異常検知・状態診断 | SCI総合研究所株式会社

ホーム
異常検知・状態診断

炉内温度プロファイルをどう比較する？DTWで同じ設定でも異なる熱履歴を捉える【疑似データ事例】

炉内温度プロファイルをどう比較する？DTWで同じ設定でも異なる熱履歴を捉える【疑似データ事例】

同じ炉設定でも品質差が生じる工程を想定し、炉内温度プロファイルを昇温・保持・冷却の特徴量とDTWで比較。300バッチの人工データから、最高温度だけでは見えない熱履歴の違いと実務上の注意点を解説します。

工程条件から不良を予測するには？温度・圧力・速度×XGBoostによる品質予測【疑似データ事例】

工程条件から不良を予測するには？温度・圧力・速度×XGBoostによる品質予測【疑似データ事例】

製造工程の温度・圧力・速度から、不良率が高くなる要確認ロットを事前に絞り込む方法を解説。5,000ロットの人工データをXGBoostで分類し、Precision・RecallやSHAPによるモデル解釈…

サイクルタイム悪化をどう検知する？製品別基準と管理図による生産性監視【疑似データ事例】

サイクルタイム悪化をどう検知する？製品別基準と管理図による生産性監視【疑似データ事例】

製品ごとに異なるサイクルタイムを製品別基準で補正し、I管理図とEWMA管理図から徐々に進む工程の遅れを捉える方法を解説。1万サイクルの人工生産データで、製品ミックス変化と工程悪化の違いを検証します。

主軸負荷から加工異常をどう検知する？時系列特徴量＋LightGBMによるケーススタディ

主軸負荷から加工異常をどう検知する？時系列特徴量＋LightGBMによるケーススタディ

工作機械の主軸負荷波形を加工サイクルごとに特徴量化し、LightGBMで通常加工と要確認候補を分類。最大負荷だけの監視との違いやPrecision・Recall、実設備での運用上の注意点まで人工データ…

予兆保全アラートは誰が対応する？異常通知の確認・エスカレーション運用設計

予兆保全アラートは誰が対応する？異常通知の確認・エスカレーション運用設計

予兆保全AIは、異常を検知できただけでは運用できません。夜間の設備異常通知を例に、一次確認担当、確認手順、重要度、エスカレーション、対応履歴、誤報レビューまで、アラート運用の設計方法を解説します。

予兆保全AIのROIはどう計算する？停止損失・保全費・不良損失から考える投資対効果

予兆保全AIのROIはどう計算する？停止損失・保全費・不良損失から考える投資対効果

予兆保全AIの費用対効果は、AI導入費だけでは判断できません。年間2回×8時間の設備停止を例に、停止損失、緊急保全費、不良損失、運用費からROI・投資回収期間を考える方法を解説します。

予兆保全AIは何で評価すべき？Accuracy・Recall・誤報・Lead time・停止損失の見方

予兆保全AIは何で評価すべき？Accuracy・Recall・誤報・Lead time・停止損失の見方

予兆保全AIはAccuracyだけで評価できません。Accuracy 99%でも故障を全件見逃す仮想例から、Recall・Precision・F1・誤報・Lead time・故障イベント単位の評価、停…

同型設備なら異常検知モデルは共通化できる？複数設備へ予兆保全を横展開する方法

同型設備なら異常検知モデルは共通化できる？複数設備へ予兆保全を横展開する方法

同型ポンプや同一設備なら、1台で作った異常検知モデルをそのまま横展開できるのでしょうか。設備個体差、運転条件、センサー条件を整理し、完全共通モデル・個別モデル・共通モデル＋設備別補正の考え方を解説しま…

異常検知と故障診断は何が違う？AIでできること・できないことを設備保全の流れで解説

異常検知と故障診断は何が違う？AIでできること・できないことを設備保全の流れで解説

AIの異常スコアが上昇しても、故障原因まで分かるとは限りません。異常検知・切り分け・故障診断・根本原因分析の違いを整理し、振動周波数、温度、電流、保全履歴を使ったアラート後の確認方法を解説します。

設備監視にAIは必要？閾値監視で十分なケースと機械学習を検討すべきケース

設備監視にAIは必要？閾値監視で十分なケースと機械学習を検討すべきケース

設備監視や予兆保全にAIは必ず必要なのでしょうか。温度80℃超を異常とする仮想例を使い、固定閾値・条件別閾値・トレンド監視・機械学習の使い分けと、AI導入で増える保守負担を解説します。