MATLABによる予知保全

データ解析ツールMATLABが提供する予知保全のトータルソリューション：異常検知からシステム実装まで

予知保全の実現には、アルゴリズムの構築だけでなく、システムへの実装と運用までを視野に入れた開発が求められています。他方、IoTの推進に伴うITとOTの融合には技術者の専門性と労力が必要とされ、効率的な開発環境が不可欠であることも事実です。

MATLABは、予知保全に必要なデータの読み込みから最適なアルゴリズムの選定、そしてシステムへの実装に至るまでの行程を効率よく（一部全自動で）行うことができるプラットフォームを提供します。

予知保全を実現する為に、一般的に必要な下記の4ステップすべてに対応することが可能です。
① データの収集：データが蓄積されるデータベースへアクセスし、データを吸い出す作業
② データの前処理：異常値削除・変数選定・時刻の同期処理
③ 予測モデルの開発：複数の機械学習アルゴリズムの適用・評価
④ システムへの統合：アプリケーション化して工場に展開

「MATLABによる予知保全」資料

MATLABによる予知保全についての資料をダウンロードすることができます。

資料ダウンロード

特長

その故障、予測できます

予知保全システムを構築する上で最大の焦点の一つとなるのが、故障を未然に精度よく予測できるかです。MATLABのPredictive Maintenance Toolboxでは、データの特性にあわせて7つの残存耐用時間を推測するモデルを提供しています。構築したモデルは、MATLABがない環境やクラウド、専用サーバーなどに展開することができ、リアルタイムの予知保全を実現します。

さらに詳しく知りたい方は、こちら。
https://jp.mathworks.com/products/predictive-maintenance.html

データに潜む特徴量をワンクリックで特定

故障予測のアルゴリズムを開発する上で大変なのが特徴抽出。Predictive Maintenance Toolboxを活用すれば、時間域と周波数域から複数の特徴量を特定します。特定した特徴量に対して、特徴選択の機能を活用すれば、故障予測に活かせる健康インジケーターの作成が求まります。

さらに詳しく知りたい方は、こちら。
https://jp.mathworks.com/videos/part-3-feature-extraction-for-predictive-maintenance-1545052389165.html

モデル選択はアプリにおまかせ

分類学習器アプリを活用すれば異常の原因が一発で分かります。複雑なモデル選択もアプリが全自動で解決してくれます。トライアルライセンスで直感的操作のアプリをぜひお試しください。

さらに詳しく知りたい方は、こちら。
https://jp.mathworks.com/help/stats/train-classification-models-in-classification-learner-app.html

ビデオ・WEBセミナー

ウェビナー1	95.8%の企業が知らないAI活用のためのMATLAB玉手箱本セミナーでは、MATLABを活用し、製造業の現場で取得される、時系列信号やテキストデータを対象にした設備の異常診断、画像やビデオを対象にした外観検査やヒトの安全確保・行動解析、に対する機械学習や深層学習のアプローチと開発したアルゴリズムの実装を含むワークフローをご紹介します。 95.8%の企業が知らないAI活用のためのMATLAB玉手箱
ウェビナー2	故障データがなくてもできる異常検知～センサーデータの活用編～本Webセミナーでは、故障データが不足している際に、どのように既存のデータから故障の兆候を発見するかをご紹介します。加えて、アプリを使用した時系列データからの特徴量の抽出方法や機器の故障までの残寿命の予測手法も交えてご説明します。故障データがなくてもできる異常検知～センサーデータの活用編～
ウェビナー3	故障データがなくてもできる異常検知～物理モデルの活用編～本Webセミナーでは、異常時のデータが不足している際に、シミュレーションによって故障データを模擬する物理モデルの活用法をご紹介します。また、生成された故障データを基に機械学習アプリを用いた異常検知の例をデータ解析のワークフローと共にご説明します。故障データがなくてもできる異常検知～物理モデルの活用編～
ウェビナー4	王道！時系列データで学ぶ6種の特徴抽出と異常検知本Webセミナーでは、異常検知を実施する際に現場ですぐに使える6種類の特徴抽出の方法をご紹介します。解析対象としては、加速度データから生体信号までと様々な形状的特徴を有する複数の時系列データを取り扱います。加えて、抽出された特徴量をどのように機械学習や深層学習と結び付けていくかのワークフローも説明します。王道！時系列データで学ぶ6種の特徴抽出と異常検知
ウェビナー5	加速するDigital Twin！システム実装を視野に入れた予知保全本セミナーでは物理モデルを対象にMATLABを使用した異常検知や故障予測からシステム実装までにおける予知保全の手法と適用例をご紹介します。加速するDigital Twin！システム実装を視野に入れた予知保全
ウェビナー6	“MATLAB x Python” - 良いとこ取りの二刀流がもたらす最新かつ高効率なデータ解析・機械学習ワークフロー本ビデオでは、 MATLABとPython両環境を使いながら、天候データの機械学習による予測モデルを構築モデルを再コーディング無しでパッケージ化し、アプリケーションサーバへと展開 MATLABとPython両環境の"良いとこ取り"をした相互実行と、モデル構築、実装・展開のワークフローを短時間で把握していただける内容です “MATLAB x Python” - 良いとこ取りの二刀流がもたらす最新かつ高効率なデータ解析・機械学習ワークフロー

動画

予知保全シリーズ Part 1 予知保全の概要と開発事例

【予知保全入門】 Part 1 予知保全の進め方（全5話）

用途例

製造プロセスのヘルスモニタリング	【課題】世界有数の包装・製紙メーカーであるMondi社の工場では、機械の故障によるダウンタイムや原材料の廃棄に毎月数百万ユーロのコストを費やしていました。【ソリューション】コストを最小限に抑え、プラントの効率を最大限に高めるために、MATLABを導入して状態監視/予知保全ソフトウェアを開発して展開しました。【結果】 2か月で最初のテストが完了し、6か月でプロトタイプの運用が始まりました。運用開始後、年間で500万円を超えるコスト削減を実現しています。MATLABベースの監視・予知保全ソフトウェアにより、常時安定した運用が可能になっています。
ガス/石油掘削装置用の予知保全	【課題】 24時間体制でトラックを稼働させ石油や天然ガスの貯留層を掘削を行っているBaker Hughesでは、トラックのポンプが故障した場合、その機会損失費用は数千ドルになります。バルブやポンプのメンテナンスが必要になるタイミングを正確に予測できないことにより、それ以外のコストも生じます。ただし、頻繁にメンテナンスをすることは、手間がかかるだけでなく、使用可能な部品も交換してしまうことにつながります。一方で、メンテナンス頻度が低過ぎても、ポンプが損傷し、修理できなくなる恐れが生じます。【ソリューション】 MATLABを使用して約1テラバイトのデータを解析し、機械の故障を事前に予測できるポンプのヘルスモニタリングソフトウェアを開発しました。【結果】 MATLABで開発を行ったことにより、機械学習を含め期待通りに解析および処理を行うことができ、開発期間を10分の1に短縮することができました。また、この予知保全システムの開発により10億円以上のコスト削減を見込んでいます。
SDGｓに向けた洋上風車の予知保全	【課題】 SDGsの取り組みの一環として、洋上風車の設置が進んでいます。しかし、洋上では簡単に保全ができないため、故障を事前に予測できることがこれまで以上に期待されています。一方で、予知保全に必要なセンサーの設置と運用にはコストがかかり、大きな障害となっています。【ソリューション】 MATLABを使用することで、既存のセンサーデータを有効活用できました。MATLABは、様々なフォーマットにある数千GBのビッグデータに対しても、欠損値の除去や平滑化といった前処理を効率的に行えます。一種類のアルゴリズムのみならず、多様な機械学習の手法を評価することで、最適なモデルを選択できます。開発したモデルは、診断用ダッシュボードとしてそのままアプリ化でき、分析結果を容易に他者と共有できました。【結果】機械学習の経験が少ないチームでも、MATLABのおかげで、データの前処理から、機械学習/深層学習の評価、GUI開発、アプリケーション展開までのワークフローを全て同じ環境上で完結することができました。これによりPython等オープンソースと比べて工数を50%削減しました。開発したモデルは、90%以上の予測精度を有しており、年間数億円の保全コスト削減が見込まれます。今回のプロジェクトは6ヵ月以内に遂行する必要がありましたが、MATLABを使用することで一気通貫型の開発工程を実現しました。

製造プロセスのヘルスモニタリング

【課題】
世界有数の包装・製紙メーカーであるMondi社の工場では、機械の故障によるダウンタイムや原材料の廃棄に毎月数百万ユーロのコストを費やしていました。

【ソリューション】
コストを最小限に抑え、プラントの効率を最大限に高めるために、MATLABを導入して状態監視/予知保全ソフトウェアを開発して展開しました。

【結果】
2か月で最初のテストが完了し、6か月でプロトタイプの運用が始まりました。運用開始後、年間で500万円を超えるコスト削減を実現しています。MATLABベースの監視・予知保全ソフトウェアにより、常時安定した運用が可能になっています。

ガス/石油掘削装置用の予知保全

【課題】
24時間体制でトラックを稼働させ石油や天然ガスの貯留層を掘削を行っているBaker Hughesでは、トラックのポンプが故障した場合、その機会損失費用は数千ドルになります。バルブやポンプのメンテナンスが必要になるタイミングを正確に予測できないことにより、それ以外のコストも生じます。ただし、頻繁にメンテナンスをすることは、手間がかかるだけでなく、使用可能な部品も交換してしまうことにつながります。一方で、メンテナンス頻度が低過ぎても、ポンプが損傷し、修理できなくなる恐れが生じます。

【ソリューション】
MATLABを使用して約1テラバイトのデータを解析し、機械の故障を事前に予測できるポンプのヘルスモニタリングソフトウェアを開発しました。

【結果】
MATLABで開発を行ったことにより、機械学習を含め期待通りに解析および処理を行うことができ、開発期間を10分の1に短縮することができました。また、この予知保全システムの開発により10億円以上のコスト削減を見込んでいます。

SDGｓに向けた洋上風車の予知保全

【課題】
SDGsの取り組みの一環として、洋上風車の設置が進んでいます。しかし、洋上では簡単に保全ができないため、故障を事前に予測できることがこれまで以上に期待されています。一方で、予知保全に必要なセンサーの設置と運用にはコストがかかり、大きな障害となっています。

【ソリューション】
MATLABを使用することで、既存のセンサーデータを有効活用できました。MATLABは、様々なフォーマットにある数千GBのビッグデータに対しても、欠損値の除去や平滑化といった前処理を効率的に行えます。一種類のアルゴリズムのみならず、多様な機械学習の手法を評価することで、最適なモデルを選択できます。開発したモデルは、診断用ダッシュボードとしてそのままアプリ化でき、分析結果を容易に他者と共有できました。

【結果】
機械学習の経験が少ないチームでも、MATLABのおかげで、データの前処理から、機械学習/深層学習の評価、GUI開発、アプリケーション展開までのワークフローを全て同じ環境上で完結することができました。これによりPython等オープンソースと比べて工数を50%削減しました。
開発したモデルは、90%以上の予測精度を有しており、年間数億円の保全コスト削減が見込まれます。
今回のプロジェクトは6ヵ月以内に遂行する必要がありましたが、MATLABを使用することで一気通貫型の開発工程を実現しました。

資料ダウンロード