課題
予知保全
予知保全は、機器の実際の状態を把握し、メンテナンスの実施時期を予測するものです。 これにより、必要なときに必要な作業を行うことができ、コスト削減につながります。
機械学習およびNeural Designerを用いて、機器の状態の時系列予測や稼働データの異常の検知ができれば予知保全に役立てることができます。 ここでは、予知保全の利点やその実現へのアプローチについて説明します。
目的
予知保全では、故障と判断されるほど深刻でない予期せぬ異常を、計測値を通じて検出します。
課題は、稼働中の機器の状態を把握して、メンテナンスの実施時期を予測し、予期せぬ故障を防ぐことです。
利点
予知保全は、現在発生しうる問題を管理するだけでなく、将来の予期せぬアクシデントを防ぐことができます。
故障時期を予測することで、
- 保全計画の改善
- 修理コストの削減
- 生産ロスの削減
- ダウンタイムの短縮
アプローチ
予知保全の実施は、過去の動作や故障の測定結果に基づいて、機器の故障をモデル化することにより可能になります。
ニューラルネットワークは、与えられた条件での機器の正しい動作をモデル化し、異常な動作を検出することができます。
これにより、異常の早期発見による故障発生前のメンテナンス実施や、逆に不必要な処置を減らすことによるコストの削減が可能となります。
まとめ
予知保全を行うことで、ダウンタイムの短縮、生産性の低下の抑制、人材や資材の計画性の向上、修理費用の削減といった効果が生まれ、企業はコストを削減することができます。
Neural Designerは、ニューラルネットワークを利用して、機器の故障に関する広範な予測モデルを構築します。