特長

いつもと違う、何かが違うが判る

相関関係の崩れをスコアにして、異常を検知します。
例えば、外に設置された設備の外部温度と、内部温度の相関関係の崩れを把握することで、 生データでは気付かないような異常を把握することができます。

MT法では見つけられない異常を検知

・正常状態からの遠さ（逸脱度）で異常を判定 　
・正常状態のみで学習可能 　
・異常の原因と根拠がわかる 　
・他社にないアルゴリズムの採用で異常検知を高速で実現 　
・確率密度の等高線を使って異常を見つける

原因が判るAI

・異常スコアグラフで異常の把握
・要因の相関関係の崩れを要因ネットワーク図の線の太さで表現
・等高線上でデータを確認
お客様の原因究明をサポート！

用途例

完成品検査で異常を見つけるのではなく、もっと早い段階で異常を見つけたい	計測器単体では見つからない／見つけにくい製品の異常を、様々な情報の組合せから相関関係の崩れを検知し、不良品となりそうな中間製品を見つけ出します。
MT法では誤検知が多く、歩留まりが悪い	弊社の手法では、複数の正常状態（クラスタ形成）を持つようなケースでも、非線形のケースでも、異常検知を行うことができます。 上の既存手法との比較のように、正常状態と異常状態で測定項目値のとりうる値が異なる、単純な閾値で検知できないようなケースに有効です。
設備が突然故障して生産が止まると大きな損害が出る。 突発故障を無くしたい	近年の高級設備は、故障が起きる前にアラームを出し、計画停止させることが可能な設備が増えてきました。 しかし、古い設備や、安価な設備では、そのような機能はなく、稼働時間や、加工回数で、予防交換をされています。 古い設備でも通常と違う挙動を検知し、突発事故の予防に役立てます。