工場・化学プラントにおける機械学習・AIを活用した故障予測・予知の方法

第1部. プロセス系製造業の生産ラインにおける機械学習を用いた時系列データ解析とモデル作成

(2020年8月27日 10:00〜12:00)

　製造業におけるIoT/AIの現場への導入が進んでいる中、ビックデータ解析における課題も多く発生しております。データ収集・蓄積における技術課題の解決、データ活用における業務課題の解決、それを支えるデータ解析における手法やツール、人材育成の課題解決など幅広い対応が必要となります。本日は、プロセス系製造業の生産ラインにおける機械学習を用いた時系列データ解析とそのモデル作成、及びディスクリート製造業の製品設計 (試作機の検査等) における機械学習を用いた時系列データ解析とそのモデル作成の事例をお伝えいたします。

第2部. 機械学習・AIを活用した故障予測・予知の事例

(2020年8月27日 12:45〜14:45)

　製造業界全体の収益構造が変化し顧客のニーズも多様化してきており、顧客満足と同時にコストダウンを実現するサービスが求められるようになりました。また、一方ではデータを活用する技術の進歩が目覚ましく、その適用範囲も広がっています。そのような中で自社製品の故障予測に取組んだ事例を、実際に遭遇した課題と対策を中心に紹介します。

1. 故障予測が求められる背景
2. ビジネス課題の整理
3. プロジェクトを進める体制の構築
4. 分析の枠組みの設計
5. データを収集するセンサー技術と蓄積環境 (所有権など)
6. モデル開発に必要なデータ量
7. センサーデータにタグ付けする場合に遭遇した課題
8. データの背景にある自然現象の理解と特徴量の作成
9. 基礎分析の重要性
10. モデル開発と精度向上
11. 経済効果のシミュレーション
12. モデルの運用を実施する場合の課題
13. 経営層へのアピール
14. 社内への水平展開
15. 持続的な人材育成

第3部. 工場やプラントにおける故障やパフォーマンス低下予測を目指したデータ解析アプローチ

(2020年8月27日 15:00〜17:00)

　近年、設備の異常発生予測や異常原因特定などに対してAI技術を適用し、成功した事例が多く報告されている。弊社においてもAI技術を駆使して解析に成功した事例が既に50件を超えてきている。今まで上手く解けなかったり、実現できなかったりしたことがAI技術を使うことで可能になったことは間違いない。しかし、AI技術の使用で課題がいつも簡単に解けるわけではない。課題を解くには現場のデータと知見そしてAI技術を上手く組み合わせる必要がある。この講演では弊社の成功事例から得られたAI技術で価値ある結果を導くためのアプローチについて事例紹介を交えながらお話する。

1. はじめに
2. 今のAIは何故使えるのか?
3. AI技術適用事例概観
4. AI技術を適用して課題を解くプロセス
5. AI技術適用事例
6. 課題を解いたあとはどうするの?
7. 価値ある結果を導くために必要なこと
8. AIによる自動制御の実現
9. AI自動制御のその先へ!
10. さいごに