東芝情報システム株式会社

「分析・予測支援サービス」 製造業向け 異常検知

異常検知における分析手法として、当社では次の3つの手法を提供しております。
お客様に最適な分析手法をご提案いたします。

クラスタリング

正常なデータ分布の山が複数ある場合に用いられます。正常時においても、データの分布が複数存在し、そのグループ外となる異常を発見したい場合に有効となる手法です。
不良品や異常が発生しにくい製品の状態監視に適用できます。当社では、産業医科大学様のマウス実験に適用した実績があります。

分析・予測支援サービス 導入事例 「学校法人 産業医科大学」

クラスタリングによる異常検知

通常時の範囲から大きく外れたデータを検出し、将来発生し得る故障を予測

回帰分析

機械学習の手法を用いて、多数の項目から関連性を考慮したモデルを生成することで異常を検知します。正常データからの異常検知を得意としており、重要な項目を自動で選択したモデルを生成することができる手法です。
精密機器の製造装置など、同じものを一定のタイミングで正確に生産している装置の異常状態監視に適用できます。同じものを正確に作っているのであれば、いつもの状態をモデリングできます。そういった装置に対しては大変有効に活用できる仕組みになります。

回帰分析による異常検知

各種センサーから収集したデータの実測値と予測値の誤差を特徴量として分析し、「いつもと違う何か」を検知

MT法   

MT法は品質工学で考案された手法で、正常データを正規分布と仮定して異常検知を行います。つまり、正常はある一つの群をなすが、異常は群をなさないデータを想定しており、一定の品質を保つデータに対しての異常検知に有効な手段となります。
精密機器の製造装置などの品質検査や出来栄え検査に有効な分析手法であり、多くの適用例があります。また、健康診断、外観検査などの異常検知にも有効です。

MT法による異常検知

各種センサーから収集したデータを正常からの距離という特徴量として分析し、「いつもと違う何か」を検知

↑ページトップへ

お気軽にお問い合わせください。

電話番号044-246-8190

受付時間:9:00~17:45
但し、土曜・日曜・祝日および当社休業日を除く