ジェイテック製品ソリューション

インバリアント分析

“いつもと違う”を発見し、故障や異常を未然に防ぐ。

大規模・複雑なシステムに設置された多数のセンサから大量の時系列データを収集・分析し、通常時に存在するセンサ間の不変的な関係性(インバリアント)をモデル化します。ここから予測されるデータの変化(いつもの状態)と実際のデータを比較することで、異常(いつもと違う状態)を予兆段階で検出します。
異常発生個所の特定が可能となることで重大事故を防ぎ、従来からの課題となっているCBM(状態基準保全)※を実現し保全の効率化を実現します。


  • CBM(状態基準保全):機器の状態監視を継続して行い、異常や劣化の兆候が現れた箇所を都度メンテナンする保全方法。
    定期メンテナンスと比べて早い段階で異常を発見できることに加え、異常や劣化の状態に合わせた保全が可能なため、無駄なコストの発生を抑えます。

インバリアント分析の強み

”いつもの状態”を自動で作成
全てのセンサデータからセンサ間の関係性が強いものを抽出し、抽出した一対一の通常時における振る舞いをモデル化します(モデル化とは、通常稼働状態(=“いつもの状態“)における一対一の関係式を作り出すこと)。
”“いつもと違う”をいち早く発見
モデル化されたセンサ間の関係式は、高速演算可能なように単純化されています。そのため、収集される大量のデータとリアルタイムで比較することができ、人が気づきにくい僅かな変化や、過去に経験のない未知の異常を早い段階で発見することが可能となります。

期待できる効果

稼働率の向上
機器の故障や、人の操作ミスによる不具合を早期に発見することで、その後の対応を迅速化することにより稼働率を向上させます。
監視のためのしきい値設定の負担軽減
監視のために膨大な量のしきい値設定を行ったり、運用状況に合わせてしきい値の設定の変更や見直しに対する作業の負担を軽減することができます。
熟練技術者のノウハウや経験を継承
熟練技術者の日々の運転パターンや、監視ポイントを見える化することで、技術継承を支援します。

ユースケース

大規模プラント:稼働率向上
広大な敷地に大量の設備を要する大規模プラントは、人手による定期的な巡視点検やIoTによる中央監視が行われています。しかし、人手による巡視点検では点検ミスや微細な変化を見落としがちであり、また中央監視における場合においても大量データから瞬時に異常の兆候を判断することは困難です。インバリアント分析を活用すれば、大量データから、しきい値監視のみでは発見できない微細な変化をリアルタイムに捉え、大きなトラブルが起きる前に対策を取れるため稼働率の向上に貢献します。
生産ライン:品質向上
大量生産を行う生産ラインでは、温度や圧力、加工時間など個々のセンサデータを取得し、しきい値や傾向分析を行い、品質を一定に保っていましたが、個々のデータの微細な変化を捉えるには経験やノウハウが必要とされ、また膨大な工数が発生していました。 インバリアント分析では、微細な違いでも品質に悪影響を及ぼす変化をリアルタイムで発見し、不良品の大量発生を防ぎます。

お問い合わせ
TEL
東京オフィスプロダクト推進グループ: 03-6268-8684
(9:00~18:00 / 平日)

E-mail
東京オフィスプロダクト推進グループ: sales@j-tech.jp