解读 | 从预防性维护转向预测性维护，ROHM通过Solist-AI™实现智能维护

　　在制造业中，设备维护长期以来普遍采用“预防性维护(TBM：Time-Based Maintenance，定期检修，基于时间的维护)”方式，以固定的周期进行点检和零部件更换。然而，这种方法实际上会导致正常设备也会被迫定期停机，不仅会增加作业成本，还会加重现场作业负担。而且，过度的点检作业反而可能导致操作失误和人为差错。因此近年来，业界正加速向“预测性维护(CBM：Condition-Based Maintenance，状态检修，基于状态的维护)”方式转型，即实时监控设备状态，在设备出现“异常征兆”阶段就及时进行精准维护。

　　本文将详细介绍ROHM为有效实现预测性维护而提出的AI解决方案“Solist-AI™”。

　　目录

　　1. 从预防性维护(TBM)转向预测性维护(CBM)

　　2. 从“云端型”转向“端点型”

　　3. 预测性维护的理想解决方案——“Solist-AI™”

　　4. 基于Solist-AI™的解决方案与应用

　　5. 产品阵容、支持工具、生态系统合作伙伴及开发路线图

　　6. 总结

　　7. 产品介绍、详细信息、其他链接等

　　01 从预防性维护(TBM)转向预测性维护(CBM)

　　预防性维护(TBM)与预测性维护(CBM)的最大区别在于以什么为基准进行维护。

　　预防性维护是指不论设备状态如何，均以“时间”为基准，定期进行检修和零部件更换的维护方式。而预测性维护则是一种仅在“真正需要时”才实施点检和修理的维护方式。通过传感器持续监测设备的温度、振动、电流等参数，并对采集到的大量时序数据进行处理，识别细微的模式变化，从而定量分析和把握异常征兆，这些都离不开AI技术的贡献。

　　采用预测性维护方式，将无需再定期停止正常运行的设备。利用AI优化维护时机，可有效降低作业成本和现场负担，同时减少因过度点检导致的作业失误和人为差错。而且，这种方式不依赖技术人员的感觉和经验，可确保稳定的维护品质，因此作为应对熟练技术人员减少、人手不足等现场课题的有效对策而备受瞩目。

　　02 从“云端型”转向“端点型”

　　但是，以往的云端AI系统存在诸多挑战，比如通信延迟、网络环境构建和运维管理负担、数据收发过程中的信息泄露预防对策等，这些课题会带来很大的负担。

　　另外，由于需要预先收集并准备海量的训练数据，因此针对每台设备所处的不同现场环境以及个体差异进行不同的应对也很困难。此外，高精度AI处理需要CPU和GPU等运算资源，最终导致功耗也随之增加。

　　因此，“端点型AI”正在加速取代“云端型AI”。如果是可通过装有传感器和微控制器的现场设备(端点)完成AI训练和推理的“端点型AI”，则可以灵活应对每台设备，在进行实时处理的同时保持低功耗。而且，因其不会将数据发送至云端，所以安全性更高。

　　作为预测性维护的关键——边缘计算理想的端侧AI解决方案，ROHM开发出“Solist-AI™”。该名称源自“Solution with On-device Learning IC for STandalone-AI”，正如音乐术语“独奏者(soloist)”所象征的，寓意着无需依赖云端或网络，仅凭现场设备自身即可完成从AI训练到推理的全过程。

　　*“Solist-AI™”是ROHM Co.，Ltd.的商标或注册商标。

　　另一方面，相较于以往AI(云端/边缘/端点型)，Solist-AI™在同时处理大规模数据和处理图像数据方面表现略逊，因此在精密故障分析等高级解析场景中，云端型AI更具优势。

　　但对于无需高级解析的应用场景而言，Solist-AI™在可大幅降低网络维护和云服务使用费等成本方面有显著优势。

　　另外，还可通过增量训练功能可实时更新设备老化状态数据，并根据老化程度高精度判别正常与异常状态，这是Solist-AI™在替代以往AI时的一大优势。

　　03 预测性维护的理想解决方案——“Solist-AI™”

　　Solist-AI™与通用AI处理器不同，它是专为故障预警等特定用途设计的，能够根据用途和环境现场学习并优化最佳模型，因此可灵活应对不同设备的个体差异及环境变化。

　　该解决方案的核心——Solist-AI™微控制器，搭载了ROHM自主研发的AI运算用加速器“AxlCORE-ODL)”。AxlCORE-ODL可通过硬件执行三层神经网络处理和FFT(快速傅里叶变换)处理，并可实时检测并预警现场发生的各种异常和变化。

　　Solist-AI™解决方案的最大特色在于其简约性——仅需传感器和微控制器即可实现“独立AI”。以往的AI解决方案必须依赖云端和网络连接，而Solist-AI™则完全无需任何网络环境支持。因此，仅需加装在现场的设备或仪器上，即可轻松引入，它可以将通信延迟和信息泄露风险控制在非常低的程度。

　　其机制通过内置的AI专用加速器“AxlCORE-ODL”即可实现。

　　通过对传感器检测到的振动、温度、电流等数据进行实时训练与推理，将“不同于以往”的异常征兆量化为数值并发出预警。另外，Solist-AI™与以往的云端型AI(2W~200W)相比，仅需约40mW的超低功耗即可运行，因此很容易加装在电池驱动的设备或现有设施上。Solist-AI™广泛适用于工业机器人、电机、风扇等工业设备应用，非常有助于提高设备维护效率和运行效率。

　　此外，ROHM还提供配套的支持工具以为客户引入Solist-AI™提供支持，包括用于预先验证AI适配效果的“Solist-AI™ Sim”，以及可将AI运行情况实时可视化的“Solist-AI™ Scope”。因此，即便不具备AI专业知识也能轻松引入和评估，可大幅降低应用门槛。

　　产品介绍、详细信息、其他链接等

　　欲了解更多关于Solist-AI™及其相关产品的详细信息，请参阅以下链接：

　　【产品和解决方案简介】

　　Solist-AI™解决方案：https://www.ameya360.com/hangye/115949.html

　　边缘计算AI微控制器产品信息：

　　https://www.rohm.com.cn/products/micon/solist-ai?utm_medium=social&utm_source=wechat&utm_campaign=WeChat%EF%BC%88infor%EF%BC%89&utm_content=260304

　　【技术信息、应用案例】

　　Solist-AI™技术详解：

　　https://www.rohm.com.cn/support/solist-ai/technology?utm_medium=social&utm_source=wechat&utm_campaign=WeChat%EF%BC%88infor%EF%BC%89&utm_content=260304

　　【开发和评估支持工具、生态系统合作伙伴】

　　集成开发环境 LEXIDE-Ω：

　　https://www.rohm.com.cn/lapis-tech/product/micon/software?utm_medium=social&utm_source=wechat&utm_campaign=WeChat%EF%BC%88infor%EF%BC%89&utm_content=260304

　　生态系统合作伙伴 | Solist-AI™解决方案：

　　https://www.rohm.com.cn/support/solist-ai/partner?utm_medium=social&utm_source=wechat&utm_campaign=WeChat%EF%BC%88infor%EF%BC%89&utm_content=260304

　　点击链接查看文章全部内容：

　　https://esh.rohm.com.cn/s/esh-blog/solistai-main-20260106-MCIARA2JAOONDWZA2DV4CFQXIDJA?language=zh_CN&utm_medium=social&utm_source=wechat&utm_campaign=WeChat%EF%BC%88infor%EF%BC%89&utm_content=260304