AI異常検知
高性能で軽量な変化検知技術の異常検知への応用
〜人工知能分野の国際会議AAAIに採択された技術〜
産業機械の重故障から軽故障まで広く適用可能であり未経験の異常状態も含め検出が可能な新しい変化検知技術について論じる。この技術はセンサデータなどの対象機器のデータを事前に学習することが不要であり，アルゴリズムを実行する計算機環境とセンサデータさえあればすぐに利用することが出来る。利用にあたっては大きな計算機資源を必要としない，またアルゴリズムの実行処理速度が比較した他の技術と比べて高速であるので計算機システムで本アルゴリズムを実行した際には多くのセンサデータに対して異常状態となる変化を検出することが可能である。
村上 英治 アズビル金門株式会社経営企画部
鈴木 郁美 山形大学理学部
原 一夫 山形大学理学部
オペレータの意思決定を支援するバッチプロセス向けオンライン異常予兆検知手法の開発
近年、プロセスデータを利用した自動監視ニーズが高まっている。本稿では、特に運転管理が煩雑なバッチプロセスを対象とし、従来のような対象プロセスの詳細な知見がなくてもプロセス全体をモデル化できる「MTSA（Multivariate Time series Shape Analysis）モデリング」を提案する。本手法はプロセスを自動監視し、捉えた異常を変数間の相関構造とともに直観的に理解しやすい形で提示できる。これにより、オペレータは自身の知見とあわせた異常の原因分析が実現でき、検知後の早期アクションに役立てることができる。
アズビル株式会社 ITソリューション本部 鈴木 毅洋
アズビル株式会社 ITソリューション本部 西口 純也
azbil Technical Review 2018年 特集：「人を中心とした」の発想に基づく機械・システムとの協調
IoT時代のスマート設備管理を目指す操業ビッグデータを活用したオンライン異常予兆検知システムの開発
近年、欧米を中心にInternet of Things （IoT）の戦略的利活用が急速に進んでおり、日本国内においても産官学挙げての取り組みが始まっている。ビッグデータ活用先の1つに製造業の設備管理分野がある。成熟した日本の製造業において、プラントオートメーション（PA）系プラントでは安全安定が、ファクトリーオートメーション（FA）系工場では止まらない工場がそれぞれの課題とされている。設備の健全性を担保するためには予防保全が大切であるが、時間基準保全（Time Based Maintenance: TBM）主流の現状では故障をゼロにすることは難しい。そこで, 製造現場の操業ビッグデータを活用し様々な設備の正常時の振る舞いをファジィニューラルネットワークに学習させることにより、いつもと違う動きをオンラインで捉え異常予兆の早期発見を可能とし製造現場におけるトラブルの未然防止を図るため、異常予兆検知システムBiG EYES™を開発した。
アズビル株式会社 アドバンスオートメーションカンパニー 木村 大作
アズビル株式会社 アドバンスオートメーションカンパニー 山縣 謙一