製品・サービス

“自動探索型”相関抽出法アプリケーション販売開始!

 対象設備の異なる状態AとBとを、それぞれの状態で得られるデータXAとXBとを比較しても状態を判別することが難しい場合が多い。
 典型的なイメージとして、下図に示すように2つのデータ群XA,XBが得られたとします。横軸X1 - 縦軸X2の座標系においては、いずれの軸から見ても重なっているのでこのままでは識別が難しいのですが、この座標系を回転してやり、うまく回転角度θを見つけてやれば、状態Aと状態Bとを異なる状態であると判断することができるようになります。
 この考え方を具現化したデータ解析用アプリケーションを、“自動探索型相関抽出法”と称しています。ここで「自動探索型」というのが上記した回転角度θを自動で見つけることを指しています。
 いままでの“相関抽出法”では、解析パラメータ群(ここではθのこと)はいくつものデータ種類や状態数に応じた解析・評価の経験から決定・修正を行ってきましたが、「自動探索型」では、この予めの経験則などがなくても、高い識別性能を容易に得ることが可能になります。
自動探索型相係抽出の概要

解析結果の事例:ベアリングの劣化進展の追跡

 ベアリングの各状態において3回の計測データについて“自動探索型相関抽出法”を適用した結果を下図に示します。従来の相関抽出法でも、波形・スペクトル分析やさまざまな特徴量でも、微小異常の発生から破損に至る劣化進展の追跡は単調的ではなく、複雑な推移を示すために、ライフサイクル全体にわたって有効な指標とはなり得ませんでした。
 ベアリングの健全性として、正常状態から、劣化小⇒中⇒大と進展するにつれて単調的に追随できる指標として実用的であることを示しています。
ベアリング劣化進展の追跡機能

PAGE TOP