A公司因無法正確掌握對測試設備夾具進行維護的時間，導致不必要的工作產生，

例如將設備停止卻發現尚不需維護，或維護作業工時延長。

A公司導入三菱電機數據科學工具—MELSOFT MaiLab，透過AI偵測需維護的異常發生，並即時通知，

成功減少67%的維護作業工時！秘訣為何？

測試設備的夾具劣化將會影響到測試結果，因此有必要在劣化前進行維護作業、更換治具。

過去，操作人員會透過測試結果的趨勢變化來判斷是否進行維修，

卻會導致如「已停止設備運作，檢查後發現尚不需要更換零件」或「延遲採取行動導致設備異常」等浪費工時的情況發生...

• 要如何知道正確的維護時間呢？
• 將設備停機後卻沒發現任何問題，導致稼動率下降…
• 如果能及早應對，就能減少作業…

導入數據科學工具MELSOFT MaiLab，

不需停止設備運轉，AI技術也能即時診斷治具的劣化狀況，並通知維護時機。

因此，可大幅減少維護作業的工時。

Point 1. 透過AutoML功能^*自動生成用於診斷的AI模型。

不需要AI專門知識就能簡單導入生產線中！

Point 2. 使用自動生成的AI模型進行高精度的即時診斷。

一檢測到異常徵兆就馬上回饋到生產現場！

^*AutoML(Automated Machine Learning)：將建立機械學習模型、模型診斷等，過去由數據科學家手動執行的作業自動化的技術。

此應用案例所採用的即時診斷系統，是由搭載數據科學工具MELSOFT MaiLab的電腦及既有的數據收集伺服器所構成。

僅需完成儲存數據的伺服器或測試設備與MELSOFT MaiLab的連結設定，即可輕鬆導入此診斷系統。

導入系統後，可與MELSOFT MaiLab以對話形式設定診斷目標，並自動生成AI模型，進行異常偵測的即時診斷。

減少維護作業工時、次數而產生人事費用降低及生產利益增加等效益為33萬日圓時，

投資回收期的計算方式為：

260萬日圓（導入成本）÷約33萬日圓（導入效益）≈約8個月