PR

 東京エレクトロン デバイスは、製造設備の正常時の時系列データから異常検知モデルを作成する人工知能(AI)技術を開発した。正常データから想定される多様な異常データを生成し、最適な異常検知モデルを自動で構築する。異常データを収集する手間と時間がかからず、異常検知モデルを最適化する作業時間も短縮できる。

* 東京エレクトロン デバイスのニュースリリース

 新技術は、「異常データ自動生成エンジン」と「異常検知モデル生成最適化エンジン」の2つから成る(図)。まず前者が、正常な時系列データからデータの分布の偏りを考慮し、設備の周波数やトレンド、スパイク、位相などを想定したさまざまな異常データを生成。後者は、その異常データと正常データを使い、判定モデルの精度が最も高くなる特徴抽出方法と機械学習アルゴリズム、機械学習パラメーターの組み合わせを探索し、異常検知モデルを作成する。

図:異常検知最適モデルの自動構築イメージ
図:異常検知最適モデルの自動構築イメージ
(出所:東京エレクトロン デバイス)
[画像のクリックで拡大表示]

 異常データ自動生成エンジンは、分布の偏りに加えて振幅の自動調整や季節性変動なども考慮する。これにより、画一的なデータではなく「自然かつ固有のデータ」(同社)を複数、生成できるという。

 従来、異常検知モデルを構築するには、データ分析の専門家が設備の異常データを長期間にわたって複数回取得し、最適化作業を繰り返す必要があったが、新技術によって作業時間を縮められる。実際に故障が発生するまで異常検知モデルの効果と精度を検証できない、という課題の解決策になる。

 同社は、設備の異常検知や故障予測のための時系列データ分析作業と推論モデルの生成を自動化する装置「CX-M」を提供している。同装置は、設備の正常状態のデータと異常状態のデータから異常検知モデルや故障診断モデルを開発する作業を自動化できるが、製造設備によっては異常データや故障データを短期間に収集するのが難しく、予知保全システムの構築が不完全になるケースがあった。

 そこで同社は、CX-Mの機能として新技術の開発を進めるとともに、実証検証を実施する。製造業向けソリューションへの展開も検討している。