第1部. 回転機械におけるIoTデータの分析の仕方

(2020年6月25日 9:00〜11:00)

　第四次産業革命時代においては、IoT/AI (人工知能) による改善/改革は避けることはできない必須項目です。しかしながら、IoTやAIに対しての経験が少ない企業では、IoT/AI自身の範囲が広く複雑で掴みどころがないため、何を実施していいのかがわからないのが実情です。
　特にモータ/ポンプ/ファンなどの回転機械は、単なる定期点検では無く、IoT/AIを活用したコンディションベースの異常検知が可能ではありますが、振動、音声などに関するIoT/AI技術は他とは比べ物にならないほど高度な知見が必要です。
　当講演では、IoT/AI導入のコンサルタントとして活躍している講師が、上記の回転機械などの異常検知におけるIoT/AI導入とデータ収集、活用の仕方までわかりやすく解説致します。

1. IoT (Internet of Things) /AI (人工知能)
   1. IoT/AI (の本質
   2. IoT/AIの最新動向
   3. データエンジニアの育成方法
2. 回転機械の異常検知
   1. IoT/AIの活用事例
   2. 異常検知が可能な製品/システム
   3. 推進方法 (メーカーとユーザーの協力体制)
   4. AIの活用方法のノウハウ (AI化の落とし穴)
3. データ収集/活用の仕方
   1. データ収集と前処理のポイント
   2. センサー選定の仕方
      • 振動センサー
      • アコースティックエミッションセンサーなど
   3. センサー設置の方法
   4. センサーデータの有効利用 (含むデータ利用契約)
   5. Pythonによる音声分析 (講師によるデモ)
• 質疑応答

第2部. 機械学習による回転機器の異常検知

(2020年6月25日 11:10〜12:20)

　近年、産業界において機械学習による異常検知が注目を集めている。本講演では,機械学習による異常検知の基礎から始まり、代表的な異常検知法を紹介すると共に振動データを用いた回転機器の異常検知に関する研究事例紹介を行う。

1. 機械学習による異常検知
   1. 基本的考え方
   2. 評価指標
   3. 代表的な異常検知手法
      1. ホテリング理論による異常検知
      2. One-class SVM
      3. Local Outlier Factor
      4. Isolation Forest
2. 事例紹介: 回転機器の異常検知
• 質疑応答

第3部. 振動・音響に基づく回転機械の状態監視技術と故障予知への活用

(2020年6月25日 13:20〜15:20)

　複数の回転機械が稼働している化学工場や製鉄所内において、高精度かつ高効率に状態監視・診断を行う手法として、パラボラ集音マイクロホンと合成波形分離法を提案している。本手法は非接触的かつ高精度に損傷信号のみを抽出できる手法である。抽出された各種損傷信号に対して新たに提案する時間領域と周波数領域の診断パラメータを用いることで、正確な閾値の設定が可能となっている。
　本講演ではパラボラ集音マイクロホンと合成波形分離法の詳細を解説し、さらに転がり軸受損傷時の閾値の決定方法を回転機械試験機を用いて解説する。また本手法を工場内の複数回転機械に適用した事例の解説、紹介を行う。

1. 振動・音響に基づく回転機械の状態監視技術の重要性
2. 状態監視技術の高精度化・高効率化への問題点
3. 低速回転機械の状態監視・診断の困難さ
4. パラボラ集音マイクロホンと合成波形分離手法による状態監視技術の高精度化・高効率化
5. パラボラ集音マイクロホンと合成波形分離法の特長
6. 損傷周波数帯の同定法
7. 着目するパス周波数
8. パラボラ集音マイクロホンによるSN比向上と複数回転機械の音源同定
9. 音源同定結果に基づいた合成波形分離手法の適用
10. 実機への適用事例
11. 提案手法に最適な時間領域と周波数領域の診断パラメータ
12. 診断パラメータと閾値の設定
13. 回転機械試験機による検証
14. 損傷周波数帯の同定結果とSN比
15. 提案手法によるSN比改善結果
• 質疑応答

第4部. 音を利用した回転機械の故障検知、故障予知

(2020年6月25日 15:30〜17:30)

　画像処理やコンピュータビジョンにおけるAI技術の成功から、次は音の利用だ、という流れができつつあります。特に、これまで産業界から重大な問題であると認識されていたにも関わらず、実際には人間の手に頼らざるを得なかった、機械の故障検知や故障予知の問題に、音が有効に利用できる可能性が出てきました。
　本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明します。音の特徴量の求め方から、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介します。

1. はじめに
   1. 正常音と異常音
   2. 音による情景分析
2. 音信号の基礎
   1. ディジタル信号表現
   2. 音の特性
3. 音の特徴量
   1. パワー、周期
   2. スペクトル
   3. ケプストラム、メルケプストラム
   4. 線形予測係数
4. 故障検知の方法
   1. 特徴量の利用
   2. 距離尺度の利用
   3. ニューラルネットワークの利用
5. 故障予知の方法
• 質疑応答