製造計画に合わせた効果的な対策を

ホワイトペーパー、導入事例、
カタログなどはこちらから

ホワイトペーパー、導入事例、
カタログなどはこちらから

  • メカトロニクス装置向け
    プロダクトモデル

  • 設備/装置等モーター向け
    モーターモデル

概要:AI・機械学習による設備の予知保全を実現!ダウンタイム・ゼロに

「MMPredict」は、IoTプラットフォーム「MMCloud」で蓄積したデータを機械学習し、故障予知を行います。
異常に起因する箇所を推定でき、製造計画に合わせ効果的に対策を打つことで、保守コストを削減します。
特許取得済みの知見追加学習機能により、使いながら検知精度を高めることができます。

イメージ <例:プロダクトモデル>

故障予知サービス MMPredict 全体図

特長:使い続けることで予知精度がさらに良くなる故障予知サービス

使いながら育てる、故障予知サービス
正常状態をモデル化 複数データの相関関係に着目し、AI・機械学習により正常モデルを作成
定周期で自動判定 正常モデルと最新の稼働データとの乖離度から、故障予兆を検知。担当者にメールで予知結果を通知
故障箇所を推定 予兆を検知した場合、その予兆に関するセンサーの寄与度情報を表示。それにより、故障箇所の推定をサポート。
知見追加学習機能
(特許取得済)
AI・機械学習による故障予知結果に対し、技術者の知見を追加学習可能。使用しながら、故障予兆検知の精度向上が可能。

Pick Up 知見追加学習機能 (特許取得済)

追加学習前

【追加学習前】
AIが、正常期間のデータを機械学習した正常モデルをもとに、故障予兆を検知。
その中で、技術者が見て、故障の予兆ではなく、正常動作の範囲内のものを追加学習させる。

追加学習後

【追加学習後】
追加学習した動作を正常と認識するため、不要な検知を削減。検知精度が向上。

技術者の知見を加えることで、検出精度向上

システム構成図

装置から収集したデータを監視・AI分析することで故障を予知し、故障箇所を推定して管理者にメールで通知します。

システム構成図

ラインアップ

内蔵されたモーターの動きから装置の故障を予知するモーターモデル、単体の装置の故障予知を行うプロダクトモデルの2種類をご用意しました。

モーターモデル プロダクトモデル
監視対象(アセット) 設備や装置等のモーター 装置
登録可能アセット数 10/50/500台(契約プラン毎に異なる)
登録可能モデル数 10/50/500個(契約プラン毎に異なる)
サンプリング周期 100μ秒 1分~
判定周期 1日 1日
他システムの併用 不要 別途、データ収集・蓄積サービスが必要※
  • ※ MMPredictのご利用には、YEデジタルのIoTプラットフォーム「MMCloud」等のデータ蓄積システムとの併用が必要です。

導入ステップ

お客様が収集されたデータをもとに分析アルゴリズムを開発・検証し、本サービスを開始します。

導入ステップ