通常の稼働時における周期性や相関特性を学習し、その変化をリアルタイムに判定します。機械学習を活用して、通常時の特性から「いつもと違う」、「変化」を捉えます。
設備や機器の故障予兆のいち早い検知や、通常見つけることができない不良品の検出で活用いただいています。
「異常」にはあらゆるパターンが存在します。不良品の検出やよく発生する故障のパターンを見つける場合は、通常、異常パターンをモデル化し検知します。しかし、プラントや設備の予防保全の世界では、今まで発生したことのない問題の早期発見が重要です。
Impulseはマーケットにいち早くリリースされ、現場の問題に対峙してきたからこそ、どちらのパターンにも柔軟に対応しています。
正常と異常なデータから異常発生の原因を究明し、品質の向上に貢献します。また、記録された大量のデータの中から、不具合発生に重要な要因を特定します。
特定された重要因子に対して、値の傾向や分布などの詳細を視覚化します。通常見つけられない問題を検知できることは重要ですが、その要因は解決できなければなりません。
検知された異常や不良、故障の予兆について、その要因を追求することで、 問題解決までのリードタイムの短縮や工程や品質改善への強力なフィードバックを提供します。
記録された静止画・動画データを補正し、分析可能な形にした上で、さらに静止画・動画データを分割して波形データに変換します。
特徴量として抽出された各波形データは、異物の検出や種類を特定するために分類されます。
事前に既知の異常データを準備するのではなく、実際に発生した「いつもとの違い」を認識して自動的に分類することにより、現実世界で実際に発生する（未知の異常も含めた）問題の広い検知とより深い問題の理解に貢献します。
長期的な劣化傾向の予測と最適なメンテナンス期間をご提案したり、製造条件を変化させた時の観測値の変化をシミュレートし、異常検知モデルと組み合わせることで、良品となる製造条件をご提案したり、様々な取り組みを行なっております。まずは実現したいことをお気軽にご相談ください。
