ウェビナー「基礎から学ぶ！ 機械学習を用いたセンサ計測システム構築の流れ」
機械学習を用いたデータ分析は市場で注目を集めており、専門的なセミナーが開催されています。ところがどれも機械学習のみに注目したものばかりで、肝心の機械学習に必要なデータ計測や、機械学習アルゴリズムをエッジデバイスへの実装も含めて、総合的に学べるセミナーはほとんどありません。そこで本ウェビナーシリーズでは、計測から機械学習モデルの実装までの流れを、デモを交えながら疑似体験していただけるように構成されています。保全系のアプリケ－ションに特化し、回転機械の状態監視を題材としながら、センサ計測から機械学習アルゴリズムの適用までの流れを学びます。センサ計測に関するパートは日本NIが説明し、機械学習を用いたデータ分析に関するパートは、KSKアナリティクス社が解説しています。
ウェビナーシリーズの視聴には、ni.comのユーザプロファイルが必要です。既にユーザプロファイルをお持ちの方は、ログイン状態で視聴できます。ユーザプロファイルをお持ちでない方は、新規作成をお願いいたします。
| センサを用いたデータ取得について説明します。回転機械の異常発生後の、原因診断システムを開発するため、実際に不具合を再現しながらデータ取得を行います。 |
| センサデータからの特徴抽出と、機械学習アルゴリズムを用いた状態診断の予測モデル作成のプロセスについて解説します。さらに、作成した予測モデルの予測精度を検証します。 |
| 機械学習モデルを計測装置に適用し、エッジコンピューティングが行えるようにすることで、システムが完成することをご確認いただきます。最後に、機械学習を用いたセンサ計測システム構築時の成功の鍵をお伝えします。 |
| 4 | 予知保全システムの実現のための勘所を短時間で学ぶことができます。AI（機械学習）を用いた設備機械の予知保全に関する動向と、よくある誤解について説明します。特に分析用データの発生源である計測の重要性について分かりやすく解説します。 |
本ウェブセミナーで紹介するアプリケーションに関連する情報・事例
電力の損失と機械の予期せぬダウンタイムは、工業プラントや処理工場の運転停止の主要な要因です。 NIの製品を使用することで、プラントや機械を安全に稼動できるほか、プラントで作業に従事する保守技術者の安全も守ることができます。 NIの状態監視による保守システムを利用することで、生産性と品質を最大限に高め廃棄を減らすと同時に、予期せぬ機能停止や保守・修理費用を低減することができます。
課題:
何らかのモノから生じる音や振動などを監視することにより、そのモノに発生している異常を検出するための仕組みを構築する。それにより、設備で発生した異常の検出や、製品の検査、品質の分析などを行えるようにする。
解決策:
音や振動のデータを収集し、FFTを適用したうえで、その「重心」を算出する。さらに、その算出結果に品質工学のMT法を適用することで、異常が生じているか否かを判定する。このような一連の処理を実現するためのシステムを、LabVIEWによって構築する。
課題:
ディーゼル車の動力システムに生じる振動のデータを監視し、異常の発生を早期に検出可能なシステムを構築する。走行中の車両で生じる振動や温度変化などの厳しい条件に対応可能なハードウェアと、プログラミングによって任意の機能を自由に構築できる柔軟性の高い開発環境が必要だった。
解決策:
振動センサーの接続先となる状態監視装置は、堅牢性の高いNIのCompactRIOを使用して構築する。また、NI LabVIEWを使うことで、センサーからのデータ収集や、オクターブバンド分析などの機能を高い生産性で開発できるようにする。