根據(jù)裝置數(shù)據(jù)，實(shí)時(shí)監(jiān)控“反常"狀態(tài)，并在與裝置狀態(tài)對(duì)應(yīng)的較佳時(shí)機(jī)實(shí)現(xiàn)狀態(tài)基準(zhǔn)維護(hù)。

根據(jù)長(zhǎng)年培養(yǎng)出來(lái)的直覺(jué)、經(jīng)驗(yàn)，執(zhí)行事后/定期維護(hù)（時(shí)間基準(zhǔn)維護(hù)）。

根據(jù)裝置數(shù)據(jù)，AI將對(duì)裝置狀態(tài)進(jìn)行監(jiān)控。
并在與裝置狀態(tài)對(duì)應(yīng)的較佳時(shí)機(jī)執(zhí)行預(yù)測(cè)維護(hù)（狀態(tài)基準(zhǔn)維護(hù)）。

1. 較小化停機(jī)時(shí)間，減少生產(chǎn)損耗
2. 在較佳時(shí)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(shí)機(jī)，減少維護(hù)零件的庫(kù)存
4. 無(wú)需分析即可確定異常位置
5. 無(wú)需專門(mén)知識(shí)/技能，即可開(kāi)展標(biāo)準(zhǔn)化的維護(hù)工作

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)的裝置狀態(tài)可視化。
因此，AI控制器能夠以微秒級(jí)精度檢測(cè)出裝置的“反常"狀態(tài)。

累計(jì)與控制周期同步的時(shí)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(dòng)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(guò)上位層裝置層進(jìn)行AI聯(lián)合，為Factory IoT化做出貢獻(xiàn)。

以適用于實(shí)時(shí)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(shí)實(shí)現(xiàn)高速性與高精度檢測(cè)。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(dòng)作模式的裝置，如多品種生產(chǎn)等。