Edge Node
學習監測對象的正常狀態。
申請試用設備同為神經形態系統，學習方式也各有不同。
| RailMind | 固定警報閾值 | 雲端模型 | 常見邊緣 AI預先訓練 | |
|---|---|---|---|---|
| 學習每台設備自身的正常狀態 | 是 | 否 | 部分 | 否 |
| 安裝後繼續學習 | 是 | 否 | 部分 | 否 |
| 數據無需離開現場 | 是 | 是 | 否 | 是 |
| 無需經標註的故障數據 | 是 | 是 | 部分 | 部分 |
| 由您的團隊決定何時暫停學習 | 是 | 不適用 | 否 | 不適用 |
「部分」：雲端模型通常集中訓練、分批更新，而非在裝置端學習；部分邊緣 AI 只用正常數據訓練。
受控可塑性我們的引擎在現場持續學習，神經調製層決定何時暫停——避免將故障當作新的正常狀態。
了解受控可塑性 →技術
了解技術 →示意動畫。
在設備上學習
設備利用監測對象的數據，在裝置端建立模型。
無需訓練數據
不需要標註故障樣本，也不需要先花時間採集數據。
持續學習，由您掌控
設備老化、負載變化時，它都會隨之適應；何時暫停、何時恢復學習，由您的團隊決定。
為小型硬件而生
從一開始就面向低功耗微控制器設計，而不是由數據中心模型壓縮而來。
多數監測系統仍依賴固定的警報閾值。設定太嚴，誤報頻繁，久而久之便容易被忽略；設定太寬鬆，又可能太遲發出警報。閾值未能涵蓋的情況，仍要靠人員巡查發現。
目前的應用
全部應用 →
我們參與過的場景
以下是我們曾透過數據分析、示範或合作項目接觸的場地類型，相關名稱不予公開。
常見問題
需要先有故障樣本才能開始嗎？ +
不需要。每台設備學習的是監測對象的正常狀態。有歷史故障記錄更好，但並非必須。
會替換我們現有的監測系統嗎？ +
不會。它會與您現有的監測系統一同運作。您可以保留原有的警報及巡查安排，同時評估它能帶來甚麼幫助。
能用我們已有的感應器嗎？ +
很多情況下可以。Edge Node 可以透過纜線接入外部感應器，採用您所在地區通用的工業標準訊號及介面；鏡頭直接接入 Edge Hub。試用開始時，我們會先評估您現有的感應器。
設備如何供電及安裝？ +
Edge Node 設有電池供電版本及外接電源版本；Edge Hub 和 Edge GTS 採用外接電源。節點可按安裝表面，以磁吸、螺栓或黏合方式固定。
怎樣接入我們的系統？ +
節點以 LoRa 無線連接 Edge Hub，使用您所在地區准許的頻段；藍牙和 Wi-Fi 只用於設定及啟動節點。Edge Hub 以有線或 Wi-Fi 連接您的網絡，再透過我們的 API 把監測數據傳送至您的監察儀表板、維修管理系統或平台。
團隊如何得知狀態變化？ +
方式由您選擇：透過我們的 API 在您自己的系統查看，或使用我們的網頁介面、App 或電郵提示。
設備檢修後，或運作狀況變化時怎麼辦？ +
由您的團隊決定：檢修期間由團隊暫停學習，確認後再恢復。這樣，設備學到的是新的正常狀態，而不會將其當作變化提示出來。
我們的數據會去哪裏？ +
數據留在設備上，除非您主動發送監測數據；即便發送，也只發往您自己的系統。
設備有認證嗎？ +
暫時未有：設備仍在設計及製造階段。我們計劃按各銷售國家及地區的標準申請相應認證，並會申請適用於危險區域的防爆認證。
試用計劃如何進行？ +
由您選定對象：一台設備或一個結構物，也可以選擇幾個同類監測對象。若這些對象已在採集數據，我們會先與您共同分析現有數據，確認現場是否合適，並約定用什麼標準衡量成效。隨後我們攜帶設備前往現場，與您的團隊一起安裝並接入系統。試用結束時，我們對照您的現場記錄，共同檢討設備的監測結果，由您決定是否繼續。