在振動頻譜量測的工作中，我們需要得到的是解答 (answers)，而非數據 (data)，最終目的是要得到設備運轉情況的診斷結果
為了實現這一目標，可以採取以下步驟：
-
數據收集：收集振動頻譜量測數據，並對其進行預處理，包括去噪、濾波、特徵提取等，以確保數據的質量和適用性。
-
建立模組：收集的數據和相關領域的專業知識，建立一個能夠自動生成解答的模組；這可能包括機器學習模組、專家系統，或是結合兩者的混合方法。
-
訓練與優化：如果是機器學習模組，則需要使用標記好的數據進行訓練，並根據驗證結果進行模組的優化和調整；如果是專家系統，則需要不斷地擴充和更新知識庫，以提高診斷的準確性和全面性。
-
診斷生成：根據輸入的振動頻譜量測數據，系統自動生成相應的診斷結果和解答，包括設備運轉情況的狀態描述、可能的故障原因、建議的檢修方案等。
-
驗證與應用：對生成的診斷結果進行驗證和測試，確保其準確性和實用性。一旦驗證通過，則可以將系統應用到實際的振動頻譜量測工作中，以幫助工程師和技術人員進行設備的診斷和維修。
案例分享：專家診斷系統，可以幫助判斷風機驅動端的損壞情況
透過振動分析儀收集相關的數據。這包括風機的運行數據（如轉速、溫度、壓力等）、驅動端的檢測數據 （如振動、電流、聲音等）、以及可能 的故障模組和解決方案。這些數據可以來自於風機的實際運行狀況、維修記錄，以及相關的專業知識和文獻。
然後，你可以使用專家診斷系統技術來建立模組或知識庫，將已知的故障情況和相應的特徵輸入模型進行訓練，以預測未知故障情況；對於專家系統方法，你可以建立一個知識庫，包含各種故障模式的描述、可能的原因和建議的檢修方案，系統可以根據設備提供的數據和描述來尋 找最合適的解決方案。
以下畫面為軟體自動產生之報告，量測當下得知風機驅動端有軸承磨損之情況，損壞程度為嚴重。
軟體除了告知診斷結果，亦會將頻譜損壞特徵頻率列出，供廠內工程師參考。
