製造業データの解析ワークフローとAI活用～故障データがない場合の異常検知と予知保全～
投稿者: kawamoto(oidc) 2025/02/25 09:00
BMB事務局の川本です。
2024年11月に行われたBMB第57回勉強会「 AIを活用した産業機械の異常検知から予知保全まで」の事例２で紹介しました、
「製造業データの解析ワークフローとAI活用～故障データがない場合の異常検知と予知保全～」について、開催報告を掲載いたします。
講演者：MathWorks Japan アプリケーションエンジニアリング部 王 暁星 博士（理学）
概要：
本セミナーでは、数値解析ソフト「MATLAB」を活用した製造業向けの異常検知および予知保全の手法について解説が行われた。特に、故障データがない場合の異常検知（教師なし学習）や、機器の残寿命推定に焦点を当て、AIや機械学習を活用した最新技術が紹介された。
また、MATLABの専用アプリケーションを用いたデータ解析の効率化や、健康インジケータを活用した残寿命予測の手法についても実践的な説明が行われた。
講演内容の要点：
1. MATLABを活用したデータ解析ワークフロー
製造業のデータ解析は 「データ収集 → 前処理 → 予測モデル構築 → モデル展開」 という一連の流れを持つ。
MATLABでは 130種類以上のアプリケーションを提供しており、専門知識がなくても高度なデータ解析が可能。
特に、MATLABのデータ解析ツールは、センサーデータの取得からモデリング、デプロイまでの一気通貫したワークフローを支援する。
2. 異常検知のアプローチ
(1) 教師あり学習による異常検知
振動データを活用した異常検知の具体例：
- データ取得（1秒間に10万Hz、25日分で約250万データポイント）
- データ前処理（欠損値処理、ノイズ除去）
- 特徴量抽出（時系列データからの特徴量、周波数成分の解析）
- 特徴量評価（ヒストグラムを活用し、異常・正常の識別性能を確認）
- 機械学習モデルの構築（決定木、SVM、ニューラルネットワークなど）
- モデルの評価と展開（混同行列を用いた精度検証）
MATLABの「診断特徴デザイナー」 を活用することで、適切な特徴量の選別・ランキングが自動化され、より精度の高い異常検知が可能。
(2) 教師なし学習による異常検知
故障データがない場合のアプローチとして、オートエンコーダを用いた異常検知手法が紹介された。
オートエンコーダの活用：
- 正常データを学習し、ニューラルネットワークを構築
- 異常データが入力された際の「入出力誤差」を異常度として算出
- 一定のしきい値を設定し、異常を検知
適用事例：音データを活用した異常検知
- コンプレッサーの正常音と異常音を比較し、人間の聴覚では分かりづらい異常をAIが自動判別するモデルを構築
- スペクトログラム変換（時系列データの画像化） により、ニューラルネットワークによる異常検知が可能
- 近年注目される 「パッチコア」 を活用した学習不要の異常検知技術にも言及
3. 機器の残寿命推定（RUL：Remaining Useful Life）
(1) 時系列特徴量を用いた健康インジケータの構築
残寿命推定の目的：
- 故障が発生する前に機器の寿命を予測し、適切なメンテナンスを行うことで、予防保全（Predictive Maintenance） を実現
- 劣化の進行状況を数値化し、健康状態をモニタリングする
主要な手法：
- 特徴量の抽出（時系列データの単調性・トレンド性・予知可能性の評価）
- 健康インジケーターの構築（主成分分析（PCA）やElastic Net回帰を活用し、劣化指標を作成）
- 指数関数モデルの適用（機器の経年劣化を数理モデル化）
- ベイズ推定によるモデルアップデート（新しいデータを反映し、予測精度を向上）
- 回帰学習器を用いたアプローチ（過去の劣化データをもとに回帰モデルを学習）
4. システム実装と展開
(1) エッジデバイスへの実装
- 機械学習モデルをラズベリーパイなどの低コストデバイスに実装し、現場でのリアルタイム異常検知を可能にする
- MATLABの「MATLAB Coder」を用いることで、C++コードへの変換やターゲットデバイスへの実装が容易
(2) 産業界での活用事例
大林組の「クラウドを活用した山岳トンネル工事の切羽評価システム」
- MATLABのAI技術を活用し、トンネル掘削面の状態をリアルタイムで分析
- 労働安全性向上と工事の効率化に貢献
- 詳細リンク：大林組のプレスリリース
- https://www.obayashi.co.jp/news/detail/news20181218_1.html[*1]
まとめ：
本セミナーでは、MATLABを活用した異常検知・予知保全の最新技術が、理論と実践の両面から詳細に解説された。特に、故障データがない場合の教師なし学習や、健康インジケータを活用した残寿命推定（RUL） は、製造業の現場において即座に応用可能な手法であり、多くの参加者にとって有益な内容となった。