第1部 地方中小企業への機械学習を活用した工場稼働設備の故障予知保全技術の導入

(2022年8月5日 10:30〜12:00)

　近年、ものづくり・生産現場へのデジタル技術の導入による生産効率や労働生産性の向上が盛んに行われています。これらの取り組みはデジタルトランスフォーメーション (DX) やIoT活用、デジタルツインの活用などとされ、昨今のものづくり・生産分野で行われている取り組みの代表的なものの一つとなっています。
　このような背景の下、DXやIoTにより企業での労働生産性の向上に貢献するため、機械加工に使用する油圧プレス機の故障検知・故障予知保全システムの構築や、近年 その評価の重要性が高まっている機械で発生する二酸化炭素排出量の評価システムの構築を企業と共に進めています。
　この講義では、これらのシステムの構築に必要な知識や、構築に際して苦労した点、構築を上手く進めるための工夫点についてお話しします。

1. ものづくりにおけるDX・IoT活用の加速
2. 油圧プレス機の監視システム
   1. プレス機の概要
   2. データの取得方法
      1. センサの選定
      2. 計測器の選定
      3. データの保存
      4. エラーの通知方法
3. データの処理方法
   1. 時系列データの考察・特徴分析
      1. 視覚による確認
      2. データ処理による確認
      3. 他変量との関係による確認
   2. 回帰モデルの作成
      1. 様々なモデル
      2. 回帰モデルを用いたデータ解析
      3. 解析結果・精度の比較
4. 結果の検討
   1. データの取得結果
   2. データの処理結果
   3. 処理結果の妥当性の評価
5. 利便性の向上
   1. VPN接続の活用
   2. クラウドサーバーの活用
   3. Webアプリの活用
6. 構築に際して苦労した点
7. 構築を上手く進めるための工夫点
8. 応用例:二酸化炭素排出量評価システム
• 質疑応答

第2部 音と振動からの異常検知の技術動向

(2022年8月5日 13:00〜14:30)

　本講座では、音と振動による異常検知について、技術動向を解説します。統計量、機械学習、深層学習を用いた異常検知の手法を解説します。機械装置への適用事例を紹介します。また、2020年、2021年に行われた音による異常検知の国際的な技術コンペを解説します。

1. 音と振動からの異常検知の基礎
   1. 統計量による異常検知
   2. 機械学習を用いた異常検知
2. 異常検知への深層学習の適用
   1. 自己符号化器と変分自己符号化器
   2. 注意機構による異常検知
   3. マスクとノイズ付加による表現学習
   4. 機械装置への適用事例の紹介
3. 国際的な技術コンペの解説
   1. 音による機械の状態モニタリング (2020年)
   2. 少量の適応データを用いた異常検知 (2021年)
• 質疑応答

第3部 化学プラントの保全に活用可能なAI技術と現場導入のポイント

(2022年8月5日 14:40〜16:10)

　近年IoTやAIを設備保全の現場に活用しようという動きが活発になってきている。しかし、IoT/AIを活用して現場のDX化やスマート保安への取り組みを行おうとしても、どこから手を付けていいのか、またどこに相談すればいいのかが分からないという話も聞くようになった。また、現場で推進するリーダーが不在でやりたくてもやれないという課題も聞く。
　本講演では現場を中心としたスマート保安への取り組みを目標に、IoT/AI技術を使ってどのように構築していくのか、使える技術は何かなど実際に導入した企業の実例を含めて紹介する。あわせて導入時に考えるべきポイントや注意点、プロジェクトの進め方などについても、講師の経験をもとに紹介する。

1. 化学プラントを中心とするスマート保安の現状と取り組み状況
   1. ものづくり企業の課題
   2. 経産省におけるスマート保安への取り組み
2. IoT×AI技術と現場活用
   1. AI/IoTを現場に適用するときの考え方と注意点
   2. AI技術の特徴
3. 化学プラントの保全に活用可能なAI技術
   1. インバリアント分析技術
      1. インバリアント分析とは
      2. 導入事例
      3. 音による異常検知
      4. WiFi振動センサ conanairによる事例
   2. 学習モデルを作らない異常検知技術
      1. モデルフリー分析とは
      2. 導入事例
4. 現場導入のポイント
   1. 現場導入時に注意するポイント
   2. 失敗する原因
   3. 進め方の手順
   4. データ収集のポイント
• 質疑応答