• [故障預兆診斷分析平台] 長期收集各地機台所回饋之異常訊息與處理方式
• [客製化雲端資料庫] 可有效交換產線訊息
• [行動數據與手機APP] 使用者可透過圖像介面、文字警示，遠程監控即時的設備資訊
• [深度學習功能] 將繁雜的資料量進行大數據探勘，提高產品附加價值

VimoPro智能診斷軟體之應用主要分為兩方面：一是針對旋轉機械，架設監控與診斷系統，使其朝向智能化發展；另一是收集振動特徵和分析，並建立預兆診斷方法，可大幅提升設備的稼動率與附加價值。

其一案例為，應用於航太工業之金屬渦輪葉片加工，為確保設備之稼動率與被加工件之良率，並確認客戶滿意度；同時，避免加工過程中之疏失，其所可能帶來的鉅額損失，如高單價之加工件、刀具與機台損壞等。

此案例使用加速規，將工具機主軸的振動量轉換為與之成正比的電壓訊號，做為機械狀態監控與故障診斷的感測器，隨時收集轉速、振動等資訊，並透過網際網路即時回傳至故障預兆診斷分析平台，監視大量的運轉參數，檢視運轉中的設備是否正常運轉。

本智能化技術針對工具機設備的維護，進行診斷分析，並收集大量參數，再透過數據決策做為預兆式診斷之基礎，解決加工時的許多不確定性。

由於旋轉機械皆長時間使用於極端之環境，其運轉過程中，往往伴隨高溫、振動與噪音。若生產過程中發生異常，將影響產品品質與產量，甚至造成人員與設備的傷害。透過智能化診斷系統，量測、監視振動量，加上專家經驗分析，可做早期之損壞預兆偵測，提高設備之安全與可靠度。

傳統的旋轉機械診斷，大多需要停機與定期評估，難以即時且全面地了解設備之運行狀況。同時，亦需要有經驗的維修人員才能夠準確的判斷故障種類，使設備恢復正常運作。

目前旋轉機械的故障檢測存在三個缺點：

(1)旋轉設備經過長時間的運作，故障通常發生在無預警之情況下，也常浪費時間於等待維修上。

(2)一位有經驗的檢測專家養成，需要投入大量的金錢與時間，且經驗的傳承常常出現斷層，使得檢驗人員的能力参差不齊。

(3)一旦有設備異常狀況時，難以採集故障前一刻的相關資訊，做為分析與後續預防之用。

上述三項弱點導致設備的無預警故障次數層出不窮，且無法有效預防與降低。

VimoPro乃是為了解決上述問題而開發，透過一張訊號擷取卡做為”黑盒子”收集與分析異常的訊號。往後，當設備運行中，只要被偵測到異常時，操作者可從”黑盒子”中，獲取事發當時與事發前的異常訊號。再透過深度學習加以分析，產生智能訊息，告知使用者最佳處置方式。