OMRON 发布 AI 控制器

近期，OMRON 发布了 Sysmac AI 控制器。

本期，咱们来一道看个究竟。



说是 AI 控制器，其实从硬件上看，就是 OMRON 的 NX7 和 NY5 设备控制器。简单浏览下它们的技术规格：



不过，从官方发布的资料看，这两款 AI 控制器除了具备原来 NX 和 NY 的多策略控制功能（如：运控、流程...），主要还集成了对设备运行数据的自动采集、分析和运用的能力，可以帮助用户实现机器级别的预防性维护，降低运营风险，延长机器寿命，提升产品品质和生产效率。



具体来说，该控制器能够通过运行 Sysmac 软件功能库中的 AI 模组，对与应用目标相关的对象数据进行采集和记录，并基于预设的应用模型，分析设备行为的历史趋势，预测机器可能出现的异常状况，提示和指导用户在适当的时间对机电系统采取合理有效的诊断和维保措施。

⚠️ Sysmac 是 OMRON 集成自动化系统的软件平台。



传统的设备维护方式，往往是基于资深技术人员的直觉和经验的，要么是在异常状况出现前的定期巡检，要么就是在故障问题发生之后的维修、更换...等处置措施，但无论如何都是以运行时间作为依据的。



可事实上，每台设备的运行状况都是截然不同的。若要节约在维护保养上的成本和开支，并减少因非计划停产而造成的经济损失，那么设备机电系统的维护和保养方式，就有必要从原来简单被动的基于运行时间的事件提醒，转变为基于运行状态的主动检测和积极引导。因此，OMRON 本次发布的所谓 “AI 控制器” ，应该就是面向此类预防性维护的需求而适时推出的。



按照官宣材料的说法，OMRON 的 AI 控制器的定位主要是在设备数据的采集、分析和运用方面的，包括：

原始数据的采集、预处理，创建和收集（正常 / 非正常）状态信息的特征；

特征数据的存贮、因果关系的分析与模型数据的创建；

基于模型数据的状态监视与功能控制；

其作用是在检测和预防故障、损坏...等异常状况的过程中，为设备用户提供数据统计与特征关系上的决策支撑，帮助提升设备维护与保养的总体效率；而它的基础则仍然是诸如问题定义、原因判断、传感器部署...等方面的人的工作。换句话说，AI 控制器的使用并非是要取代人类 ，而是通过帮助人们去完成那些繁琐复杂的数据处理任务，进一步提升设备的总体运营效率。



就目前公布的信息看，OMRON 在 Sysmac 系统中开放的首批 AI 模组主要是面向气缸、滚珠丝杠和传送带、同步轮...等机械传动部件的。用户需要根据自身设备的应用目标（如：速度、扭矩、精度...）和具体问题（如：机械抖动、运行磨损、连接断开...），事先布置传感元件、构建数据链路，并在调用 AI 模组时对数据趋势与设备动作（如：停机、限速、故障提示...）进行必要的关联和配置，包括：应用目标、评估指标、阈值范围、故障类型、联锁动作、提示信息...等方面的参数设定。



当设备经过一段时间的运行后，AI 控制器会基于上面预设的应用模型学习和掌握设备运转的行为习惯，并就此在可能的设备故障、停产与部件失效、损坏...等异常状况出现之前，适时的发出预警，提示用户及时对设备采取必要的维护、保养、维修或零部件更换...等措施，从而帮助降低机器在运行过程中意外停机的风险，确保有效的开机生产率。



可以想像，这样的设备预防性维护方案，其性能表现将很大程度上取决于两个关键要素：

数据采集：帮助有效理解机器行为；

应用算法：创建和优化学习模型，并准确作出判断。

有关数据采集，OMRON 方面称，其 AI 模组是运行在设备控制器层面（俗称：边缘侧）的，基于时间序列的数据收集和存储是与控制周期完全同步的，采样周期在 NX7 上仅为 125 μs，NY5 上则为 500 μs，与 I/O 变量在同步周期上的抖动误差小于 1 μs。



基于上述级别的采样速率，OMRON 认为其 AI 控制器将能够识别出程序检测不到的低于阈值和人眼无法分辨的变化微弱的异常状况，从而实现对设备行为（尤其是异常特征）较为全面准确的学习理解。



而在异常检测的算法上，OMRON 则表示，其 AI 技术是基于 “孤立森林” （Isolation Forest）机器学习引擎开发的，非常适合高速实时处理，并可以通过微调提高检测精度和准确性；同时，该算法还适用于多模态数据，可用于需要两种或多种操作模式的高度混合的产线。

当然，上面这些关于数据采样和学习算法的描述，都还仅限于产品发布时的官宣解读；要说这几款 AI 控制器的性能，还是得看它们在设备端装机实测后的表现，再做研判。



那么，究竟哪些企业适合去选用这样的 AI 控制器呢？

个人觉得有这样几点是需要去考虑的：

是否因为较高的产品价值或 / 和原料、备件的成本，而（可能）随时面临设备停机、停产或废品、废料的风险损失？

基于程序或人工方式的异常检测与预防维护，能否帮助企业达到规避 / 减小上述风险的目标？

若要用数据导向的方式去重构设备管理，优化维保流程和成本，这样的意愿有多强烈？

我知道一定会有人说 “价格很重要” ... 没错，的确是这样的。

但同时我也想提醒大家，目前市面上已有的 AI 预防性维护方案，如：FactoryTalk Analytics for Devices、MindSphere、TwinCAT Analytics...等等，基本上都是基于云、雾层面的；而 OMRON 的这套 Sysmac AI 是运行在设备控制器上的。因此，如果用户仅仅是针对上述几点在设备的预防性维护方面有了比较明确的需求，那么，使用 Sysmac AI 在系统方案的投入上还是相对比较经济灵活的。尤其是对那些已经搭载了 NX / NY 控制器的设备系统来说，这样的 “智能化升级” 应该不会太难、太复杂吧。

图片及信息参考自：fa.omron.com/industrial.omron.us

以上内容纯属作者本人观点，如有雷同，纯属巧合。

任何疑问，欢迎随时通过本公众号与我们联系。

点击阅读原文，了解更多「变频那些事儿」。