技術紹介

弊社のコア技術の構成と特徴

対象設備の運転中において、その劣化要因の進展を背景として潜在異常が発生し、得られるデータ間には、“相関の崩れ”に起因した特徴分布が変化してゆきます。
そして、この特徴分布がどのように乖離してゆくのか、によって劣化度合いを推定ことができます。
一方、要因ノウハウ集を基にデータ群から推測した要因候補群と、“相関の崩れ”からの特徴情報を参考にして因果モデルを構築し、分析することによって原因を特定します。
なお、要因ノウハウ集が利活用できない場合には、探索型因果モデルの構築を行います。
状態予測では、特徴分布の乖離度と因果分析とから、例えば注意域や警告域への到達時期の予測を行う際に、経時的に得られるデータを基にして予測関数を更新してゆくことによって次第に予測の精度を高めてゆきます。
以上に述べた統計的な処理・分析・評価を「情報の構造化」と称します。
(AIとは異なりホワイトボックスですので、結果の説明やパラメータ修正等は客観的です。) つまり、相関関係と因果関係とを考慮した「情報の構造化」を逐次実行・更新することに よって対象設備の様々なソリューションをご提供することが可能になります。

弊社のコア技術を適応したさまざまなソリューションのまとめ

詳しく弊社技術をお知りになりたい方は

下記をクリック

【ご説明資料】相関抽出法による劣化診断および不良検知2020

(PDF形式、約1,619KB)

技術紹介

PAGE TOP