Banner Big Rep

#39 – IoT – MWC

IoTや人工知能を使用した予知保全 (Predictive Maintenance)

/ / /

enEnglish deDeutsch frFrançais esEspañol pt-ptPortuguês itItaliano ruРусский zh-hans简体中文

高度な分析技術や人工知能といった最新技術を取り入れたIoTセンサーは、機械が故障する前に故障の予測をしやすくします。  予知保全を利用することで機械の状況に応じたデータ収集を行い、エンジニアが設備の故障や停電を予測することを可能にします。そのため故障した部品を問題が起こる前に交換することができます。

 

ベルリンにある製造システムとデザインテクノロジーのフラウンホーファー協会は1990年代初期から予知保全の開発を進めてきました。しかしながらラインマネジメントと機械製造副本部長であるClaudio Geisertは、協会が技術的制限に反対していたと言います。

予知保全のアルゴリズムの開発と同様に、データへのアクセスや機械同士のコミュニケーションを実行することが非常に難しかった。

現在は、超小形電子技術の利用者から発想を得て、IoTセンサーはより安くいつでも利用できます。一方でPythonのような現代的プログラミング言語を使った機械学習ソフトライブラリは、予知保全アルゴリズムをより簡単に早く構築します。

最大の利点は製造システムの可用性が上がり、予想外の設備停止を防ぐことができることです。

フラウンホーファー協会のラインマネジメントと機械製造課長であるEckhard Hohwielerは、予知保全を使うことで生産システムのメンテナンスを計画したり調整しやすくなると言います。さらにIoTデータは製造業者がデザインを改善する役にも立ちます。

機械の使い方に関する情報を設備製造業者が提供する際、データや見通しは製品デザインに反映され、頑健性や機能性を改善するアイディアを提供できます。

注目の予知保全

 最近の技術の発展により予知保全は現在注目の的になっています。MAXを開発したエレベーター製造業者であるThyssenKrupp社によると、機械学習IoTソリューションは現在世界中の11万台におよぶエレベーターに利用されているとのこと。ドアの動きを含むマシンデータ、パワーアップ、トリップ、行先呼びとエラーコードはコネクトセンサーから収集されます。欠陥を予知するように傾向を見つけるために、結果データはThyssenKrupp社によって開発されたアルゴリズムだけを動かすクラウドべースの解析ソフトへ供給されます。ThyssenKrupp社は正確で予測的な診断はリアルタイムで技術者に送られ、どこに介入が必要かを指示すると説明します。このアプローチはサービス時間外を減らしリアルタイムの診断を行うことで、劇的にエレベーターの可用性を高めます。MAXは問題が起こる前にメンテナンス問題を予測しエレベーター技術者に診断報告をし、現場に行く前にどの部品を交換すべきかを教えます。ThyssenKrupp Elevator社のデジタルオペレーション長であるHyun-Shin Choは、このシステムを使ったエレベーターの数は、技術者が点検する10%のエレベーターに相当するという。ThyssenKrupp社はIoTデバイスを新しい装置に導入すると共に古いシステムに導入していました。さらに会社はデータ分析をするためにクラウドべースの機械学習システムを開発しました。しかしさらなる発展のためには、データ収集だけでは不十分です。組織はデータを分析しビジネスプロセス内に導入するべきだとHyun-Shin Choは言います。

予知メンテナンスは私たちの行っていることの一つです。しかし他の主な利点はトラブルシューティングにあります。私たちはエレベーターシステムが故障した際に、リアルタイムでそのサインを見ることができます。受信した情報を分析し技術者はその情報を持って現場に行くことができます。本来であれば技術者がトラブルシューティングするはずでした。今では私たちのクラウド技術のお蔭で、技術者は事前に情報を入手することができます。

予知保全に人工知能を導入

予知保全がこれほど発展しているにもかかわらず、チャレンジはさらに続きます。予測モデルは装置の正確さのために、予測前に多大なパフォーマンスや過去のデータ条件から学ぶ必要があるかもしれません。パフォーマンス用の通常のべースラインを構築するために、ライブデータを分析する時間も必要かもしれません。予知保全が便利なツールになるには数ヶ月におよぶデータ分析とデータサイエンティストが必要です。これらの難題に取り組むにDataRPM Corporationは人工知能を使っています。この会社は、石油、ガス、自動車や半導体産業の顧客にソリューションを提供しています。HadoopやApache Sparkのようなビッグデータツール上に作られたプラットフォームは、データサイエンスにおける自動段階を機械学習を使いどのデータモデルが最も効率的かを決定するこに役立つと言います。データモデル開発と他のアプローチを比べこのメタ学習は、展開して機能的にするために3%の時間と資源のみで300%まで予測能力の質を改善し制度を上げることができます。DataRPMの共同創設者と製品役員長であるRuban Phukanは次のように説明します:

私たちは、過去の経験から学ぶ必要があるエキスパートが必要なデータサイエンスに関する業務を自動化するためにメタ学習を使っています。そこで知識を転送することで似た必要性を持ったドメインに適用できます。

 

1990年代から予知メンテナンスは大きく発展してきました。IoTセンサーはより一般的になり人工知能はより発展してきているので、今後より多くの企業が何らかの形で予知保全に頼り始めることは簡単に予測できますね。

enEnglish deDeutsch frFrançais esEspañol pt-ptPortuguês itItaliano ruРусский zh-hans简体中文


About the Author

Related Posts

English Deutsch Français Español Português Italiano Русский 简体中文The...

English Deutsch Français Español Português Italiano Русский 简体中文The NASA...

English Deutsch Français Español Português Italiano Русский 简体中文Could the...

Banner ABB PROTECTION

Style Switcher

Highlight Color:

               

Backgrounds:

                    

You can also set your own colors or background from the Admin Panel.