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
MathWorks Japan
MathWorks(マスワークス)は、数学的計算で業界をリードする世界的なソフトウェア開発会社です。
世界中のエンジニアや科学者が、自動車、航空宇宙、エレクトロニクス、金融機関、生命工学、製薬などの産業分野において、発見、革新、開発を加速させるためのツールとしてこれらの製品ファミリーを活用しています。
MathWorksは1984年に創業で、現在は、マサチューセッツ州ネイティックを本拠地とし、世界 16 か国で4,500名以上の従業員が活躍しています。
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
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
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
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 |
製造プロセスのヘルスモニタリング |
【課題】 【ソリューション】 【結果】 |
---|---|
ガス/石油掘削装置用の予知保全 |
【課題】 【ソリューション】 【結果】 |
SDGsに向けた洋上風車の予知保全 |
【課題】 【ソリューション】 【結果】 |
Accelerating the Pace of Engineering and Science
当社は、エンジニアリングと科学の分野で、発見、革新、開発、学習のペースを加速することにより世界を変えることを目指しています。当社の基本理念は「正しい行いをする」ことです。これは、社員や顧客、ビジネスパートナー、地域社会にとって長期的に何が最善となるかを考慮して行動し、「正しい」答えが存在すると信じることを意味します。
出展団体名 | MathWorks Japan |
---|---|
所在地 | 〒107-0052 東京都 港区 赤坂4-15-1 |
URL | https://jp.mathworks.com/ |