SAILESS 異常予兆検知システム構築サービス

企業にとって異常検知システムの導入は一定のハードルが存在します。中でも「データ」「精度」「運用」にまつわる課題を抱いている企業は多いようです。

異常データが無い・少ない

異常データを必要とする手法の場合、特に製造業では異常データが少なく、AIに学習ができない問題があります。また、データの蓄積が現場止まりになっており、利活用できていないという課題もあります。

誤検知が多い（精度が低い）

そもそも検知モデルの精度が低かったり、適切な閾値が設定されておらず、誤検知が多発したり取りこぼしが生じます。

現場で使いにくい

オペレーターの監視・操作の手間が逆に増えてしまう状況が起きやすい。また、システムの説明力が低く「ブラックボックス」となっており、現場から敬遠されてしまう傾向にあります。

導入・運用ハードルが低い「SAILESS」は使えるAIサービスです

SAILESSは正常時の製造運転データをAIに学習させることで、過去に経験していないトラブルを検知でき、現場エンジニアに寄り添ったシステムを提供します。

正常データを利用したシステム構築

SAILESSでは、各種センサーから得られた正常稼働時のデータによって構築された検知モデルを用いて「異常度」を算出し、アラートするシステムです。

未経験トラブルも予兆検知可能

SAILESSでは、正常時データだけで検知モデルを構築するため、これまで未経験のトラブルでも予兆検知することが可能です。

ユーザーによる運用や横展開が可能

導入後、AIモデルのチューニングや、同一傾向がある他の機器への横展開をユーザー様ご自身で実施出来る仕組みをご用意します。

 

事前ヒアリングとPoC（Proof of Concept：事前検証）

SAILESSではジャストフィットした予兆検知システムを提供するため、目的や課題、検知したい異常、現状のデータ取得状況のヒアリングから始め、PoCを実施いたします。

ヒアリング概要

1.目的や課題の確認	保全であれば：保全費用の削減、重大事故の防止 製造・運転であれば：緊急停止回避、生産ロス低減
2.異常・故障の内容確認	どんな事象？：突発的、長期劣化 検知対象は？：特定の機器、工程全体 運転状態は？：定常、非定常
3.データ取得状況の確認	どの時系列データベース？ ・PIMS（プラント情報管理システム） ・OSS（オープンソースソフトウェア） ・対象のセンサー値未取得

対象データが現場止まり、蓄積されていない場合でも問題ありません。データの蓄積部分からご支援いたします

正常データを用いた異常検知アルゴリズム

SAILESSでは正常からの外れ具合(距離)を異常度とし閾値を設け、正常状態と異常状態を判定。これにより正常データから異常検知が可能であり、未知のトラブルでも回避が可能となります。

正常データの分布に基づいた手法

対象物に関する複数の変数でグルーピングし、過去の正常時データから、分布・特徴を学習します。現在値が正常データの分布から離れている距離を異常度として算出します。

ソフトセンサーを応用した手法

測定不能箇所/測定頻度の低い箇所に対し、周辺センサー値を使って予測します。過去の正常時データを使って予測モデルを構築した後、現在値を用いて目的変数の値を予測し、予測値と実測値の差を異常度として算出します。

ディープラーニングを使った手法

オートエンコーダーと呼ばれており、入力に対し、全変数を出力するモデルです。正常データでモデル構築し、現在値を入力して判定します。出力層と入力層の差を異常度として算出します。

ユーザ自身によるモデル追加・再学習ツール

導入後、他工場への横展開(モデル追加)や、モデルの経年劣化改善のための再学習をお客さま自らが実施できる仕組みをご提供。

モデル追加・再学習ツール（AIトレーナー）

装置のオーバーホールなどにより、正常データの特徴が変わった際、お客さま自らが簡単・迅速にAIモデルの更新が可能なため、運用費用の削減に貢献いたします。

製造・保全業務の課題解決で収益改善に貢献

異常予知により、製造・保全業務の課題解決で収益改善に貢献します

製造部門（緊急停止回避 生産ロス低減

SAILESS™を導入することで、これまで起こっていなかったトラブルの予兆を事前に検知できるようになり、製造ラインの緊急停止を回避することが可能です。また、設備の異常をいち早く検知することで歩留まりを低減するコストメリットが生まれます。

保全部門（保全費用削減 重大事故防止）

SAILESS™を導入することで、工場内の機械・設備の状態をデータで監視することが可能となり、状態基準保全(CBM)を取り入れることができます。

企業全体（収益改善）

SAILESS™は、製造部門や保全部門の課題解決をすることで、最適なプラント・ファクトリー運営に寄与します。

状況にマッチした機能を選択できる

さまざまなお客様の状況や課題に対し、ジャストフィットした検知システムをご提供するため、BTO(Build to Order)モデルを採用しています。

例）PIMSをベースにしたパッチプラントへの導入ケース

時系列データベースを既に導入済みの企業に異常検知システムを構築する場合

 

 

大阪ガスリキッド株式会社様による、SAILESSの導入事例をご紹介します

背景	水素供給システム「HYSERVE」の監視・稼働データ確認・対応判断業務の属人化に課題を感じていた。 データを確認し、異常の傾向が見られたら対応するものの、異常値の判断は特定の少数の人にしかできない。その状況下でHYSERVEの導入台数が増えてくると処理しきれない、不具合兆候を見逃す可能性もあり、お客様に均一な保全サービスを提供するためにはシステム化をしなければいけないと考えていた。 各導入先に設置したHYSERVEのデータを遠隔で確認できるシステムはあったが、異常値を判断するのは人間、しかもごく少数の人。稼働傾向の確認も、システムを起動し、CSVデータを引っ張り出してExcelでグラフを作成して判断していたので手間もかかっていた。
導入	正常値データをAIに学習させ（ディープラーニング）、そこから外れたデータを異常値として検知するシステムの特徴に惹かれた。 経年によって正常なデータが変わっていくため、正常値データの更新（再学習）を自社で行えるようにカスタマイズ。正常なのに異常だと判断させないためにも、自社で定期的に正常値をAIに学習させることができる体制にしたかった。 再学習自体は簡単。CSVデータを出して、中に含まれる異常データを除いて、システムに登録してボタンをクリックするだけ。依頼して対応してもらうより、時間の短縮もできるようになった。
効果	SAILESSを導入したことで、異常値の判断だけでなく、異常兆候をシステムが早期に通知してくれるように。アラートをあげたりメールで通知してくれたりするため、常時データを見ていなくてもよくなった。 トラブルは経験して覚えると言うものの、異常値の判断はかなり経験を積んだベテランでないと困難な実態がある。判断基準は担当の経験や感覚によるもののため、共有は難しい。 しかし、SAILESS導入後は、HYSERVEの監視は若手社員がほぼ一人で対応が可能に。弊社向けに特別なマニュアルも作ってもらったため操作も難しくなく、一番の課題であった属人化は解消された。

 

さまざまな現場で抱える課題に対し、ジャストフィットした異常予兆検知システムをご提供するため、BTO（Build to Order）モデルを採用しており、事前ヒアリングからPoCを経て、導入いたします。

事前ヒアリング（1ヶ月〜）	ヒアリング：課題概要、データの概要 PoC内容の提案：試用モデル(複数可)・スケジュール・費用
PoC（2ヶ月〜）	時系列データ(正常期間、評価期間)のご提供 必要に応じて前処理の実施 複数モデルにて異常度を算出 結果(異常度の推移)を時系列トレンドで可視化 PoCの結果を受けて、システム導入の御見積書・提案書を提示
設計・チューニング（3ヶ月〜）	本番運用のための設計を実施 PoCの結果を受け、必要に応じてチューニング
導入	本番環境への導入 ※時系列データベース、可視化ツールの無いお客様へはセットで導入するご提案も可能です。

 

企業名	株式会社宇部情報システム
所在地	〒755-8622 山口県宇部市相生町8番1号 宇部興産ビル
設立年月	1983年9月16日
従業員規模	482名（2025年4月1日現在）
URL	https://www.uis-inf.co.jp/