異常検知・予知保全

IoTの発展によりセンサーデータの活用はますます盛んになっています。センサーデータを監視し、生産設備や通信機器を適切な状態に保つことは各社共通の課題となりつつあります。

異常検知とは

異常検知とはデータから通常のパターンとは異なる挙動を検出することです。日々蓄積されるセンサーデータを監視し、予期せぬ故障を減らすことで、設備の稼働率向上や作業員の安全性確保が期待できます。

異常検知はその用途によって「故障検知」や「不正使用検知」などと呼ばれることもあります。しかし、どれも「大多数のデータとは振る舞いが異なるデータを検出する技術」であることに変わりはありません。ビッグデータが存在すれば、その中には必ずと言っていいほど異常なデータが存在します。異常データの効率的な検出はビッグデータの活用において極めて重要です。

近年、異常検知で用いられるデータは非構造化データが多く、実際のビジネスで活用する際にはデータ分析に関する高度な知識と幅広い経験が必要です。ALBERTでは高い専門性を持つ経験豊富なデータサイエンティストが異常検知の問題に取り組んでいます。

※非構造化データ:特定の構造を持たないデータを指し、メール、文書、画像、動画、音声などのほか、Webサイトのログなど

異常検知の種類

異常検知には大きく分けて3種類の方法があります。

種類 外れ値検出 変化点検出 異常部位検出
詳細 データを記録する上で生じた人為的なミスなど全体から大きく外れた値を検出する データの構造や性質が急激に変化する箇所を検出する 不正行為や不審行為など通常とは異なる動きを検出する
イメージ図

詳しくは当社データ分析基礎知識ページをご参考ください。
※異常検知の詳細はこちら
※時系列データに対する異常検知の詳細はこちら

※グラフはすべてイメージ例です

予知保全とは

予知保全 予防保全 事後保全
メリット リアルタイムに状況を把握できるため、人的労力の軽減、メンテナンス費用の削減ができる 作業が計画的にできるので機器を停める時間を短くできる 予防のための投資や労力の負担が無い
デメリット 常に監視するシステムが必要で、精度はシステムに依存してしまう 実際にはまだしばらく使える部品を無駄に交換してしまうケースもある 場合によっては取り返しがつかない事故になる可能性があり、復旧に時間がかかることもある

異常検知・予知保全の活用シーンと実績

業種 活用シーン 利用データ 実績
電気機器 不正コマンド検知 ・コマンド履歴データ 不正コマンドを手動で作成して評価。
正解率約93%という高い精度を実現。
機械 工作機械の異常検知 ・センサーデータ 異常データを疑似的に生成して評価。
センサーによってバラつきがあるものの、正常と異常の判別が可能
建築 空調設備の異常検知 ・センサーデータ 異常パターンを列挙して評価。
一定の制度で異常を予測できる可能性が示唆された。

ALBERTでは、高い専門性を持つ100名以上のデータサイエンティストと豊富な分析プロジェクト事例を活用し、異常検知・予知保全の課題に対して具体的な解決策を提供することが可能です。

その他多数の業界において、事例・支援実績がございます。

ALBERTでは、多数のデータサイエンティストの豊富なスキルと分析経験を活かし、異常検知・
予知保全に問題を抱えている企業に対し具体的な分析プロジェクトを提供することが可能です。

PAGE TOP