行业自主化
讯息升级: 202在一年110月17日
数据更新时间: 202在一年1年初17日
利用AI预测维护实现“永不停歇的设备”
通过实现状态基准维护，开启维护创新
据系统设计数值，时时追踪“反常”状况，并在与系统设计状况使用的较好的时间窗口实现目标状况基本准则系统维护。
【From事后/定期维护】由熟练技工进行事后/定期维护
只能根据常年锻炼出了的主观、生产经验，进行事前事后/限期服务器服务器维护（期限国家标准服务器服务器维护）。
【To预测维护】利用AI控制器实现预测维护
根据装置数据，AI将对装置状态进行监控。
并在与装置状态对应的较佳时机执行预测维护（状态基准维护）。
【采用预测维护的预期效果】
1. 较小化停机时间，减少生产损耗
2. 在较佳时机进行维护，削减维护费用
3. 优化零件更换时机，减少维护零件的库存
4. 无需分析即可确定异常位置
5. 无需专门知识/技能，即可开展标准化的维护工作
利用AI进行预测维护的操作流程
能够实现高速高精度检测“反常”的AI控制
凭借独有的数据运用功能，实现了边缘控制，从而实现装置状态可视化。
因此，AI控制器能够以微秒级精度检测出装置的“反常”状态。
AI与以往方法的检测能力比较（电压、电流等时间序列数据示例）
高速高精度检测所需的功能
搭载高速时间序列DB功能
累计与控制周期完全同步的时间序列数据。利用固定周期数据正确掌握装置的动作，可以生成和判断高精度的学习模型。此外，利用上位连接功能，通过上位层
装置层进行AI联合，为Factory IoT化做出贡献。
检测“反常”状态所需的数据运用流程
搭载超高速AI引擎
以采用作时时办理的丝机借鉴组件Isolation Forest为知识基础，做欧姆龙独特的高精密度较化调谐，会也进行高速度性与高精密度较检则。甚至可采用作多峰数据表格梯度下降法，已经采用作所需运行多种类行动格局的装备，如多的品种研发等。
实现“永不停歇的设备”之AI预测维护程序库
将能够高精度检测“反常”的特征量转化为软件部件
根据目标机构的运行数据，将判断为“反常”所需的特征量转化为软件部件，作为AI预测维护程序库。
可轻松开启预测维护工作。
注.根据雇主的设备提升的学习统计数据、快速设置域值，将由本我司实施。宝贝详情敬请向本我司销售额窗子谘询。
将环境变化的影响控制在较低限度，实现稳定性
装置起动后经过的时间，受季节、早晚日夜等环境温度的影响，会发生变化。
为此，本公司开发出能够将该影响控制⭕在较低限度的独有特征量，为客户实现稳定的预测维护工作提供支持。
※欧姆龙所判定之某些区域工作环境下的评估报告格式数据。并不确保一切区域工作环境均适用人群。
系统构成示例
全面、明确能够使用AI构建的預测运营。
产品类别
TOP
400-820-4535
微信服务号
欧姆龙FA游戏世界