製造業的生產現場常常因無法預期的狀況產生種種問題，如原本安排好的設備突然發生異常停機，短時間無法修復，產能中斷無法如期交貨；抑或是機台故障的通知不夠即時，生產出多件未達良率水準的瑕疵品，造成資源與成本的浪費。
廠房內設備的維護週期不盡相同，若因員工疏忽而錯過維護時間，機台具有發生突發狀況的可能性，形成高度風險的工作環境。未察覺設備異常而持續運作生產，將導致快速磨損設備壽命，這些不確定性因素進一步加深營運複雜度及推動數位轉型的急迫性。
82% 製造廠無預警停機，每分鐘損失約 2 萬美元
因為工廠設備無預警故障，使得產線停產？
過去廠房多以人員經驗判斷機台維修時機，但常因人為疏忽或是無預期的機器故障導致產線中斷。根據研究指出，全球 82% 的製造廠每三年會經歷一次無預警的產線停機，此意外讓企業每分鐘損失約 2 萬美元的收益，整體而言，企業每年須付出大約 50 億美元來平衡因非計劃性的產線暫停所造成的損失。
要做到隨時監測機台的生產狀況，即需要準確且即時的 AI 管理工具的協助，整合分析過去設備運作狀況，在設備健康狀態惡化前發出異常預警，提前處理避免關鍵機台的錯誤運行造成產線規劃混亂。依據異常警報分析發生問題的可能原因，為未來的生產製程制定維護計劃，降低故障發生的可能性。
設備預知保養：早在設備故障前提出預警
現今國際與台灣的製造產業中，如石化廠、煉油廠、發電廠等，以機器學習 (Machine Learning) 與演算法技術為基礎建立「設備預保」的規劃，協助時時掌握機台運行狀態。大幅降低無預警停機時間、提升設備可靠度、性能表現及安全，避免企業因非計畫性停機產生鉅額損失，以及大量人力與金錢進行緊急搶修與維護。
工業設備是企業的重要資產，利用系統獨家演算法，可以達到設備狀態即時監測、故障提前預警，即時、量化且透明化的智慧管理模式，提前應對設備異常狀態、改善廠房運行，協助化工廠、煉油廠、發電廠等重要製造業機台預保。行動貝果提供的設備預保模組能串接企業端的 PI System、SQL 等資料庫，以機器學習技術提供設備故障的預判與原因解析，並且能即時監控設備的運行狀態。省去過去以人工的方式檢驗設備與彙整資料的時間，即時維護具有潛在故障因素的設備，降低並最小化非計畫性的設備失效與停機，維持工廠的運作與強化產線的韌性。
