時系列データ解析 | ページ 2 | SCI総合研究所株式会社

ホーム
時系列データ解析

設備データの取得周期はどう決める？1秒・1分・1時間を選ぶ5つの基準

設備データの取得周期はどう決める？1秒・1分・1時間を選ぶ5つの基準

センサーデータは1秒・1分・1時間のどの周期で取得・保存すべきか。振動と温度の違い、サンプリング周波数と保存周期、高頻度化によるデータ量・通信・保存負荷を整理し、設備監視の取得周期を決める考え方を解説…

設備更新後も予兆保全モデルは使える？モーター交換・センサー変更後の再評価と再学習

設備更新後も予兆保全モデルは使える？モーター交換・センサー変更後の再評価と再学習

モーターやセンサーを交換した後、既存の予兆保全モデルをそのまま使ってよいのでしょうか。設備・計測・運転条件・データ分布の変化を確認し、閾値調整・再校正・再学習を判断する実務的な進め方を解説します。

コンプレッサーの異常運転をどう見つける？PCA＋Mahalanobis距離による多変量異常検知【疑似データ事例】

コンプレッサーの異常運転をどう見つける？PCA＋Mahalanobis距離による多変量異常検知【疑似データ事例】

コンプレッサーの圧力・電力・流量・温度を組み合わせ、PCAとMahalanobis距離で通常運転からのズレを確認する方法を解説。単純な上下限監視では見えにくい状態変化を人工データで検証します。

ポンプのキャビテーション兆候をどう捉える？振動・流量・圧力を統合した異常検知【疑似データ事例】

ポンプのキャビテーション兆候をどう捉える？振動・流量・圧力を統合した異常検知【疑似データ事例】

ポンプのキャビテーション兆候を振動・流量・吸込圧力の3センサーから分析。人工データとRandom Forestを用い、単一センサーの限界、複数データ統合、実設備で確認すべきNPSHや運転条件まで解説し…

設備の温度上昇を早期に捉えるには？上限値監視とEWMAによる異常検知【疑似データ事例】

設備の温度上昇を早期に捉えるには？上限値監視とEWMAによる異常検知【疑似データ事例】

設備温度が警報上限を超える前の緩やかな変化をどう捉えるか。30日間の人工温度データを使い、通常状態との差分とEWMAによる状態監視を解説。固定閾値との役割の違いや実設備での注意点も整理します。

モーター電流から異常兆候をどう捉える？移動平均・異常スコアによる設備状態監視【疑似データ事例】

モーター電流から異常兆候をどう捉える？移動平均・異常スコアによる設備状態監視【疑似データ事例】

振動センサーを追加しにくい設備を想定し、既存のモーター電流ログから移動平均・変動幅・異常スコアで状態変化を確認する方法を解説。既存データでできることと追加計測が必要なケースを整理します。

ベアリングの異常兆候を振動データでどう捉える？RMS・FFT・Isolation Forestによる異常検知【疑似データ事例】

ベアリングの異常兆候を振動データでどう捉える？RMS・FFT・Isolation Forestによる異常検知【疑似データ事例】

ベアリング故障が設備停止後に判明するケースを想定し、人工振動データからRMS、FFT、Isolation Forestで異常傾向を捉える流れを解説。振動データを設備保全の点検・継続監視へ活用する考え方…

運転条件が変わると設備の異常検知はどうなる？品種・速度・負荷変動への対応方法

運転条件が変わると設備の異常検知はどうなる？品種・速度・負荷変動への対応方法

製品品種、回転数、速度、負荷などが変わる設備では、正常時の振動値も変化する場合があります。固定しきい値で誤検知が増える理由と、条件別しきい値・条件別モデル・補正など5つの対応方法を解説します。

機械学習の精度が高すぎる？実運用前に確認したいデータリーケージと評価方法

機械学習の精度が高すぎる？実運用前に確認したいデータリーケージと評価方法

AI・機械学習PoCで想定以上の高精度が出たときは、データリーケージを確認する必要があります。予測時点、未来情報、前処理、時系列・Group分割など、本番導入前に見直したいポイントを解説します。

需要予測は「精度が高いほど良い」のか？RMSEだけでは見えない欠品・在庫コストの評価方法

需要予測は「精度が高いほど良い」のか？RMSEだけでは見えない欠品・在庫コストの評価方法

RMSEが低い需要予測モデルなら業務でも最適とは限りません。繁忙期の大外れ、過小・過大予測、欠品、在庫保有費、Service Levelまで含めて需要予測を評価する方法を解説します。