![](https://makinarocks.shoplic.cloud/wp-content/uploads/2024/03/uc-thum-산업용-모터-이상탐지.png)
- 製造業
- 予知保全
産業用モーター異常探知:7日以内でデータシステムを構築
安定したデータ収集システムと多数の設備に対応できるAI運用システム(MLOps)を構築し、モーター故障による生産ラインのダウンタイムを短縮。
もっと知る半導体後工程のパッケージング段階でCO2レーザードリルを活用してウェハーに微細な穴を開ける、または切断する工程は、精密な作業が必要なボトルネック工程。そのため、設備の異常発生時に非稼働時間が増加し、全体的な生産性低下に直結。CO2レーザードリルをモニタリングするためにデータを収集しているが、数多くの設備から出る数十個のデータを個別にモニタリングしなければならず、最小値・最大値など単純な規則条件だけを提供するモニタリングシステムでは、異常兆候を事前にかつ効果的に見抜くことができない。
正常データ分布を学習したディープラーニングに基づく異常検知モデルを活用し、CO2レーザードリルの異常兆候を事前検知できるモニタリングシステムを構築。個別データの予測値と実際値の差を複合的なパターンで分析し、異常度を総合的に判別する指標を提供。
複合的なパターンを分析可能なディープラーニング異常検知モデルが約93%の精度で10台余りのCO2レーザードリルの異常兆候を1ヶ月前に検知。モデルベースの解析アルゴリズム(XAI : Explainable AI)を利用して、異常が発生した主要センサーに対するサマリー、インサイトを確認可能。学習適切性の判断アルゴリズムを通じてモデルを継続的に再学習させ、一部センサーに問題が発生しても推論結果を導き出すことができる堅牢なモデルを設計し、ディープラーニングモデル運用体制(MLOps:Machine Learning Operations)に基づいて安定的な運用を保証。
このケースについて詳しく知りたいですか?