HAT HOR

振動解析技術を用いて製鉄所における生産設備の異常検知を行うシステム。
従来の簡素な手法では手が届かなかった、相異なる周波数間の関係性の抽出や複雑な特徴に対する高感度な異常検知を実現できます。

特徴

当社は、ウェーブレット変換という先端技術を活用するため、従来のFFT解析では難しいとされていた瞬間の波形や低周域の波形も分解抽出が可能です。また、ベクトル量子化により、複雑な特徴に対して高感度な異常検知を実現しています。

一般的な機械学習では、異常データをAIに学習させる必要がありますが、異常データはサンプルの取得が難しいのが課題です。オートエンコーダと呼ばれるニューラルネットワーク技術により、正常データを学習させるだけで、異常データとの誤差から異常検知を可能となります。

クライアント	製鉄会社J様
課題	従来の振動解析技術は周波数ごとの閾値設定という簡素な仕組みであり、周波数間の関係性などを考慮できていないという問題がありました。
解決方法と導入後の成果	電流、圧力、流量、温度、振動などの操業状態を示す変数項目を時系列データとして、異常度が高くトラブルの恐れのある部分を検知することで、機械の異常を未然に抑止することができるようになりました。

サービスの導入や共同研究などお気軽にご相談ください