通过ROHM AI解决方案Solist-AI有效实现预测性维护

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™”。

1.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。

2.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。

3. 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。

4.基于Solist-AI™的解决方案与应用

解决方案整体示意图

应用示意图

Solist-AI™通过内置加速器（AxlCORE-ODL）高速执行AI处理。

例如，通过微控制器处理安装在电机上的加速度传感器获取的数据，实时学习“正常运行时”的振动模式。随后，在运转过程中，一旦振动模式出现“不同于以往”的状态，便会实时检测到异常，并通过指示灯或警示灯等向相关人员发出警报。

通过这种方式，可以尽早发现故障发生前的征兆，从而能够在设备停机前进行维护，有效避免意外停机的情况。另外，通过现场学习正常状态，还能灵活应对安装环境差异和设备个体差异。

Solist-AI™通过将以往依赖熟练技术人员经验与感觉的“设备异常检测和寿命预测”进行数字化、自动化处理，可实现设备维护作业的标准化与效率提升。

应用案例

风扇电机的异常振动检测

风扇电机异常振动检测利用三轴（X、Y、Z）加速度传感器和Solist-AI™实现异常检测。微控制器学习正常运转时的振动模式，其后，当故意将纸片插入电机以再现异常振动状态时，AI会立即检测到异常并发出警报通知。本案例证实了仅用微控制器和传感器即可实现实时异常检测的“无云端/无网络”解决方案的实用性。

与AE（声发射）传感器的联动应用案例

AE传感器与Solist-AI™协同工作，能够高精度检测出轴承润滑不良及细微伤等人工难以检测到的异常状况。先通过多维分析AE传感器输出的多项指标（最大振幅、平均值、Energy、Count等），再由AI将异常程度转变为数值。这样便能及早发现异常征兆，以及时实施维护作业。即便不具备专业知识，也能直观地了解异常程度的变化情况，因此Solist-AI™作为非常适合现场应用的解决方案已获得用户高度好评。

其他应用案例

除上述应用外，Solist-AI™在其他用途和行业中的应用也在不断扩大。

・电池劣化评估

通过学习使用频率和负载条件，Solist-AI™可高精度评估电池剩余电量及劣化情况。通过对每个电池的情况进行增量训练，实现精度提升。

・电机负载异常检测

通过AI分析电流波形的高次谐波成分，实时检测负载端的细微变化，从而可在最佳时机进行外部负载调整及零部件更换。

・光电传感器的劣化判定

通过AI检测受光元件和LED因老化导致的光量细微衰减情况，持续监测传感器功能的健全与否，在异常发生前及时提示维护。

・FA产品检测的自动化

将依赖人类感官的产品检测过程通过AI实现数据化和自动化，从而实现检测作业的标准化及效率提升。

Solist-AI™作为一款可后期加装、引入门槛非常低的“现场闭环型AI”，正在以设备维护和预测性维护为主的用途中获得广泛应用。下一节将详细介绍实现这类解决方案的产品阵容、支持工具以及未来的开发路线图。

5.产品阵容、支持工具、生态系统合作伙伴及开发路线图

搭载AI的通用微控制器产品阵容

ROHM的“Solist-AI™”系列是专为边缘计算应用设计的内置AI的微控制器。

产品阵容由搭载Arm® Cortex®-M0+（48MHz）的机型组成。这些微控制器配备了CAN、SPI、I²C、UART等丰富的接口，可广泛应用于工业设备、机器人技术、物联网及家电等众多领域。

尤其值得一提的是，这些微控制器能够在专用加速器上高速、低功耗地执行FFT（快速傅里叶变换）和三层神经网络处理，从而可对振动、电流、声学等传感器数据进行实时分析，以高精度实现异常检测和故障预测。

ML63Q2500系列产品简介

“ML63Q2500”系列是Solist-AI™微控制器的首发产品。本系列产品的最大特点在于，用户能够以与常规微控制器开发环境一样的感觉引入AI。由于搭载了AxlCORE-ODL，因此与常规软件进行的AI处理相比，其处理速度最高可达1,000倍左右，同时可显著降低功耗。

ML63Q2500可广泛应用于工业机器人的振动分析、风扇电机的异常检测、电池剩余电量估算等众多领域。特别是其AI推理结果可即时反馈至设备控制端，所以也非常适用于对实时性要求很高的用途。

提供开发支持工具

ROHM为了使Solist-AI™微控制器的引入与相关的开发工作顺利进行，还提供完备的工具支持。主要的支持工具如下：

Solist-AI™ Sim

导入前进行预验证的实用工具。通过对实际的异常检测性能和引入效果进行仿真，可轻松确认引入成效。

Solist-AI™ Scope

使AI运行状态实时可视化的工具。可通过波形直观地呈现异常程度变化趋势，便于开发时的调试和评估。

LEXIDE-Ω

ROHM提供的集成开发环境（IDE）。可与常规微控制器开发一样进行软件编辑、构建及调试，无需专业AI知识。

这些工具均为免费提供，在ROHM官网上注册登录后即可下载使用。为了助力微控制器开发者轻松引入AI，ROHM提供完备的环境支持。

评估支持工具

为便于在实际设备上轻松进行评估和验证，ROHM还提供搭载了Solist-AI™微控制器的评估板。该评估板标配加速度传感器和通知用的指示灯，只需通过USB与电脑连接，即可立即体验AI训练、推理及异常通知功能。

此外，通过与合作伙伴企业的合作，ROHM还推出了与AE传感器及电流传感器联动的评估套件。利用这些工具，用户可轻松开展符合本公司用途和设备环境需求的具体评估及实证试验。由于采用了不需要网络的“无云端结构”，因此即使在存在安全和通信环境问题的现场，也能大幅降低引入门槛，其高度实用性广受用户好评。

生态系统合作伙伴

ROHM为通过Solist-AI™推动AI创新和扩展，构建了由多元化合作伙伴共同协作的生态系统（Solist-AI™ Ecosystem）。在该生态系统中，从产品（Solist-AI™微控制器）开发、电路板设计、软件、系统集成到技术研究，各领域专业企业充分发挥自身优势协同合作，共同提供创新性产品与解决方案。正在寻求加快开发进程或解决技术难题的用户，通过运用该生态系统，可灵活组合所需技术与合作伙伴，实现Solist-AI™的顺利引入。

未来的开发路线图

ROHM计划进一步提升Solist-AI™系列的性能并扩充产品阵容。未来将不仅局限于现有的三层神经网络，还会推进能够实现更复杂网络架构和时序分析的技术研发。

另外，ROHM还将进一步完善评估支持工具群，特别是通过异常程度阈值自动优化和参数调整辅助功能等措施，进一步简化引入时的设置工作。通过这些努力，ROHM致力于打造一个即使是不熟悉AI的工程师或相关人员也能轻松使用Solist-AI™的环境，以实现“无论是谁都能运用AI”的目标。

在应用方面，计划将应用领域进一步拓展至FA设备、机器人技术、医疗保健、住宅设备、农业机械等行业。ROHM将进一步推动该产品在包括OEM、ODM及合作项目在内众多领域的广泛应用，促进其在端点AI领域的进一步普及和实际应用。

6.总结

ROHM的“Solist-AI™”解决方案，作为不依赖云端的端点型AI，可助力实现预测性维护。该解决方案仅需传感器和微控制器即可完成实时训练与推理，无需网络，且功耗非常低，在安全性方面也优势显著。借助专用的支持工具，即使是不熟悉AI的现场工作人员也能轻松引入和评估。其具体应用案例丰富（例如检测风扇电机的异常振动、捕捉电流波形的变化等），实际应用门槛非常低。未来，ROHM将持续扩充产品阵容并推进高性能机型的开发，推动Solist-AI™在包括设备维护在内的广泛领域的应用拓展。Solist-AI™通过尽早检测出现场“不同于以往”的情况，促进自主应对，可以为制造业现场带来新价值。

ROHM为了让大家更深入地了解并积极利用Solist-AI™，专门在面向工程师的技术平台“ROHM官方技术论坛”中开设了专用社区“Solist-AI™开放实验室：开启独奏者奇妙之旅！”（仅提供日语版本），欢迎工程师朋友们踊跃提问，广泛地交流意见。在这里，不仅可以获取ROHM Solist-AI™的相关信息，还可以针对评估和引入过程中遇到的疑问与课题进行提问和讨论（需注册会员并登录），诚邀大家积极参与。