自動車塗装工程の換気パネル異常検知：予測精度を20%向上

自動車生産ラインの塗装工程における換気装置は有害化学物質と蒸気を除去して作業環境を安全に維持し、塗装面に欠陥が生じないようにする重要な役割を果たす。塗装作業中に発生する高熱、汚染物質、振動などは、換気装置内のモーター故障の原因に。換気装置内のモーター異常を発生前に予測し、前もってのメンテナンス活動を樹立できるAIモデルを開発し、これを多くの設備に拡張する必要がある。

探索的データ分析（EDA）を成功させるためのディープラーニングモデルに必要な最短期間の振動、温度などのセンサーデータを取り込み。ドメイン特化の特徴量エンジニアリング（Feature Engineering）を行いオートエンコーダ基盤のディープラーニングモデルを開発し、半教師あり学習で正常データに基づいてモデルを学習。学習されたモデルは、AIプラットフォーム（Runway）を活用してストリームサービングの形でデプロイし、リアルタイムの異常検知サービスを提供し、工場管理者が異常兆候発生時に迅速に対処。

既存のルールベース（Rule-based）アラートシステムに比べ、換気設備内のモーターの異常検知精度を20%向上させ、エラーを最小化。 正確な異常検知により設備の維持管理に必要な設備点検の所要時間を30%以上削減。