　作業分析アプリケーションでは、撮影した動画から作業効率や作業品質の分析を機械学習によって自動化して、分析時間の大幅な削減を達成する。複数のサブアプリケーションを組み合わせることで柔軟な分析体制の構築が可能で、例えば「トレーサビリティー」では、対象工程の録画やビデオの検索に加えて、サイクルタイムや異常度指標に基づく非定常作業が発見できる。

　この他に、「パフォーマンス分析」を追加すると、要素作業ステップごとの所要時間について、自動計測、集計、可視化が可能になる。「品質監視」では、作業手順の誤りや手順の抜けをリアルタイムに監視することで、リアルタイムに異常作業を検出して不良品の発生を未然に防ぐこともできるという。

作業分析アプリケーションの概要［クリックして拡大］出所：ブレインズテクノロジー

　ブレインズテクノロジーは今後、人間工学的視点に基づいた作業動作、姿勢分析や、動的な製品検査や設備監視、耐久試験監視などのニーズにも対応していくとしている。

⇒その他の「製造現場向けAI技術」の記事はこちら

マイコンでCBMを実現する異常検知アルゴリズム、逐次学習による高精度化も
エイシングは、機器の状態を監視しながらメンテナンス時期を決定するCBM向けの異常検知アルゴリズム「MSAT++」を開発したと発表した。モデルサイズは数KBと省メモリであるとともに、正常データからモデルを構築しての異常検知が可能で、逐次学習によりモデルの精度を向上できることなどが特徴となっている。
100社採用の異常検知ソリューションに新バージョン、AI分析の全フローを自動化
ブレインズテクノロジーは、2014年に発表した異常検知ソリューション「Impulse」の新バージョン「Impulse 2.0」の提供を開始すると発表。効率的な機械学習のプロセスを実現する「AutoML機能」の強化によって、AI分析の全フローを自動化したことが特徴だ。
正常時の波形データ学習のみで異常検知するAI、工場現場などでの適用目指す
東芝は、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「OCLTS」を開発した。機械学習によって設備の異常を検知する技術の検知精度を9％向上させるとともに、異常を判断した根拠を提示する。
予知保全は「いつもと違う」では不足、東芝の新AI技術は「なぜ違うか」も分かる
東芝は、測定した時系列データから対象となる機器の状態や動作を表現する物理モデルを自動で生成し、機器の「異常検知」に加え、従来は困難だった「異常発生の原因」となった物理現象を提示できるAI技術を開発したと発表した。
東芝がプラント異常予兆検知AIで新技術、大小2つの変動から正常状態を高精度予測
東芝が大規模で複雑なプラントに設置した数千点のセンサーから得た時系列データを基に、プラントの状態変化の中に埋もれた異常の兆候を早期検知できる異常予兆検知AIを開発。水処理試験設備の公開データセットであるWADIに対してこのAIを用いた異常検知を実施したところ、従来比で12％良好な世界トップレベルの検知性能が得られたという。