　NTTコミュニケーションズ（NTT Com）は2020年12月25日、GSユアサと共同で、AI（人工知能）を活用して蓄電池システムの故障予兆を検知する技術を開発したと発表した。NTT Comのディープラーニングを用いた時系列データ解析技術と、リチウムイオン電池を活用したGSユアサの社内設備の蓄電池データを活用している。

　今回開発した故障予兆検知技術は、両社が2016年より開発を進めてきたものとなる。蓄電池システムは故障頻度が少なく、偶発的な故障は事前に予測できないため、AIの学習用データとして故障した蓄電池のデータを用いるのは難しいという課題があった。

　同技術では、教師なし学習の1種である「Autoencoder」を活用。Autoencoderは、入力データを圧縮して同じデータに復元されるように学習する過程で、データの特徴量を抽出できる。また、正常時の特性が変化しても対応可能なメンテナンスフリーのAIも開発した。

大規模蓄電池システムの状態監視のイメージ（クリックで拡大）出典：NTT Com

　GSユアサ社内の電力貯蔵装置で評価したところ、正常な蓄電池に対しては、故障予兆を検知しなかった。一方で、正常な蓄電池とは異なる特性データを示す仕掛けをした蓄電池は、従来の自動警報発報システムと比較して、最大2カ月程度早く検知できた。

　今後、GSユアサでは、同技術が各種用途で利用される蓄電池システムに対して有効か検証を進める。加えて、遠隔監視システムで収集したビッグデータから蓄電池の故障データを抽出して学習させ、蓄電池の故障を特定する技術も検討していく。

≫「製造ITニュース」のバックナンバー

トヨタ生産方式と設備保全、IoT活用をどう考えるか
日本型モノづくりの象徴ともいうべき「トヨタ生産方式」。本連載では多くの製造業が取り入れるトヨタ生産方式の利点を生かしつつ、IoTを活用してモノづくりを強化するポイントについて解説していきます。第2回となる今回は、設備保全へのIoT活用のポイントについて紹介します。
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。
全員参加の生産保全、TPMとは何か？
本連載「いまさら聞けないTPM」では、TPMとは何か、そして実際に成果を得るためにどういうことに取り組めばいいかという点を解説していく。第1回となる今回は、まず「TPMとは何か」について紹介する。
なぜリチウムイオン電池は膨らむ？　電解液を劣化させる「過充電」「過放電」とは
電池業界に携わる者の1人として、電池についてあまり世間に知られていないと感じる点や、広く周知したいことを、ささやかながら発信していきたいと思います。まずは連載第1回となる今回から数回にわたり、私たちの生活には欠かせない「リチウムイオン電池」の安全性について解説していきます。
AWSがエッジへの浸透強める、製造業が求める予知保全とAIカメラを実現
Amazon Web Services（AWS）は、オンライン開催となったユーザーイベント「AWS re:Invent 2020」において、製造業をはじめとする産業分野を対象とした5つの機械学習ソリューションを発表した。