catch-img

設備・機器に対する異常検知とは? 機械学習による対策方法

生産性の向上や品質の保証が求められる製造業においては、工場設備・機器を安定的に稼働していくことが欠かせません。

設備の不具合または故障などをすばやく検知し、生産ラインの停止や不良品の発生などのトラブルを防ぐためには、異常検知システムによる予兆保全が求められます。

この記事では、異常検知はどのような手法で行うのか、異常検知を支える技術とともに解説します。

​​​​​​​

異常検知とは

異常検知とは、あらかじめ定義された正常なデータに対して、異常なデータパターンを識別・検出する技術のことをいいます。

製造業における異常検知では、設備・機器の備わったカメラやセンサーからデータを取得し、AIによる解析によって異常を検知します。人間が認識できない繊細な変化や軽微な不良なども検出できる利点を活かし、製品の外観検査や設備・機器の予兆保全などに用いられています。


異常検知を支える機械学習

近年、異常検知には機械学習が取り入れられています。目視による識別よりも精度が高く、人の判断を介せず異常を検出することが可能です。機械学習は、“教師あり学習”と“教師無し学習”の2つに大きく分類されています。

教師あり学習

教師あり学習とは、正常・異常などの判定を付けた学習データを読み込ませ、AIに学習させる方法です。

過去のデータにもとづいて、人間が教師となって機械をトレーニングし、学習のプロセスを繰り返すことで識別の精度を高めていきます。不良品の検出やシステムの誤作動の発見などに用いられています。

一方、教師あり学習では機械があらかじめ学習した異常のみを検出するため、これまで発生した故障や不良のデータが必要です。教師データの量が十分でない場合は、予測精度が低下してしまうという課題もあります。

教師無し学習

教師無し学習とは、正常・異常といった判定の基準を必要としない学習方法です。

判定の対象とする正解・不正解が存在しないデータをAIに学習させることで、AIが自ら類似性や規則性のあるデータを分類し、正常なモデルを構築します。この正常なモデルから外れたデータをすべて異常と検知することが可能です。

設備・機器の故障や不具合、劣化などの予兆を異常として検出できるため、製造現場の予兆保全に用いられています。

コネクシオの『SpaceTime scene analytics』の教師無し学習モデルでは、たった2週間ほど置いておくだけで何が通常状態であるかを自動学習します。

▼コネクシオの製品の詳細については、こちらをご覧ください。




異常検知はデータが少なくても自律学習するソリューションがおすすめ

工場の設備・機器の異常検知では、正常・異常を判定するための学習データが不足していることがあります。不具合や故障は頻繁に発生するわけではないため、異常を識別するためのデータをすべて入手できるとは限りません。このような場合には、学習データが少なくても自律学習する教師無し学習が適しています。

コネクシオの『Space Time scene analytics』は、AI画像認識技術を用いた異常検知ソリューションです。


コネクシオの提供範囲


設備・機器にカメラを備えて、約2週間動画データを取得することで、正常な状態を自動で学習します。動画データからフレームごとの動きを分析し、異常があった場合にはアラートを送信します。このソリューションの強みは主に3つです。

①リアルタイムでの自動検知ができる

現場設置のIoTゲートウェイに画像解析プログラムが備わっており、異常を検知するとすぐにクラウドシステムへと自動で通知されます。リアルタイムな自動検知により、不具合や故障などの予兆をすばやく捉えることが可能です。

②早期に運用開始できる

AIを用いた教師無し学習のため、膨大なデータ量を用いた人手によるトレーニングは必要ありません。約2週間でカメラの動画から正常データを学習し、早期に運用を開始できます。

③通信コストを抑えられる

異常を検知した画像のみをクラウドシステムに通知するため、工場内のネットワークやサーバーへの負荷を軽減し、通信コストを抑えられます。

▼さらに詳しく知りたい方は、ぜひこちらもご覧ください。




まとめ

画像認識技術やAIを活用した異常検知は、製品の品質改善や予兆保全を実現します。これまで人の目で行ってきた点検・監視業務を自動化できるため、検知精度の向上や業務効率化、生産性向上が期待できます。

異常検知システムを導入する際は、AIの機械学習モデルにも注意が必要です。学習データが不足している、異常のパターンが複数ある場合には、教師無し学習が適しています。

コネクシオの『SpaceTime scene analytics』は、教師無しモデルの機械学習を行うAI画像認識ソフトウエアです。現場に応じたデータを収集・活用できるソリューションを取りそろえ、高精度な異常検知を実現できます。工場の安定した稼働を目指して、導入を検討してみてはいかがでしょうか。

5分で理解できる!
Smart Ready IoTソリューションセット
ご質問やご要望はこちらから
お気軽にお問い合わせください

工場内の古い機械もIoT化できる? 導入の効果や方法を解説

2021-09-22

デジタル技術の発展により、さまざまなモノがインターネットとつながるIoT化が進んでいます。工場の設備・機械にIoTを活用しようと思いつつも、「どのようにIoT化を進めていけばよいのか具体的な取り組みが分からない」という方もいらっしゃるのではないでしょうか。今回は、製造現場におけるIoTの導入状況を踏まえつつ、機械をIoT化する効果や方法などを解説します。

工場の巡回・点検業務を効率化して負荷を軽減する方法

2021-09-22

企業の人手不足が深刻化するなか、自社の工場内で設備・機械の点検業務に多くの労力を要している現場もあるのではないでしょうか。なかでも、アナログメーターの場合は人の目による読み取りが必要になるため、点検者の負荷も大きくなります。この記事では、人手による巡回・点検業務の課題や効率化方法について解説します。

予防保全とは? 事後保全との違いとIoT活用による予知保全を解説

2021-09-22

製造現場で日々稼働している設備や機械を管理して安定した稼働を実現するには、適切な保全活動が欠かせません。保全活動には予防保全・事後保全などがありますが、近年はIoTを活用した“予知保全”も取り入れられています。この記事では、製造現場の設備・機械を適切に管理するための予防保全と事後保全の違い、IoTを活用した予知保全について解説します。

予知保全にAI技術を導入するメリットと活用法

2021-08-30

生産工程で発生するさまざまなデータを蓄積して、AIが持つ学習技術・解析機能を活用することで、設備保全体制の強化につながると期待されています。この記事では、製造現場における予知保全の目的を踏まえ、AI技術の活用方法やメリットなどを解説します。

製造現場の予知保全CBMとは? TBMとの違いやメリットを解説

2021-08-30

モノづくりを行う製造現場では、IoT技術を取り入れた次世代の予知保全であるCBMが登場しています。従来のTBMに比べて、より効率的な設備保全ができると期待されています。本記事では、CBMの基礎知識をはじめ、従来のTBMとの違い、CBM導入のメリットなどをまとめて解説します。