異常検知 組込AIソフトウェア

設備の変化・異常をリアルタイムに検知

現在多くの装置・設備メーカーが、装置の高機能化、メンテナンス性の向上（予知保全）のために、設備稼働のデータを活用して異常検知を行うAIの開発に取り組んでいます。

設備のAI監視には大きくわけて、「異常検知（変化監視）」と「状態診断（判別）」に分かれます。異常検知とは、通常の稼働データ（正常データ）を学習し、分布範囲が大きく外れたり、データパターンが異なったりした場合に、その変化の度合いを検知します。「状態診断」は、過去の正常データと異常データを学習し、データと事象の因果関係を分析し診断します。

CX-Wは、独自のAIアルゴリズムが正常データの数値分布と項目間相関を学習して推論モデル（監視閾値）を生成し、設備の変化・異常をリアルタイムに検知します。1つのソフトウェア内で学習・推論モデル生成・監視を実現すると共に各機能はAPIで制御可能なため、装置に素早く機能を実装できます。

【装置へCX-Wを組込み異常検知・予知保全の機能を追加】

設備の異常検知・予知保全を可能にする6つの特徴

1.自動学習・推論実行
学習機能は、監視したい対象設備のデータを指定することから始めます。学習するデータ項目と行数（データ数）を指定するだけで、各項目の数値分布および、項目間相関のバランスを自動で機械学習し推論モデル（監視閾値）を生成し、監視を行います。過去の作成したモデルに切り替えたり、複数のモデルを平行で動作させることも可能です。

2.変化を警告指数化し異常検知
CX-Wが生成する推論モデルは、正常データで学習して作り出した基準からの変化度合いを「警告指数」というスコアで出力します。標準では警告指数が0を自動閾値設定しますが、利用者が警告指数に合わせて独自に閾値を設定・変更することも可能です。

3.オンライン状態監視
データ学習・推論モデル生成・監視までがすべてオンラインで動作するため、装置へ組込みシステム化することで人の関与なしに異常検知・予知保全の仕組みを実現することができます。

4.警告理由を出力
CX-Wが生成する推論モデルは、正常データで学習した基準からの変化度合いを「警告指数」として監視します。警告指数が上昇した際は、なぜ上昇したのかの要因情報（影響を与えたデータ項目、相関関係が崩れた対象項目等）を合わせて出力するため、設備のどこをチェックすればよいかの手がかりが得られます。

5.軽快なアプリ動作
本ソフトウェアは、Windows or Linux (32bit or 64bit）で動作する組込用ソフトウェアです。機械学習を用いた学習や推論モデルによる監視もFA PCのスペックレベルで動作が可能です。

6.APIで機能制御
データ学習開始・停止、推論モデルの変更などCX-Wの機能制御はすべてAPIにてコントロールが可能となっています。装置メーカーの技術者は、このAPIを活用し装置への機能組込が簡単に行えます。

API組込実装方法

CX-Wは、収集データを読み込み、データ学習・推論モデル生成・監視を自動で行います。学習は、指定データ列と行数を学習し推論モデルを生成します。生成された推論モデルはデータ1行毎に推論実行し監視結果（警告指数、警告指数に影響を与えたデータ種類等）をCSVファイルに出力するため、お客様はこのファイルをもとに結果に応じて制御やメール通知などの処理を組合せることが可能です。1つの装置内で、複数の推論を実行し監視することも可能です。また、CX-Wにバンドルされているランチャー（専用ツール）にプロセスを登録することで、API（HTTP）を使ってプロセスごとに任意のタイミングで起動・停止を行うことができます。

機能検証用 簡易GUIツール

CX-Wには、導入を検討いただくために検証用簡易GUIツールが用意されています。APIを使った実際の開発・実装前に、本ツールを使って実際のデータを学習させ異常検知が実現できるか確認いただけます。Windows、Linux OSの両方に対応したバイナリを用意しています。（※一部の機能はAPIでしか利用できません）

用語解説

エッジAIとは

エッジAIとは、エッジコンピューティングから派生した用語で、データ学習をして作成したAIの推論モデルをエッジで動作させることをいいます。AIの種類は、物体認識、物体検出、異常検知、故障予測などさまざまな種類が想定されます。例えば、製造業の工場を例とるとデータの発生源の近くでAIが推論するため、現場で製品の検査データからOK／NGを仕分けしたり、設備の稼働データから異常検知したりすることが可能です。利点としては、高パフォーマンス、通信コストの削減、セキュリティ維持、導入コストの削減などが上げられます。