No.61「データサイエンスを活用した異常診断分析」

No.61 データサイエンス 特集号
データサイエンスを活用した異常診断分析
Abnormal Diagnosis Analysis in Data Science

なぜいまこれが?

いままで異常診断は、異常判定ロジックを用いて行われてきており、ロジックの優劣が判定精度と関わるため、専門的な知識が必要でした。現在では、データサイエンスを使って、容易に異常やトラブル見つけ出すことができるようになってきています。

当社では、工場、プラントの日々蓄積されている操業データの中から、正常と異常を判別する設備診断の適切なアルゴリズムやロジックの選定、開発を提供いたします。

これがポイント!

図1 正常/異常の判別イメージ
図1 正常/異常の判別イメージ

発生頻度が低い異常や故障データを多数収集するのは難しいため、異常データに基づく従来法では、データ数不足から来る正常と異常の境界領域に重なりが残るため、誤検知が多くなってしまいます(図1)。

一方、正常な運転データや製造品のデータは大量に入手することできます。まずは、この正常データを機械学習に入力することによって、正常データの特徴量を自動的に抽出します。その結果、正常な特徴を記憶した機械学習判別装置は、様々な正常なデータが入力されても、正常状態を判定することができます。

しかしながら、正常でないデータが学習判別装置に入力されると「正常と判断することができない」ことから、それを「異常」と判定することができます(図2)。

図2 機械学習を用いた異常判定フロー
図2 機械学習を用いた異常判定フロー

本例は、時系列データの判別例ですが、この原理を応用して画像にも適用することが可能です。その場合、大量に入手可能な正常な状態の製品や部品などの画像データを用いて機械学習させることにより、異常部位や汚れ、傷などの不良品の判定に適用することも可能です。

当社では、データサイエンスセンターのデータサイエンティストが高度なデータ分析技術を用いてお客様のビジネス課題を解決いたしますので、お気軽にご相談下さい。

このページに関するお問い合わせはこちらから

  • お問い合わせ
  • ご依頼の流れはこちら

JFEテクノリサーチ株式会社 営業本部