根據(jù)裝置數(shù)據(jù)，實時監(jiān)控“反常"狀態(tài)，并在與裝置狀態(tài)對應(yīng)的較佳時機實現(xiàn)狀態(tài)基準(zhǔn)維護(hù)。

根據(jù)長年培養(yǎng)出來的直覺、經(jīng)驗，執(zhí)行事后/定期維護(hù)（時間基準(zhǔn)維護(hù)）。

根據(jù)裝置數(shù)據(jù)，AI將對裝置狀態(tài)進(jìn)行監(jiān)控。
并在與裝置狀態(tài)對應(yīng)的較佳時機執(zhí)行預(yù)測維護(hù)（狀態(tài)基準(zhǔn)維護(hù)）。

1. 較小化停機時間，減少生產(chǎn)損耗
2. 在較佳時機進(jìn)行維護(hù)，削減維護(hù)費用
3. 優(yōu)化零件更換時機，減少維護(hù)零件的庫存
4. 無需分析即可確定異常位置
5. 無需專門知識/技能，即可開展標(biāo)準(zhǔn)化的維護(hù)工作

憑借的數(shù)據(jù)運用功能，實現(xiàn)了邊緣控制，從而實現(xiàn)的裝置狀態(tài)可視化。
因此，AI控制器能夠以微秒級精度檢測出裝置的“反常"狀態(tài)。

累計與控制周期同步的時間序列數(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)。

以適用于實時處理的機器學(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，可以同時實現(xiàn)高速性與高精度檢測。而且可適用于多峰數(shù)據(jù)算法，以及適用于需要執(zhí)行多種動作模式的裝置，如多品種生產(chǎn)等。