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>
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
| 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】
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。

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。


