機械学習スキルなしで予知保全を実装する

最近のエンジニアの間での認識の高まりは、予知保全が人工知能（AI）技術のほぼ排他的な領域であり、そのようなアプリケーションを実装するための機械学習（ML）とニューラルネットワークのスキルセットを最初に学ぶ必要があるというものです。 MathWorksのシニアプロダクトマーケティングマネージャーであるAdityaBaruによると、エンジニアは新しいAIとMLのスキルセットを習得しなくても予知保全を展開できます。

EDN との最近の話で 、Baruは、予知保全を実装するための4つの基本的な手順を概説し、各手順に専用のツールを使用できることを追加しました。

図1.基本的な予知保全ワークフローは、4つの基本的なステップで構成されています。出典：MathWorks

1. データ処理

データサイエンティストではないエンジニアやMLのバックグラウンドを持たないエンジニアにとって、センサーや風力タービン、発電機、ポンプ、モーターなどの産業用ユニットによって生成された大量のデータを調べることは簡単ではありません。エンジニアが扱っているデータは主に生データです。散らかっていて汚れています。

探査操作のジェットエンジンまたはオイルポンプは、毎日テラバイトのデータを簡単に作成できます。ここで、テラバイトのデータで障害のある状態を探すことを想像してみてください。では、エンジニアは何ができるのでしょうか？ 「エンジニアは、大量のデータを確認し、生データに変化がないかどうかを判断し、システムの劣化を特定し、システムが異常な動作をしている理由を特定できます」とバル氏は述べています。

たとえば、石油探査ポンプでは、エンジニアが確認できる生データの1つは、回転し続けるポンプのスペクトル分析です。したがって、障害が発生する頻度を特定できます。 「エンジニアはすでにマシンを理解していますが、今やらなければならないことは、何が最も効果的かを特定することです。」

図2.エンジニアは、モーターの摩擦の変化を追跡することにより、ポンプの漏れや詰まりを検出できます。出典：MathWork

これで、2番目の基本的なステップである条件インジケーターであるデータ削減方法に進みます。

2. 状態インジケーター

エンジニアが時系列データの100サンプルを持っている場合、エンジニアはそれを1つの数値に減らすことができ、その1つの数値はそれらの100サンプルのすべての関連情報をキャプチャする必要があります。 「アイデアは、巨大なデータセットを取得し、それを少数の機能に減らすことです。」

Baruは、MathWorksがDaimler Mercedesと協力して、大量の時系列データを分析し、製造ラインに異常があるかどうかを判断する異常検出アプリケーションを開発した最近のプロジェクトについて言及しました。ここで、MathWorksツールは、大量のデータをより小さな機能セット（パターンや時間遅延など）に減らして、データ処理を250分の1に減らします。

図3.エンジニアは、生のセンサーデータから特徴を抽出し、時間ベースおよび周波数ベースの手法を使用して状態インジケーターを作成できます。出典：MathWork

エンジニアは少数の状態指標を検討しているため、これらの状態指標に基づいて予測モデルを構築できます。

3. 予測モデル

大きなデータセット全体を表し、固有の情報をキャプチャするはるかに小さなデータセットを使用すると、エンジニアは適切なツールを使用して、AIやMLのスキルセットを必ずしも学習しなくても予測学習モデルを作成できます。

時系列モデル、統計モデル、確率ベースのモデルなどのさまざまなモデルは、予測モデルの構築にも同様に適用できます。 「予測モデルを構築するための従来のエンジニアリング手法はたくさんあります」とBaru氏は述べています。

図4.予知保全ツールボックスを使用すると、エンジニアは残りの耐用年数（RUL）を推定し、予測に関連する信頼区間を提供できます。出典：MathWorks

エンジニアは、わずかに異なるアプリケーション用にツールを再利用することもできます。 Baru氏は、信号調整技術を使用してシステムに障害が発生する可能性がある時期を予測する航空宇宙企業であるSafranについて言及しました。作業は、アルゴリズム開発、データ分析、視覚化、および数値計算のためのプログラミング環境であるMATLABで行われます。

4. アルゴリズムの展開

4番目のステップはおそらく最も重要です。実稼働環境で予測モデルのアルゴリズムをデプロイすることです。エンジニアは、いくつかの方法でアルゴリズムを展開できます。これには、マシンにローカルに埋め込まれた予測モデル、オンプレミスサーバーとしてローカルで実行されている小さなコンピューター、または接続が実行可能な場合にクラウドサービスにストリーミングされるデータが含まれます。

この4ステップのワークフローで実装された予知保全により、エンジニアは、マシンが90％の時間稼働し続けることを保証できる保守サービスを展開できます。また、これら4つの基本的な手順すべてを効率的に管理するためのツールを利用できます。

>>この記事はもともと姉妹サイトのEDN。