本技術能夠將從設備感測器所收集的大量數據並結合品質特性量測結果，透過一系列的資料工程以及機器學習與集成式學習技術，由數據驅動的角度進行自動化特徵擷取與定義，並對於未被進行品質量測產品提供一虛擬量測結果與預測信心分數，作為後續生產製程控制的決策基礎。

過往在利用設備感測資料進行虛擬量測時，需仰賴專家領域知識事先定義合適的關鍵區間與統計量才能進行分析。本技術整合統計、機器學習與決策分析方法，自動且精準的定義關鍵區間並轉換成可解釋性特徵，結合資料分群以減少分析誤差，建構預測模型並計算預測值的信心分數。因為模型所需調教參數不多，也容易平展至不同製程。

本技術以高科技製造業為優先導入對象，其他製造業可依發展狀況，在完成設備外掛感測器，以及完善資訊系統將生產履歷與品質特性做連結後，便可導入應用。因本技術不需過度依賴領域知識，可快速延伸到不同製程分析中進行應用，傳統產業可藉此逐步進行數位轉型，維繫企業競爭力。

天使投資人、策略合作夥伴