人工知能による異常検知技術とその導入、実用化のポイント【提携セミナー】

　　セミナー　　技術分野共通　　人工知能による異常検知技術とその導入、実用化のポイント【提携セミナー】

開催日時	未定
担当講師	福井健一氏山口晃広氏相馬知也氏
開催場所	未定
定員	未定
受講費	未定

★故障・異常データがない、少ない場合や未知の異常・故障は検出できるのか！
いよいよ実用段階に入ったAIの導入、使い方のポイントを詳解します！

人工知能による

異常検知技術とその導入、実用化のポイント

【提携セミナー】

主催：株式会社技術情報協会

講座内容

人工知能による異常検知技術と軸受の欠陥検出への応用
正常時の波形データのみで異常を検知するAIの開発とその使い方
未知の異常、故障を検出するインバリアント分析と導入の仕方
企業内IPランドスケープ活動の進め方～マネジメントに関する考察～

習得できる知識

異常検知の基本から、実際の導入・適用事例を学ぶ

担当講師

【第1部】大阪大学産業科学研究所准教授　福井健一氏

【第2部】(株)東芝研究開発センター知能化システム研究所システムAIラボラトリー、エキスパート　山口晃広氏

【第3部】日本電気(株) シニアマネージャ　相馬知也氏

セミナープログラム（予定）

【第１部】人工知能による異常検知技術と軸受の欠陥検出への応用

大阪大学産業科学研究所准教授　福井健一氏

【講演趣旨】

本セミナーでは、人工知能、特に機械学習による異常検知の理論や実装方法を基本から分かりやすく解説します。また、Python機械学習ライブラリとして有名なscikit-learnを用いた実装の解説し、実際の異常検知の利用方法に関する理解を深めます。さらに、軸受の振動データを対象とした機械学習による欠陥検出に関する講演者の具体的な研究事例紹介ならびに関連するコード解説も行います。機械学習による異常検知に関してこれから本格的な勉強もしくは導入を始める前に概要と雰囲気を掴むには最適です。

【講演項目】

１．機械学習による異常検知

1.1 異常検知の基本的な考え方

1.2 性能評価の方法

1.3 ホテリング理論による異常検知

1.4 主要な異常検知法

（１）One-class Support Vector Machine

（２）Local Outlier Factor

（３）Isolation Forest

（４）ディープラーニングによる異常検知

1.5 各種異常検知法の比較（Python解説）

２．軸受の振動データを対象とした機械学習による欠陥評価

2.1 軸受の微小欠陥検出（事例紹介）

2.2 Pythonコード解説

【質疑応答】

【第２部】正常時の波形データのみで異常を検知するAIの開発とその使い方

(株)東芝研究開発センター知能化システム研究所システムAIラボラトリー、エキスパート　山口晃広氏

【講演趣旨】

近年、インフラ設備や製造装置にセンサを取り付けて、波形データをとおしてAI技術により機器の異常や状態の変化を検知する機会が増えている。このような機器は殆どの場合正常に稼働しており異常が測定されるのは稀である。そのため、正常データだけでAIを学習することが求められる。また、専門家は波形データと機械的な現象との関係を専門知識として保有している場合が多い。そのため、AIの判定根拠を専門家に提示できることも求められる。本講演では、異常検知や時系列波形データに関する基礎知識を説明したのち、我々の開発した正常波形データのみで異常を検知するAI技術を解説する。また、それらをインフラ設備の変電所開閉装置に適用した結果を紹介する。

【講演項目】

１．一般的なクラス分類

1.1 問題設定

1.2 簡単な機械学習によるクラス分類のアプローチ

1.3 古典的なクラス分類手法(サポートベクトルマシン；SVM)

２．時系列波形データ分析手法

2.1 時系列波形データの特徴や課題

2.2 説明性の高い時系列波形クラス分類手法（Shapelets学習法）

３．異常検知手法

3.1 異常データが少ないという課題

3.2 異常データが少ない場合のアプローチ

（オーバー／アンダーサンプリング及びコストセンシティブ学習）

3.3 異常データを学習時に必要としない異常検知手法

（1クラスSVM；OCSVMなど）

４．異常データが少ない場合の評価指標

4.1 再現率

4.2 適合率

4.3 F値

4.4 ROC曲線

4.5 AUC

５．正常波形データのみで学習する説明性の高い異常検知手法OCLTS

5.1 利用方法

5.2 学習アルゴリズム

5.3 公開時系列波形データセット

5.4 変電所開閉装置へのOCLTSの適用

5.5 OCLTSの改良と変電所開閉装置への適用

【質疑応答】

【第３部】未知の異常、故障を検出するインバリアント分析と導入の仕方

日本電気(株) シニアマネージャ　相馬知也氏

【講演趣旨】

近年、AIxIoTを活用した「設備の故障検知、故障予兆検知」は大規模プラントから小規模なプラントや組み立て／加工設備へも広がりを見せています。その手法の多くは「教師あり学習」であり、過去に発生した異常を教えることで同様の事象を見つけ出そうというものです。しかし、生産現場での困りごとは「未知の異常」、つまり対策がとられていない異常の発生にあります。またその手法も現場作業者の五感を使ったものもあります。本講座では、IxIoTの生産現場活用に利用されているインバリアント分析を取り上げ、エッジでのAI活用や音による異常検知など、非破壊検査を中心とした保全での適用について事例をまじえて説明します。また、現場目線で考えたセンシングの技術や、新しい分析手法に加え、実際にこのような現場のデジタル化(DX)プロジェクトを進めていくうえでのポイントなど、良く聞かれる悩みについて講師の現場経験をもとに紹介します。

【講演項目】

１. 工場へのデジタル技術導入と現場の課題

1.1 生産現場のデジタル技術導入の動向

1.2 保安現場におけるDX導入の推進体制をめぐる課題

２. IoT×AI技術と現場活用技術

2.1 AI／IoTを現場に適用するときの考え方と注意点

2.2 AI技術の特徴

３. インバリアント技術と導入事例

3.1 インバリアント分析技術とは

3.2 インバリアント分析導入事例

４. 音による異常検知

4.1 インバリアント分析を利用した音による異常検知の手法