工場などの生産現場において、突発的な装置の故障は生産ストップとなり、生産効率が下がってしまいます。
そうならないためのAI=異常を検知し故障や不具合を予測するAI を開発しています。

AIを用いた異常検知の手法として、

  • 大量の計測値を学習させ、過去の異常データの事象に当てはまる度合いの確率を求める「教師あり学習」
  • 異常データが十分に無い場合、正常データからどれぐらい外れているかを求める「教師なし学習」

が用いられます。

もともと装置異常の頻度が少なかったり、データそのものを収集していなかったりと、
十分に学習させる「教師データ」が無い場合は多々あります。

AI技術の中核は「学習」です。
特徴を効率よく学習するデータ作成や、データ収集・蓄積のところもお手伝いします。
データを収集するためのセンサーやカメラの設置や、収集されているデータの整理整頓や修正作業なども
お手伝いします。
また、正常データのみで故障データがない場合も、学習可能な手法はありますのでご相談ください。

 

□異常検知 手法例

GAN(Generative Adversarial Networks)GANは生成モデルの一種であり、データから特徴を学習することで、実在しないデータを生成したり、存在するデータの特徴に沿って変換できます。「生成するAI」と「監視するAI」がともに競い合い、学習を重ねていくアルゴリズムです。「生成するAI」がうまくデータを復元できない場合、異常と判断します。製品の不良品などの判別の他、ピンボケした写真や昔の写真の解像度を上げたり、画像を別のテイストにしたり様々なことが可能です。
Autoencoderニューラルネットワークの生成モデルの1つで、入力されたデータを圧縮し、重要な情報を洗い出し、それ以外の部分を削ぎ落します。このように状態を維持したまま少ない次元にすることを次元削減と言い、重要データを抽出することを特徴抽出と言います。データを粗くすることで、過学習も防ぐことができます。比較的集めやすい正常データのみで学習できるのもメリットです。

下記お問い合わせフォームよりお問い合わせ下さい。

 

異常検知・故障予測