異常データが不要な、AIによる異常予兆検知
こんにちは、マジセミ寺田です。
いつもマジセミにご参加いただきありがとうございます！
今回は、「異常データが不要な、AIによる異常予兆検知」というテーマについて解説するセミナーを企画しました。
2023年2月14日（火）10：00 - 11：00
参加できなかった方にも、以下のサイト開催１ヶ月後に動画・資料を公開します！
https://majisemi.com/
AIによる異常予兆の検知に「関心のある企業」は63.6%
2019年にプラントメンテナンス協会が実施した調査によると、AIによる異常予兆の検知に「関心がある」と回答した企業は63.6%にも上ります。
引用：https://www.jipm.or.jp/company/report/images/202004.pdf
実際に、AIによる異常予兆検知システムを導入すると、
・製造ラインの緊急停止が避けられる
・交換部品や消耗品などのメンテナンス時期を予測できる
・熟練者の技術が形式知化でき、属人化を防げる
・メンテナンスの期間を最適化できる（状態基準保全化）
など、数々のメリットがあります。
これにより、設備のダウンタイムを短縮し、稼働時間を最大限伸ばすことができます。
また、不良が減ることで、製品品質の担保、改善に繋がり、生産計画の遵守につながります。
さらに熟練技術者の経験や知識を機械化できるため、保全に関する負担を軽減し、世代交代や人手不足の問題も解消できます。
AIによる異常予兆検知構築への様々な障壁
しかしながら、AIによる異常予兆検知のシステムは、「単にシステムを導入する」だけで実現することはできません。
対象である設備の「異常状態のデータ」を用意して、AIに正常時と異常時のふるまいの違いを学習させる必要があるため、装置の異常状態のデータを蓄積しなければなりません。
また、もしデータが蓄積できていたとしても、装置の異常は、磨耗、汚れ、腐食、部品寿命など、さまざまな要因が関係することから、膨大なデータの中から関連する要因の特徴を抽出し全ての組み合わせを学習させる必要があります。
さらに、AIへ学習が出来たとしても、装置の経年劣化、消耗品の影響などによる長期の状態変化も考慮させないといけません。
装置の状況に応じてAIの学習状態や閾値を適切にメンテナンスしないと、時間の経過とともに精度が安定しなくなってしまいます。
結果として、せっかく苦労してシステムを導入しても、誤検知の件数が増えてしまい、保全に関する負担の軽減が出来ず、最悪のケースでは「現場で使われない」という事態になってしまいます。
様々な製造現場にジャストフィットしたAIによる異常予兆検知
本セミナーでは、前述の課題を解決するAI検知システムの構築サービス「SAILESS」をご紹介します。
「SAILESS」は装置の「正常データ」をベースとした手法を採用し、異常検知のシステム構築を行うため「異常データのビッグデータ」をお持ちで無いお客様でも、AIによる異常検知のシステムの導入が可能となります。
また、検知精度の低下を防ぐための再学習をお客さま自ら容易に行える仕組みも備えており、導入後の効率的な運用を実現します。
実際の装置や工程の状況をヒヤリングさせて頂き、検知したい異常の分析から活用、運用のサポートまで一気通貫でサービス展開いたします。
今回のセミナーでは、実用シーンがイメージできるよう、以下のデモも行います。
・SAILESS管理画面、モデル更新画面のデモ
・実例に近い異常シナリオと検知結果のデモ
AIを用いた異常検知を構築しようとしたけれど、ビックデータが揃っておらずに困っていた方やビックデータはあるけど、どう活用していいか迷われている方に特におすすめです。
★ここでしか聞けない内容です！★
2023年2月14日（火）10：00 - 11：00
https://majisemi.com/e/c/uis-inf-20230214/M1B
Youtubeで過去開催したセミナーの動画が視聴できます。チャンネル登録お願いします！
この記事が気に入ったらサポートをしてみませんか？