根据装(zhuāng)置数据，实时监控“反常”状态，并在与装(zhuāng)置状态对应的较佳时机实现状态基准维护。

根据長(cháng)年培养出来的直觉、经验，执行事后/定期维护（时间基准维护）。

根据装(zhuāng)置数据，AI将对装(zhuāng)置状态进行监控。
并在与装(zhuāng)置状态对应的较佳时机执行预测维护（状态基准维护）。

1. 较小(xiǎo)化停机时间，减少生产(chǎn)损耗
2. 在较佳时机进行维护，削减维护费用(yòng)
3. 优化零件更换时机，减少维护零件的库存
4. 无需分(fēn)析即可(kě)确定异常位置
5. 无需专门知识/技(jì )能(néng)，即可(kě)开展标准化的维护工(gōng)作(zuò)

凭借独有(yǒu)的数据运用(yòng)功能(néng)，实现了终极边缘控制，从而实现前所未有(yǒu)的装(zhuāng)置状态可(kě)视化。
因此，AI控制器能(néng)够以微秒(miǎo)级精(jīng)度检测出装(zhuāng)置的“反常”状态。

累计与控制周期完全同步的时间序列数据。利用(yòng)固定周期数据正确掌握装(zhuāng)置的动作(zuò)，可(kě)以生成和判断高精(jīng)度的學(xué)习模型。此外，利用(yòng)上位连接功能(néng)，通过上位层装(zhuāng)置层进行AI联合，為(wèi)Factory IoT化做出贡献。

以适用(yòng)于实时处理(lǐ)的机器學(xué)习引擎Isolation Forest為(wèi)基础，进行欧姆龙独有(yǒu)的高精(jīng)度化调谐，可(kě)以同时实现高速性与高精(jīng)度检测。而且可(kě)适用(yòng)于多(duō)峰数据算法，以及适用(yòng)于需要执行多(duō)种动作(zuò)模式的装(zhuāng)置，如多(duō)品种生产(chǎn)等。

根据目标机构的运行数据，将判断為(wèi)“反常”所需的较佳特征量转化為(wèi)软件部件，作(zuò)為(wèi)AI预测维护程序库。可(kě)轻松开启预测维护工(gōng)作(zuò)。

注.针对客户的装(zhuāng)置优化學(xué)习数据、设定阈值，将由本公(gōng)司进行。详情请向本公(gōng)司销售窗口咨询。

装(zhuāng)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。
為(wèi)此，本公(gōng)司开发出能(néng)够将该影响控制在较低限度的独有(yǒu)特征量，為(wèi)客户实现稳定的预测维护工(gōng)作(zuò)提供支持。

※欧姆龙所定义之特定环境下的评估结果。并不保证所有(yǒu)环境均适用(yòng)。

全面支持利用(yòng)AI实现的预测维护。