AI異常検知
オペレータの意思決定を支援するバッチプロセス向けオンライン異常予兆検知手法の開発
近年、プロセスデータを利用した自動監視ニーズが高まっている。本稿では、特に運転管理が煩雑なバッチプロセスを対象とし、従来のような対象プロセスの詳細な知見がなくてもプロセス全体をモデル化できる「MTSA（Multivariate Time series Shape Analysis）モデリング」を提案する。本手法はプロセスを自動監視し、捉えた異常を変数間の相関構造とともに直観的に理解しやすい形で提示できる。これにより、オペレータは自身の知見とあわせた異常の原因分析が実現でき、検知後の早期アクションに役立てることができる。
アズビル株式会社 ITソリューション本部 鈴木 毅洋
アズビル株式会社 ITソリューション本部 西口 純也
azbil Technical Review 2018年 特集：「人を中心とした」の発想に基づく機械・システムとの協調
IoT時代のスマート設備管理を目指す操業ビッグデータを活用したオンライン異常予兆検知システムの開発
近年、欧米を中心にInternet of Things （IoT）の戦略的利活用が急速に進んでおり、日本国内においても産官学挙げての取り組みが始まっている。ビッグデータ活用先の1つに製造業の設備管理分野がある。成熟した日本の製造業において、プラントオートメーション（PA）系プラントでは安全安定が、ファクトリーオートメーション（FA）系工場では止まらない工場がそれぞれの課題とされている。設備の健全性を担保するためには予防保全が大切であるが、時間基準保全（Time Based Maintenance: TBM）主流の現状では故障をゼロにすることは難しい。そこで, 製造現場の操業ビッグデータを活用し様々な設備の正常時の振る舞いをファジィニューラルネットワークに学習させることにより、いつもと違う動きをオンラインで捉え異常予兆の早期発見を可能とし製造現場におけるトラブルの未然防止を図るため、異常予兆検知システムBiG EYES™を開発した。
アズビル株式会社 アドバンスオートメーションカンパニー 木村 大作
アズビル株式会社 アドバンスオートメーションカンパニー 山縣 謙一