ホワイトペーパー、導入事例、
カタログなどはこちらから
ホワイトペーパー、導入事例、
カタログなどはこちらから
メカトロニクス装置向け
プロダクトモデルプラント等設備群向け
プラントモデル設備／装置等モーター向け
モーターモデル
概要：AI・機械学習による設備の予知保全を実現！ダウンタイム・ゼロに
「MMPredict」は、IoTプラットフォーム「MMCloud」で蓄積したデータを機械学習し故障予知を行います。
異常に起因する箇所を推定でき、製造計画に合わせ効果的に対策を打つことで、保守コストを削減します。
特許取得済の知見追加学習機能により、使いながら検知精度を高めることができます。
イメージ ＜例：プロダクトモデル＞
特長：使い続けることで予知精度が更に良くなる故障予知サービス
| 正常状態をモデル化 | 複数データの相関関係に着目し、AI・機械学習により正常モデルを作成。 |
|---|---|
| 定周期で自動判定 | 正常モデルと最新の稼働データとの乖離度から、故障予兆を検知。担当者にメールで予知結果を通知。 |
| 故障箇所を推定 | 予兆を検知した場合、その予兆に関するセンサーの寄与度情報を表示。それにより、故障箇所の推定をサポート。 |
| 知見追加学習機能 （特許取得済） |
AI・機械学習による故障予知結果に対し、技術者の知見を追加学習可能。使用しながら、故障予兆検知の精度向上が可能。 |
PicK UP 知見追加学習機能 （特許取得済）
【追加学習前】
AIが正常期間で機械学習した正常モデルをもとに、故障予兆を検知。
その中で、技術者が見て、故障の予兆ではなく、正常動作の範囲内のものを追加学習させる。
【追加学習後】
追加学習された動作を正常と認識するため、不要な検知を削減。検知精度が向上。
技術者の知見を加えることで、検出精度向上
システム構成図
装置やプラントから収集したデータを監視、AI分析することで故障を予知、故障箇所を推定し、管理者にメールで通知します。
ラインアップ
内蔵されたモーターの動きから装置の故障を予知するモーターモデル、単体の装置の故障予知を行うプロダクトモデル、さまざまな装置等を組み合わせたユニットやプラントを統合的に監視・故障予知するプラントモデルの3モデルご用意しました。
| モーターモデル | プロダクトモデル | プラントモデル | |
|---|---|---|---|
| 監視対象（アセット） | 設備や装置等のモーター | 装置 | プラント等の設備群 |
| 登録可能アセット数 | 10/50/500台（契約プラン毎に異なる） | 1施設 | |
| 登録可能モデル数 | 10/50/500個（契約プラン毎に異なる） | ～50個 | |
| 1対象あたりのセンサー数 | 2個※1 | ～100個 | ～1000個 |
| サンプリング周期 | 100μ秒 | 1分～ | 1分～ |
| 判定周期 | 1日 | 1日 | 1日 |
| 分析アルゴリズム開発※2 | 不要 | 必須 | |
| 他システムの併用 | 不要 | 別途、データ収集・蓄積サービスが必要※3 | |
- ※1 別途CTセンサーの取り付けが必要です。
- ※2 モーターモデルでは当社独自のモーター用アルゴリズムを適用しますが、プロダクトモデル・プラントモデルではお客様専用の分析アルゴリズムを開発いたします。
- ※3 MMPredictのご利用には、YEデジタルのIoTプラットフォーム「MMCloud」等のデータ蓄積システムとの併用が必要です。
導入ステップ
プロダクトモデル・プラントモデルでは、お客様が収集されたデータを元に分析アルゴリズムを開発・検証し、本サービス開始となります。一方モーターモデルでは、当社独自のモーター専用分析アルゴリズムを適用可能かを事前に調査。初期開発不要で導入期間を短縮できます。事前調査で効果が確認できれば、CTセンサーやエッジPCの設置から本サービス開始となります。
- ※4 「MMPredict」モーター版は標準搭載した独自のモーター専用アルゴリズムを使用しますが、すべてのモーターに適用可能とは限りません。そのため導入前には、アルゴリズムが適用可能かの事前調査が必要です。