
整合製程數據與 AI 分析,優化關鍵參數設定,提升良率與生產效率。
融合數據分析、專家系統與 AI 建模,建立企業專屬決策能力。
滿足多元預測分析與智慧決策需求
整合專家系統、分類、回歸、時間序列、異常偵測與分群分析能力,協助企業建立專屬 AI 模型。

無需歷史數據,僅需設定規則與條件,即可建立規則庫進行推論,模擬專家經驗與決策邏輯。
根據歷史資料訓練 AI 模型,自動判斷設備、產品或事件類別,協助品質管理與風險評估。
根據歷史資料訓練 AI 模型,預測良率、能耗、產量等連續數值指標,掌握關鍵變化趨勢。
透過 AI 模型自動識別異常事件與異常數據,提前預警潛在風險與營運問題。
分析歷史資料與週期變化,預測未來需求、產能與關鍵指標的發展趨勢。
無需預先定義標籤,自動依據資料特徵進行分群,協助客群分析與市場區隔。
數據驅動決策,涵蓋多元應用場景,協助企業從數據發掘營運價值。

整合製程數據與 AI 分析,優化關鍵參數設定,提升良率與生產效率。

整合製程數據與 AI 分析,優化關鍵參數設定,提升良率與生產效率。

即時監測製程參數變化,提前預警異常風險,降低停機與品質損失。

結合歷史數據與 AI 模型分析,推薦最佳參數配置,降低能耗與營運成本。

透過 AI 分析設備感測數據,預測故障風險並優化維護策略,提升生產穩定性。

整合環境感測數據與 AI 分析,自動優化環境控制,提升作物品質與產量。
內建資料清理、轉換與特徵工程功能,提升資料品質與模型準確度。

提供模型排行榜、特徵重要性與評估指標分析,快速找出最佳模型並掌握預測效能。
內建缺失值處理、標籤編碼與特徵工程工具,提升資料品質與模型準確度。
將專家經驗轉化為可重複使用的規則庫,建立決策邏輯與判斷機制。
支援模型發布、API 串接與邊緣部署,讓模型順利上線應用。
支援大量資料批次預測與結果輸出,提升分析效率與決策速度。
整合資料處理、特徵工程與模型訓練流程,建立企業專屬 AI 分析與決策能力。
上傳 .csv/.xls 資料,系統自動檢查空值與格式並示警,並分析敘述統計、相關性與異常值。資料上傳與分析NumOps × WinEdge
從資料蒐集、模型部署到決策應用,串起完整的 AI 分析與決策流程。
100% 地端私有部署,完整掌握資料與模型自主權。
| 項目 | 版本 |
|---|---|
| 作業系統 | Ubuntu 20.04 或更高版本 |
| Docker Engine - Community | 20.10.17 或更高版本 |
| 項目 | 最低規格 | 建議規格 |
|---|---|---|
| CPU | Intel® 9th Gen Core™ i5 / i7(AMD64 / x86) | Intel® 13/14th Gen Core™ i5 / i7 |
| 記憶體 | 16GB | 128GB |
| 儲存裝置 | 1TB HDD | 1TB SSD + 2TB HDD |
| 連接埠 | USB 2.0 / 3.0(連接加密鎖) | |


依使用情境與預算,彈性選擇授權模式。
適合對象長期使用、資料敏感企業
適合對象有彈性預算、階段性需求
適合對象需 SDK/API 整合的開發團隊