLimitWatcher 是 moneo DataScience Toolbox 的第一項工具，其以人工智慧為基礎，為生產製造提供解決方案。在生產品質或工廠狀態方面（例如：溫度、流量、振動、當前量測值），使用者能受益於關鍵製程數值的長久監控。
SmartLimitWatcher 利用歷史數據進行比對，使其能針對已測量數據與已設定的目標值之間，進行長期可靠的設定值/實際值比較。針對感測器設定值的動態範圍進行額外計算，能對所測量到的數值範圍自動指示進行長久評估。
動態限值監控與靜態製程數值監控相反，動態限值會依據機台或系統目前的製程狀態而異。支援變數說明了機台或系統的製程狀態。而使用數學模型，能依據這些支援變數計算出動態限值。如果發生偏差的情況（異常），會自動發出警告或警示。
靜態與動態製程監控之間差異
成功使用 SmartLimitWatcher 的先決條件
- 必須有至少 2 個製程數值：
- 1 個製程變數會作為目標變數，並進行監控
- 至少有另一個製程值會用來當作支援變數
- 可用的歷史數據必須包含所需足夠的作業狀態資訊。（一道製程的所有循環必須記錄數次。對於諸如過濾器等應用而言，這相當重要。）
- 所監控的製程中，目標變數與支援變數間必須有製程關係（非線性/線性）。必須以可用數據適當說明這項關係。因此，所有機械耦合系統都非常適合。（潛在的製程關係無須利用公式說明。）
- 為進行監控而示教的製程關係必須在未來也能有效。（範例：所監控的系統發生變更，則必須進行新的校正。）
- 由目標變數衍生出的「人造」支援變數（例如：透過計算得出）不能用來監控目標變數。
- 因此，目標變數值的變化與支援變數值的變化間，不應該會有太長的延遲。（範例：熱力學慢反應）
- 有著非常「雜亂」測量值的製程不應納入考量，因為無法對模型進行準確的示教。
