應用JMP機器學習技術建立滾輪軸承即時異常偵測監控系統（2020-KR-30MP-709）級別：高級
為了建構滾子軸承即時異常檢測監控系統，以0.5秒的增量對滾子軸承的加速度訊號進行預處理，然後將各種統計指標應用於預處理後的加速度訊號，以確定NOR（正常）和ORF在定義了滾輪軸承的（外圈）和IRF（內圈故障）的模式後，我們使用機器學習技術來學習這些模式，以建立即時監控異常檢測的系統。透過應用JMP的統計方法，選擇偏度和峰度作為統計指標來識別滾子軸承加速度訊號的NOR（正常）、ORF（外圈故障）和IRF（內圈故障）模式，並由JMP提供模式識別。
進階統計建模基礎資料分析與建模消費者與市場研究實驗設計預測建模和機器學習品質和工藝工程可靠度分析
