　東芝は2018年12月13日、正常時の波形データのみで学習し、異常を検知する説明性の高いAI（人工知能）「One-Class Learning Time-series Shapelets（OCLTS）」を発表した。機械学習により、設備の異常を検知する技術の検知精度を従来比9％向上させた他、異常を判断した根拠を提示する。

　OCLTSは、まれにしか異常が発生しない場合も、多数のセンサーによって収集する正常時の時系列データのみから異常検知モデルを構築し、未知の異常を含めて高精度に検知する。また、正常時に繰り返し現れる部分的な波形パターン（正常波形パターン）を抽出。異常を正常波形パターンからの差異に基づいて検知することで、異常と判定した根拠を提示する。

　OCLTSは最初に、波形パターン（Shapelets）として正常時に特徴的な複数の経時変化を自動抽出する。次に、これらの正常波形パターンで算出される正常範囲と、検査時の波形データを比較。AIは正常範囲から逸脱する場合に設備に異常があると判断するため、AIが異常状態を未経験でも設備の異常を検知できる。波形と比較し、差異が出た時期、大きさ、形状から、異常発生の原因究明につなげられる。

　また、正常と異常の分類をOne-Class Support Vector Machine（OCSVM）に基づいて学習し、分類の境界が複雑でも適用できる。学習アルゴリズムを高速化し、これまでの技術では時系列の長さの二乗分必要だった計算量を時系列の長さの一乗分まで削減できるため、短期間でAIに学習させられる。

　特に異常を判断した根拠の説明性が求められる工場や、社会インフラの設備の異常検知精度を向上し、設備の稼働率向上と、保守管理コストを削減する効果が期待できる。今後は、さまざまな時系列データに対しての有効性を確認し、工場や社会インフラなどの現場に適用することを目指すとしている。

「One-Class Learning Time-series Shapelets（OCLTS）」の概要出典：東芝

「FAニュース」バックナンバー

AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。
故障予知は前提、“真の予兆保全”を実現するために必要になるもの
2017年はIoTやAI技術の進展により、大型機械や設備の故障予知や予兆保全への取り組みが加速した1年となった。2018年は故障予知などを前提とした、センシングやデータ管理などが進み、予兆保全に関する各種製品開発やソリューションが数多く登場する見込みだ。
製造業のサービス化、予兆保全は単なる「はじめの一歩」
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。しかし、そこで語られることは抽象的で、いまいちピンと来ません。本連載では、そうした疑問を解消するため、第4次産業革命で起きていることや、必要となることについて分かりやすくお伝えするつもりです。第7回は、前回に引き続き「製造業のサービス化」についてご紹介します。