在制造業中，設備維護長期以來普遍采用“預防性維護（TBM：Time-Based Maintenance，定期檢修，基于時間的維護）”方式，以固定的周期進行點檢和零部件更換。然而，這種方法實際上會導致正常設備也會被迫定期停機，不僅會增加作業成本，還會加重現場作業負擔。而且，過度的點檢作業反而可能導致操作失誤和人為差錯。因此近年來，業界正加速向“預測性維護（CBM：Condition-Based Maintenance，狀態檢修，基于狀態的維護）”方式轉型，即實時監控設備狀態，在設備出現“異常征兆”階段就及時進行精準維護。

本文將詳細介紹ROHM為有效實現預測性維護而提出的AI解決方案“Solist-AI?”。

1.從預防性維護（TBM）轉向預測性維護（CBM）

預防性維護（TBM）與預測性維護（CBM）的最大區別在于以什么為基準進行維護。

預防性維護是指不論設備狀態如何，均以“時間”為基準，定期進行檢修和零部件更換的維護方式。而預測性維護則是一種僅在“真正需要時”才實施點檢和修理的維護方式。通過傳感器持續監測設備的溫度、振動、電流等參數，并對采集到的大量時序數據進行處理，識別細微的模式變化，從而定量分析和把握異常征兆，這些都離不開AI技術的貢獻。

采用預測性維護方式，將無需再定期停止正常運行的設備。利用AI優化維護時機，可有效降低作業成本和現場負擔，同時減少因過度點檢導致的作業失誤和人為差錯。而且，這種方式不依賴技術人員的感覺和經驗，可確保穩定的維護品質，因此作為應對熟練技術人員減少、人手不足等現場課題的有效對策而備受矚目。

2.從“云端型”轉向“端點型”

但是，以往的云端AI系統存在諸多挑戰，比如通信延遲、網絡環境構建和運維管理負擔、數據收發過程中的信息泄露預防對策等，這些課題會帶來很大的負擔。

另外，由于需要預先收集并準備海量的訓練數據，因此針對每臺設備所處的不同現場環境以及個體差異進行不同的應對也很困難。此外，高精度AI處理需要CPU和GPU等運算資源，最終導致功耗也隨之增加。

因此，“端點型AI”正在加速取代“云端型AI”。如果是可通過裝有傳感器和微控制器的現場設備（端點）完成AI訓練和推理的“端點型AI”，則可以靈活應對每臺設備，在進行實時處理的同時保持低功耗。而且，因其不會將數據發送至云端，所以安全性更高。

作為預測性維護的關鍵——邊緣計算理想的端側AI解決方案，ROHM開發出"Solist-AI?"。該名稱源自“Solution with On-device Learning IC for STandalone-AI”，正如音樂術語“獨奏者（soloist）”所象征的，寓意著無需依賴云端或網絡，僅憑現場設備自身即可完成從AI訓練到推理的全過程。

*“Solist-AI?”是ROHM Co.，Ltd.的商標或注冊商標。

另一方面，相較于以往AI（云端/邊緣/端點型），Solist-AI?在同時處理大規模數據和處理圖像數據方面表現略遜，因此在精密故障分析等高級解析場景中，云端型AI更具優勢。

但對于無需高級解析的應用場景而言，Solist-AI?在可大幅降低網絡維護和云服務使用費等成本方面有顯著優勢。

另外，還可通過增量訓練功能可實時更新設備老化狀態數據，并根據老化程度高精度判別正常與異常狀態，這是Solist-AI?在替代以往AI時的一大優勢。

3. 預測性維護的理想解決方案——“Solist-AI?”

Solist-AI?與通用AI處理器不同，它是專為故障預警等特定用途設計的，能夠根據用途和環境現場學習并優化最佳模型，因此可靈活應對不同設備的個體差異及環境變化。

該解決方案的核心——Solist-AI?微控制器，搭載了ROHM自主研發的AI運算用加速器“AxlCORE-ODL）”。AxlCORE-ODL可通過硬件執行三層神經網絡處理和FFT（快速傅里葉變換）處理，并可實時檢測并預警現場發生的各種異常和變化。

Solist-AI?解決方案的最大特色在于其簡約性——僅需傳感器和微控制器即可實現“獨立AI”。以往的AI解決方案必須依賴云端和網絡連接，而Solist-AI?則完全無需任何網絡環境支持。因此，僅需加裝在現場的設備或儀器上，即可輕松引入，它可以將通信延遲和信息泄露風險控制在非常低的程度。

其機制通過內置的AI專用加速器“AxlCORE-ODL”即可實現。

通過對傳感器檢測到的振動、溫度、電流等數據進行實時訓練與推理，將“不同于以往”的異常征兆量化為數值并發出預警。另外，Solist-AI?與以往的云端型AI（2W~200W）相比，僅需約40mW的超低功耗即可運行，因此很容易加裝在電池驅動的設備或現有設施上。Solist-AI?廣泛適用于工業機器人、電機、風扇等工業設備應用，非常有助于提高設備維護效率和運行效率。

此外，ROHM還提供配套的支持工具以為客戶引入Solist-AI?提供支持，包括用于預先驗證AI適配效果的“Solist-AI? Sim”，以及可將AI運行情況實時可視化的“Solist-AI? Scope”。因此，即便不具備AI專業知識也能輕松引入和評估，可大幅降低應用門檻。

4.基于Solist-AI?的解決方案與應用

解決方案整體示意圖

應用示意圖

Solist-AI?通過內置加速器（AxlCORE-ODL）高速執行AI處理。

例如，通過微控制器處理安裝在電機上的加速度傳感器獲取的數據，實時學習“正常運行時”的振動模式。隨后，在運轉過程中，一旦振動模式出現“不同于以往”的狀態，便會實時檢測到異常，并通過指示燈或警示燈等向相關人員發出警報。

通過這種方式，可以盡早發現故障發生前的征兆，從而能夠在設備停機前進行維護，有效避免意外停機的情況。另外，通過現場學習正常狀態，還能靈活應對安裝環境差異和設備個體差異。

Solist-AI?通過將以往依賴熟練技術人員經驗與感覺的“設備異常檢測和壽命預測”進行數字化、自動化處理，可實現設備維護作業的標準化與效率提升。

應用案例

風扇電機的異常振動檢測

風扇電機異常振動檢測利用三軸（X、Y、Z）加速度傳感器和Solist-AI?實現異常檢測。微控制器學習正常運轉時的振動模式，其后，當故意將紙片插入電機以再現異常振動狀態時，AI會立即檢測到異常并發出警報通知。本案例證實了僅用微控制器和傳感器即可實現實時異常檢測的“無云端/無網絡”解決方案的實用性。

與AE（聲發射）傳感器的聯動應用案例

AE傳感器與Solist-AI?協同工作，能夠高精度檢測出軸承潤滑不良及細微傷等人工難以檢測到的異常狀況。先通過多維分析AE傳感器輸出的多項指標（最大振幅、平均值、Energy、Count等），再由AI將異常程度轉變為數值。這樣便能及早發現異常征兆，以及時實施維護作業。即便不具備專業知識，也能直觀地了解異常程度的變化情況，因此Solist-AI?作為非常適合現場應用的解決方案已獲得用戶高度好評。

其他應用案例

除上述應用外，Solist-AI?在其他用途和行業中的應用也在不斷擴大。

?電池劣化評估

通過學習使用頻率和負載條件，Solist-AI?可高精度評估電池剩余電量及劣化情況。通過對每個電池的情況進行增量訓練，實現精度提升。

?電機負載異常檢測

通過AI分析電流波形的高次諧波成分，實時檢測負載端的細微變化，從而可在最佳時機進行外部負載調整及零部件更換。

?光電傳感器的劣化判定

通過AI檢測受光元件和LED因老化導致的光量細微衰減情況，持續監測傳感器功能的健全與否，在異常發生前及時提示維護。

?FA產品檢測的自動化

將依賴人類感官的產品檢測過程通過AI實現數據化和自動化，從而實現檢測作業的標準化及效率提升。

Solist-AI?作為一款可后期加裝、引入門檻非常低的“現場閉環型AI”，正在以設備維護和預測性維護為主的用途中獲得廣泛應用。下一節將詳細介紹實現這類解決方案的產品陣容、支持工具以及未來的開發路線圖。

5.產品陣容、支持工具、生態系統合作伙伴及開發路線圖

搭載AI的通用微控制器產品陣容

ROHM的“Solist-AI?”系列是專為邊緣計算應用設計的內置AI的微控制器。

產品陣容由搭載Arm? Cortex?-M0+（48MHz）的機型組成。這些微控制器配備了CAN、SPI、I2C、UART等豐富的接口，可廣泛應用于工業設備、機器人技術、物聯網及家電等眾多領域。

尤其值得一提的是，這些微控制器能夠在專用加速器上高速、低功耗地執行FFT（快速傅里葉變換）和三層神經網絡處理，從而可對振動、電流、聲學等傳感器數據進行實時分析，以高精度實現異常檢測和故障預測。

ML63Q2500系列產品簡介

“ML63Q2500”系列是Solist-AI?微控制器的首發產品。本系列產品的最大特點在于，用戶能夠以與常規微控制器開發環境一樣的感覺引入AI。由于搭載了AxlCORE-ODL，因此與常規軟件進行的AI處理相比，其處理速度最高可達1,000倍左右，同時可顯著降低功耗。

ML63Q2500可廣泛應用于工業機器人的振動分析、風扇電機的異常檢測、電池剩余電量估算等眾多領域。特別是其AI推理結果可即時反饋至設備控制端，所以也非常適用于對實時性要求很高的用途。

提供開發支持工具

ROHM為了使Solist-AI?微控制器的引入與相關的開發工作順利進行，還提供完備的工具支持。主要的支持工具如下：

Solist-AI? Sim

導入前進行預驗證的實用工具。通過對實際的異常檢測性能和引入效果進行仿真，可輕松確認引入成效。

Solist-AI? Scope

使AI運行狀態實時可視化的工具。可通過波形直觀地呈現異常程度變化趨勢，便于開發時的調試和評估。

LEXIDE-Ω

ROHM提供的集成開發環境（IDE）。可與常規微控制器開發一樣進行軟件編輯、構建及調試，無需專業AI知識。

這些工具均為免費提供，在ROHM官網上注冊登錄后即可下載使用。為了助力微控制器開發者輕松引入AI，ROHM提供完備的環境支持。

評估支持工具

為便于在實際設備上輕松進行評估和驗證，ROHM還提供搭載了Solist-AI?微控制器的評估板。該評估板標配加速度傳感器和通知用的指示燈，只需通過USB與電腦連接，即可立即體驗AI訓練、推理及異常通知功能。

此外，通過與合作伙伴企業的合作，ROHM還推出了與AE傳感器及電流傳感器聯動的評估套件。利用這些工具，用戶可輕松開展符合本公司用途和設備環境需求的具體評估及實證試驗。由于采用了不需要網絡的“無云端結構”，因此即使在存在安全和通信環境問題的現場，也能大幅降低引入門檻，其高度實用性廣受用戶好評。

生態系統合作伙伴

ROHM為通過Solist-AI?推動AI創新和擴展，構建了由多元化合作伙伴共同協作的生態系統（Solist-AI? Ecosystem）。在該生態系統中，從產品（Solist-AI?微控制器）開發、電路板設計、軟件、系統集成到技術研究，各領域專業企業充分發揮自身優勢協同合作，共同提供創新性產品與解決方案。正在尋求加快開發進程或解決技術難題的用戶，通過運用該生態系統，可靈活組合所需技術與合作伙伴，實現Solist-AI?的順利引入。

未來的開發路線圖

ROHM計劃進一步提升Solist-AI?系列的性能并擴充產品陣容。未來將不僅局限于現有的三層神經網絡，還會推進能夠實現更復雜網絡架構和時序分析的技術研發。

另外，ROHM還將進一步完善評估支持工具群，特別是通過異常程度閾值自動優化和參數調整輔助功能等措施，進一步簡化引入時的設置工作。通過這些努力，ROHM致力于打造一個即使是不熟悉AI的工程師或相關人員也能輕松使用Solist-AI?的環境，以實現“無論是誰都能運用AI”的目標。

在應用方面，計劃將應用領域進一步拓展至FA設備、機器人技術、醫療保健、住宅設備、農業機械等行業。ROHM將進一步推動該產品在包括OEM、ODM及合作項目在內眾多領域的廣泛應用，促進其在端點AI領域的進一步普及和實際應用。

6.總結

ROHM的“Solist-AI?”解決方案，作為不依賴云端的端點型AI，可助力實現預測性維護。該解決方案僅需傳感器和微控制器即可完成實時訓練與推理，無需網絡，且功耗非常低，在安全性方面也優勢顯著。借助專用的支持工具，即使是不熟悉AI的現場工作人員也能輕松引入和評估。其具體應用案例豐富（例如檢測風扇電機的異常振動、捕捉電流波形的變化等），實際應用門檻非常低。未來，ROHM將持續擴充產品陣容并推進高性能機型的開發，推動Solist-AI?在包括設備維護在內的廣泛領域的應用拓展。Solist-AI?通過盡早檢測出現場“不同于以往”的情況，促進自主應對，可以為制造業現場帶來新價值。

ROHM為了讓大家更深入地了解并積極利用Solist-AI?，專門在面向工程師的技術平臺“ROHM官方技術論壇”中開設了專用社區“Solist-AI?開放實驗室：開啟獨奏者奇妙之旅！”（僅提供日語版本），歡迎工程師朋友們踴躍提問，廣泛地交流意見。在這里，不僅可以獲取ROHM Solist-AI?的相關信息，還可以針對評估和引入過程中遇到的疑問與課題進行提問和討論（需注冊會員并登錄），誠邀大家積極參與。