IoTのデータ活用を支える仕組み、準備できていますか?
人手では対応困難な膨大なセンサーデータ、従来の仕組みだけで運用できますか?

デバイスやクラウドプラットフォーム等、IoTを支える技術要素が進化し、センサーデータ/ログデータを活用する環境が急速に整備されてきています。しかし、様々なIoTデバイスがその保有する機能を活かすためには、デバイスそのものの正常動作を支える仕組みが不可欠と言えます。

Impulse

IoTの高度な分析・故障予兆検知サービスとは?

機械学習を活用し、膨大なセンサーデータに対する多様な分析機能と、
リアルタイムの故障・異常の予兆検知機能を提供し、
センサーデータの活用に際して求められるIoTデバイスの予防保全や保守効率化を実現します。

リアルタイム大規模データ分析基盤「Impulse」は
センサーデータ活用を強力に支援します

サービスの提供範囲

サービスの提供範囲の制限、API等に悩む必要はありません。
サービス利用開始時にお客様にご用意頂くものは、IoTデバイスとセンサーデータだけです。

データ収集~蓄積~可視化~分析~検知といった一連の機能をフルスタックで提供

必要となるネットワークやクラウドインフラとも連携
データ分析の仮説立案から検証含めたコンサルティングを提供


IoT対応に求められる多様な分析・故障予兆検知機能を備えています

多様な分析機能

センサーデータの活用をサポートするために、6つの分析機能をご提供します

膨大なデータを解析するさまざまな分析機能を提供

人手では困難な大規模かつ複雑なデータ分析を統計・機械学習によって実現

  • センサーデータから特性や状態の把握:ダッシュボード機能
  • 大量なデータを特性ごとに分類:クラスタリング機能
  • 複雑データ間の因果関係を分析:相関分析機能
  • 経年劣化や需要逼迫を予測:回帰分析機能
  • 周期特性の有無や以上を分析:周期特性分析
  • ログデータの横断的な検索:全検索機能、etc

故障予兆検知機能

単純な境界値(閾値)ではなく、機械学習で状態変化を掴みます

機械学習による異常検知~匠の暗黙知を機械化する~

機械学習を活用し従来の閾値監視では発見できない「いつもと違う」や「変化」を検知

周期特性の異常 閾値ではなく過去の周期特性との比較
-稼働時間と処理性能に関して、周期的な特性を持つ製造設備において、処理が長引いている、いつもより短い、性能が出ていないといった周期異常から稼働上の問題を検知する
相関の高い
複数データの異常
閾値ではなく他のデータ/メトリクスとの比較
-複数台で負荷分散して同じ処理や性能を出力する設備において、相関傾向の異常から個体の不良や故障を検知する
状態の変化に
対する異常
閾値ではなく、過去の値の推移(状態)との比較S
-閾値に到達するほどではないが、温度や振動データの推移が変化した時点を、故障の予兆として検知する

IoT分野の活用シーンは数多く、ご相談頂いている用途の一部をご紹介します

活用シーン

IoTデータの分析(手段)を通して、何を実現(目的)しますか?現実解の一つがここに

太陽光場ネル用パワーコンディショナーのセンサーデータ分析
<太陽光パネルの故障予兆検知による予防保全・保守業務効率化の実現>

複数の太陽光パネルの発電量データ等の相関関係の変化を検知し、動作異常から故障予兆を特定することで、予防措置や迅速な保守対応につなげる

工場内の各種製造機械・設備のセンサーデータ分析
<製造設備・機器の故障予兆検知による
予防保全の実現>

通常時の温度や振動等のセンサーデータから特性を分析し、いつもと違う変化点を検知することで、動作異常から故障予兆を特定し、予防措置や迅速な保守対応に繋げる

PoC(コンセプト検証)のご提案

このページを最後まで見て下さった方へ・・・

「収集したセンサーデータを活かせるか」
データ活用は仮説&検証のトライ&エラーを回していくことが重要です。
分析してみて、新たな発見があることは多いはず。
まずは、今あるデータと仮説でPoCすることから始めませんか?

  • クラウドで
    初期投資を
    抑えて
  • 弊社分析
    専門エンジニア
    と一緒に
  • 分析ニーズ
    に応じて
    柔軟に対応
Top