在智慧製造持續發展的今天，企業累積了大量來自設備與製程的資料，例如振動、聲音、電流、電壓，以及各種隨時間變化的訊號。然而，擁有資料不等於能真正發揮資料價值。對製造現場而言，真正的挑戰往往不是「有沒有資料」，而是如何從大量原始訊號中找出有意義的資訊。從資料前處理、訊號分析，到AI模型建立與驗證，每個環節都可能需要不同的工具與技術能力；訊號種類越多，整體分析流程也越複雜。

在實際的設備與製程環境中，不同訊號有不同特性，原始資料通常需要先經過適當的前處理與分析，才能用來建立AI模型。因此，如何把現場取得的感測訊號轉換成適合AI分析的資料，並建立一套可重複使用、驗證的流程，是導入AI檢測的重要環節。

為協助企業更有效運用現場感測資料，AISDetector推出新一代AISDetector 2.0多感測訊號AI檢測平台（Multi-Sensor AI Inspection Platform）。平台從原本的單一異音分析工具，擴展為可處理多種訊號的AI分析與異常檢測平台，串聯資料處理、前處理、AI建模與異常分析流程，協助企業建立更完整的AI檢測應用。

AISDetector 2.0聚焦於時間序列與頻譜訊號分析，從原本的異音分析擴展至多感測訊號，支援聲音、振動、電流、電壓及製程等工業訊號。透過同一平台處理不同類型的感測資料，AI檢測不再局限於單一訊號來源，企業可依設備或製程需求，選擇合適的訊號進行分析。

在設備健康監測方面，可針對馬達、泵浦、風扇、軸承、齒輪箱及壓縮機等設備，分析聲音與振動訊號；在產品品質與異音檢測方面，則可應用於風扇異音、電感嘯音、旋轉音、組裝異常，以及產品OK/NG判定。企業不必再為不同訊號各自建立一套分析工具，而可透過單一平台處理多種感測資料，進一步建立符合需求的AI異常檢測流程。

AI模型的表現不只取決於模型本身，資料品質與前處理同樣關鍵。感測資料取得後，通常不能直接拿來建立AI模型，而要先依不同訊號特性進行適當處理。例如，振動訊號可能需要觀察頻率分布；聲音訊號可能需要分析頻率如何隨時間變化；若資料受到環境噪音干擾，也可能需要先進行濾波或降噪。

AISDetector 2.0將前處理功能從舊版的13種增加到46種，並採用節點式設計，讓使用者可以依需求組合不同處理步驟，建立適合各類訊號的分析流程。

平台提供FFT、STFT、小波轉換、A-weighting、高通／低通濾波、降噪、對齊、標準化與正規化等方法，使用者可依訊號特性選擇合適的處理方式。

● FFT：適合觀察週期性或振動訊號中，各頻率成分與振幅的分布。

● STFT：適合分析頻率特徵會隨時間改變的訊號。

● 小波轉換：適合找出不同尺度或短時間出現的局部異常。

● A-weighting：可讓聲音分析更貼近人耳實際聽感。

● 濾波與降噪：協助降低無關頻段或環境噪音對分析的影響。

完成前處理設定後，使用者可透過Pipeline（處理流程）將不同節點串接起來，形成一套對應特定訊號的分析流程。

相較於自行摸索不同的訊號處理方法，AISDetector 2.0將多種前處理功能整合在同一平台，讓使用者能依資料特性建立需要的分析流程。

對許多企業而言，導入AI的一大挑戰，是拿到一筆原始訊號資料後，不知道第一步該做什麼。

AISDetector 2.0導入Agent AI，透過問答了解設備類型、異常狀況與訊號種類，再依需求提供前處理與分析流程建議，協助降低AI建模門檻。例如，使用者只要提供目前要分析的設備、訊號類型，以及希望檢測的異常狀況，Agent AI就能根據這些資訊提出前處理建議。使用者不必完全從零開始嘗試不同組合，而可在AI輔助下更快建立分析流程。

AISDetector 2.0同時支援Cloud LLM（雲端大型語言模型）與On-Premise LLM（地端大型語言模型），可依不同使用情境選擇合適的方式。

對製造現場而言，AI判定「這筆資料異常」只是第一步。傳統檢測往往只提供「OK/NG」結果，但實際應用上，除了知道有沒有異常，更重要的是找出異常發生的位置。透過檢視訊號中的異常區段，使用者可以進一步分析與確認異常狀況，讓AI檢測結果不只停留在判定，也能作為後續分析的依據。

AISDetector 2.0除了輸出正常／異常判定，也能呈現前處理結果、重建結果、差異分析與異常區段，協助使用者找出異常訊號的位置。在轉動設備等應用中，還可搭配頻譜特徵分析可能的異常類型。不過，設備的實際故障原因仍需結合設備資訊、量測方式與專業判讀，不能直接把AI判定視為最終故障診斷。

AISDetector 2.0可應用於多種工業場景，包括：

要讓AI真正在製造現場發揮作用，挑戰不只是建立模型，還包括如何把原始資料整理成可分析的資訊，並建立一套可重複使用、驗證與部署的流程。

AISDetector 2.0的核心，就是把Data（資料）→Preprocessing（前處理）→Pipeline（處理流程）→AI→Anomaly Detection（異常檢測）→Deployment（部署）串成一條完整流程，從單一訊號分析工具進一步發展為多感測Signal AI平台。

透過Multi-Sensor（多感測訊號）、46種前處理、Agent AI、異常分析與API整合，AISDetector 2.0協助企業降低導入Signal AI的門檻，讓設備與製程累積的大量感測資料，不只是被收集，也能進一步轉化為可分析、可驗證、可部署的AI檢測能力。讓訊號不只是資料，更能成為智慧製造的決策依據。

AISDetector 2.0不只是模型訓練工具，也把資料前處理、AI建模、模型驗證與推論部署串成完整流程，協助企業從資料分析一路走到實際應用。

使用者可匯入自有設備或製程資料，建立專屬AI模型；完成訓練與驗證後，再依專案需求將模型部署到目標主機進行推論。平台也支援API，讓企業與系統整合商（SI）能串接既有系統，進行後續開發與應用整合。

對企業而言，可從既有設備與製程資料出發，透過AISDetector 2.0逐步建立符合自身需求的AI檢測能力。對SI而言，從資料驗證、PoC到產線整合，往往需要投入大量時間處理訊號、建立前處理流程與開發AI模型。AISDetector 2.0將資料處理、AI建模、異常檢測、模型驗證與推論等功能整合在同一平台，有助於降低開發與整合門檻，加速PoC與應用整合，縮短從概念驗證到實際部署的時間。

AISDetector 2.0讓多元感測資料不只是被收集，更能轉化為可分析、可驗證、可部署的AI檢測能力，協助企業與SI加速AI從概念驗證走向實際應用。