PR
予知保全・異常検知
工場の設備が出力する大量の稼働データやセンサーデータを収集して分析するAI。設備が異常をきたす前にその兆候を捉えることで、故障する前に修理したり停止したりできる。
Impulseを採用したJFEエンジニアリングのプラント監視センター。(写真:JFEエンジニアリング)
Impulseを採用したJFEエンジニアリングのプラント監視センター。(写真:JFEエンジニアリング)
[画像のクリックで拡大表示]
設備の稼働音から異常を判定する概要。(画像:NTTデータ)
設備の稼働音から異常を判定する概要。(画像:NTTデータ)
[画像のクリックで拡大表示]
サービス・製品名称
企業名
内容
Impulse
ブレインズ テクノロジー
AIが多数のデータ間の相関を見いだし、相関に変化がある場合に異常として知らせる。AWS(Amazon Web Services)でサービスを提供している。プログラミングなしに開発できるのがメリット。
AI搭載マシンオートメーションコントローラ
オムロン
同社のPLC製品で動作する「AI予知保全ライブラリ」を提供する。個別製品ではなく、ソリューションでの販売。
CALC
電通国際情報 サービス
製造工程で不具合が発生したとき、工場のデータを分析することで原因を遡って分析できる。
SkyAI
スカイディスク
製造業向けの異常判定サービス。センサーの時系列データからAIの推論モデルを生成して判定に使う。設備保全や製品の検品、歩留まりチェックに使える。
BiG EYES
アズビル
FNN(Fuzzified Neural Networks)を応用して工場の操業データを学習。正常時の振る舞いからの逸脱を知らせる。化学分野で採用事例がある。
Falkonry LRS
SCSK
機械学習による時系列データの解析ソフト。データ間の相関関係を時間変化を考慮しながら分析する。例えば、生産ラインの状態を「通常」「予兆」「停止」といったカテゴリに自動分類できる。開発元は米Falkonry。
プラント故障予兆監視
NEC
同社のAI技術「インバリアント分析技術」を活用し、工場から集めた時系列データの不変的な関係性(インバリアント)をモデル化する。個々のデータがしきい値を超える前に異常を検出できる。
Monone
NTTデータ
工場にマイクを設置して生産設備の稼働音を収集し、異常を検知する。正常時の稼働音を学習してモデル化。正常時との乖離度合いを調べて異常である確率を算出する。
生産計画・需要予測
様々な制約条件から生産と在庫を最適化するAI。多品種少量生産が広がるにつれて重要度は高まっている。
オプテマイリスの開発中のデモ画面。(画像:富士通)
オプテマイリスの開発中のデモ画面。(画像:富士通)
[画像のクリックで拡大表示]
SATLYSKATA 保守部品在庫最適化の概要。(画像: 東芝デジタルソリューションズ)
SATLYSKATA 保守部品在庫最適化の概要。(画像: 東芝デジタルソリューションズ)
[画像のクリックで拡大表示]
サービス・製品名称
企業名
内容
仮想工場最適化エンジン オプテマイリス(OPTEMILIS)
富士通・富士通研究所
1個流し混流生産の工場でワークをどの順番でどこへ流すべきか最適化する。遺伝的アルゴリズムを活用し、計算は数分で済む。
SATLYSKATA 保守部品在庫最適化
東芝デジタルソリューションズ
過去の保守履歴データをAIで分析し、保守部品ごとの故障モデルを作成して故障の発生を予測。在庫数量を最適化できる。SaaSで提供。
Hitachi AI Technology/計画最適化サービス
日立製作所
同社の数理最適化技術により、生産ラインのデータや熟練者の作業履歴を解析。自動的に最適な生産計画を立案する。
保守部品需要予測
NEC
同社の「異種混合学習技術」を応用し、保守部品の需要を予測し、在庫を適正化する。