利用AI預(yù)測維護(hù)實(shí)現(xiàn)“停歇的設(shè)備”

通過實(shí)現(xiàn)狀態(tài)基準(zhǔn)維護(hù)，開啟維護(hù)創(chuàng)新

根據(jù)裝置數(shù)據(jù)，實(shí)時監(jiān)控“反常”狀態(tài)，并在與裝置狀態(tài)對應(yīng)的較佳時機(jī)實(shí)現(xiàn)狀態(tài)基準(zhǔn)維護(hù)。

【From事后/定期維護(hù)】由熟練技工進(jìn)行事后/定期維護(hù)

根據(jù)長年培養(yǎng)出來的直覺、經(jīng)驗(yàn)，執(zhí)行事后/定期維護(hù)（時間基準(zhǔn)維護(hù)）。

【To預(yù)測維護(hù)】利用AI控制器實(shí)現(xiàn)預(yù)測維護(hù)

根據(jù)裝置數(shù)據(jù)，AI將對裝置狀態(tài)進(jìn)行監(jiān)控。
并在與裝置狀態(tài)對應(yīng)的較佳時機(jī)執(zhí)行預(yù)測維護(hù)（狀態(tài)基準(zhǔn)維護(hù)）。

【采用預(yù)測維護(hù)的預(yù)期效果】

1. 較小化停機(jī)時間，減少生產(chǎn)損耗
2. 在較佳時機(jī)進(jìn)行維護(hù)，削減維護(hù)費(fèi)用
3. 優(yōu)化零件更換時機(jī)，減少維護(hù)零件的庫存
4. 無需分析即可確定異常位置
5. 無需專門知識/技能，即可開展標(biāo)準(zhǔn)化的維護(hù)工作

利用AI進(jìn)行預(yù)測維護(hù)的操作流程

能夠?qū)崿F(xiàn)高速高精度檢測“反常”的AI控制

憑借*的數(shù)據(jù)運(yùn)用功能，實(shí)現(xiàn)了邊緣控制，從而實(shí)現(xiàn)裝置狀態(tài)可視化。
因此，AI控制器能夠以微秒級精度檢測出裝置的“反常”狀態(tài)。

AI與以往方法的檢測能力比較（電壓、電流等時間序列數(shù)據(jù)示例）

高速高精度檢測所需的功能

搭載高速時間序列DB功能

累計與控制周期*同步的時間序列數(shù)據(jù)。利用固定周期數(shù)據(jù)正確掌握裝置的動作，可以生成和判斷高精度的學(xué)習(xí)模型。此外，利用上位連接功能，通過上位層裝置層進(jìn)行AI聯(lián)合，為Factory IoT化做出貢獻(xiàn)。

檢測“反常”狀態(tài)所需的數(shù)據(jù)運(yùn)用流程

搭載超高速AI引擎

以適用于實(shí)時處理的機(jī)器學(xué)習(xí)引擎Isolation Forest為基礎(chǔ)，進(jìn)行歐姆龍*的高精度化調(diào)諧，可以同時實(shí)現(xiàn)高速性與高精度檢測。而且可適用于多峰數(shù)據(jù)算法，以及適用于需要執(zhí)行多種動作模式的裝置，如多品種生產(chǎn)等。

實(shí)現(xiàn)“停歇的設(shè)備”之AI預(yù)測維護(hù)程序庫

將能夠高精度檢測“反常”的特征量轉(zhuǎn)化為軟件部件

根據(jù)目標(biāo)機(jī)構(gòu)的運(yùn)行數(shù)據(jù)，將判斷為“反常”所需的特征量轉(zhuǎn)化為軟件部件，作為AI預(yù)測維護(hù)程序庫。
可輕松開啟預(yù)測維護(hù)工作。

注.針對客戶的裝置優(yōu)化學(xué)習(xí)數(shù)據(jù)、設(shè)定閾值，將由本公司進(jìn)行。詳情請向本公司銷售窗口咨詢。

將環(huán)境變化的影響控制在較低限度，實(shí)現(xiàn)穩(wěn)定性

裝置起動后經(jīng)過的時間，受季節(jié)、早晚日夜等環(huán)境溫度的影響，會發(fā)生變化。
為此，本公司開發(fā)出能夠?qū)⒃撚绊懣刂圃谳^低限度的*特征量，為客戶實(shí)現(xiàn)穩(wěn)定的預(yù)測維護(hù)工作提供支持。

※歐姆龍所定義之特定環(huán)境下的評估結(jié)果。并不保證所有環(huán)境均適用。

系統(tǒng)構(gòu)成示例

全面支持利用AI實(shí)現(xiàn)的預(yù)測維護(hù)。

實(shí)現(xiàn)了AI與控制相融合的AI邊緣控