お問い合わせ
Go to Top

SERVICE

複数のセンサーデータを活用した異常動作検知

産業
分析テーマ
活用データ
分析手法
目的
熟練者の感覚に頼っていた異常検知をAIで代替することで、技術伝承と省人化の両面から人手不足を解消したい。
結果
正常時のセンサーデータのみからアルゴリズムを構築し、検査データ中に現れる異常を検知。異常データがない場合でもアルゴリズム構築可能。

正常時のセンサーデータのみを用いてアルゴリズムを構築し、検査データ中に現れる異常を検知することで、それまで熟練者の感覚に頼っていた異常検知をAIで代替します。技術伝承と省人化の両面から人手不足を解消できます。異常データが存在せず教師あり学習ができない場合でも、時系列的な変化・複数の要因を考慮できる隠れマルコフモデル(状態空間モデル)を用いて正常時から逸脱する値を異常と判定することで、アルゴリズム構築が可能です。また、複数種類のセンサーデータの組み合わせに対応可能のため、人間では認識しにくい異常も検知できます。

【実施内容】
■実施タスク
・機械に取り付けられたセンサーデータから、正常時の挙動を学習し、その再現を行うアルゴリズムを構築
・異常時のデータが存在しないため、正常動作を正しく再現できることを評価指標とする
・判定は毎日1~2分程度の試運転時のデータから行う

■学習タイプ
・教師無し学習(異常時のデータが取得できないため)

【異常検知アルゴリズム構築の流れ】
Step1:データ内容確認・基礎集計
基本統計量の算出を通じて正常時のデータを可視化し、傾向を把握します。
データに欠損や異常値が含まれている場合はお客様と相談し処理方法を、決定致します。

Step2:アルゴリズムの検討
Step1の内容をもとに、利用するアルゴリズムを決定します。

Step3:データ整形・クリーニング
選定したアルゴリズムに適した形式にデータを整形します。
Step1において欠損等が発見された場合は、除外・補完処理(クリーニング)を実施します。

Step4:アルゴリズム作成・評価
整形したデータでアルゴリズムを構築し、異常検知の精度評価を行います。

※上記の「異常検知アルゴリズム構築の流れ」は一例であり、プロジェクトにより各ステップ内容は異なります。

 

お問い合わせ

ALBERTは、あらゆるデータに高度な分析力で挑み、独自のソリューションでビジネス課題の最適解を導きます。
詳しくは、下記までお問い合わせください。