根据装置数据，实时监控“反常”状态，并在与装置状态对应的较佳时机实现状态基准维护。
欧姆龙NX701-Z□□□ 搭载AI的机器自动化控制器（AI控制器）
实现了AI与控制相融合的AI边缘控制器
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
【From事后/定期维护】由熟练技工进行事后/定期维护
根据长年培养出来的直觉、经验，执行事后/定期维护（时间基准维护）。
【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
以适用于实时处理的机器学习引擎Isolation Forest为基础，进行欧姆龙独有的高精度化调谐，可以同时实现高速性与高精度检测。而且可适用于多峰数据算法，以及适用于需要执行多种动作模式的装置，如多品种生产等。
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.针对客户的装置优化学习数据、设定阈值，将由本公司进行。详情请向本公司销售窗口咨询。
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。
※欧姆龙所定义之特定环境下的评估结果。并不保证所有环境均适用。
系统构成示例
全面支持利用AI实现的预测维护。
NX系列 AI控制器
| 产品名称 | 规格 | 功耗 | 型号 | ||
|---|---|---|---|---|---|
| 程序容量 | 变量容量 | 运动轴数 | |||
| NX701 搭载AI的 CPU单元 |
80MB | 4MB：断电保存 256MB：断电不保存 |
256 | 40W(含存储卡、端盖) | NX701-Z700 |
| 128 | NX701-Z600 | ||||
AI控制器专用软件
初次购买时，请购买DVD和许可证。DVD和许可证也可单独购买。授权版中不含DVD媒体。
| 产品名称 | 许可证数 | 型号 |
|---|---|---|
| AI控制器 标准软件* |
无(仅DVD) | SYSMAC-AICSTE00D |
| 1个授权(无媒体) | SYSMAC-AICSTE01L | |
| 10个授权(无媒体) | SYSMAC-AICSTE10L | |
| 30个授权(无媒体) | SYSMAC-AICSTE30L | |
| 50个授权(无媒体) | SYSMAC-AICSTE50L |
*NY系列附带AI控制器标准软件和1个授权。
构成工具
| 软件名称 | 规格说明 |
|---|---|
| AI Operator | 设定AI控制器的AI功能、进行状态监控。在Windows上运行。 还具有将特征量/机器学习功能算出的结果从AI控制器收集到计算机的功能。 |
| AI Viewer | 将特征量/机器学习功能输出的特征量及装置事件(正常/异常等)结果可视化。 在Windows上运行。AI Operator会读取从AI控制器收集到计算机的数据，并将其可视化。 |
AI控制器专用Sysmac Library
可利用AI Operator下载AI控制器专用Sysmac Library。下载到PC后，使用之前，请先安装程序库。
| 机构名称 | 软件格式 | 规格说明 |
|---|---|---|
| AI预测维护程序库： 气缸 |
SYSMAC-ZPA001000W | 为了检测气缸机构上发生异常的预兆，具备根据客户 定义的输入变量生成机构状态变量的功能，可将该机 构状态变量传递给AI控制器的特征提取功能。 |
| AI预测维护程序库： 滚珠丝杆 |
SYSMAC-ZPA002000W | 为了检测滚珠丝杆机构上发生异常的预兆，具备根据 客户定义的输入变量生成机构状态变量的功能，可将 该机构状态变量传递给AI控制器的特征提取功能。 |
| AI预测维护程序库： 皮带和滑轮 |
SYSMAC-ZPA003000W | 为了检测皮带和滑轮机构上发生异常的预兆，具备根 据客户定义的输入变量生成机构状态变量的功能，可 将该机构状态变量传递给AI控制器的特征提取功能。 |
| 机构名称 | 授权类型* | 授权型号 |
|---|---|---|
| AI预测维护程序库：气缸 | 5个授权 | SYSMAC-ZPA001005L |
| 10个授权 | SYSMAC-ZPA001010L | |
| 50个授权 | SYSMAC-ZPA001050L | |
| AI预测维护程序库：滚珠丝杆 | 5个授权 | SYSMAC-ZPA002005L |
| 10个授权 | SYSMAC-ZPA002010L | |
| 50个授权 | SYSMAC-ZPA002050L | |
| AI预测维护程序库：皮带和滑轮 | 5个授权 | SYSMAC-ZPA003005L |
| 10个授权 | SYSMAC-ZPA003010L | |
| 50个授权 | SYSMAC-ZPA003050L |
*每个监控对象的机构分别需要1个授权。
