工場設備の故障予測におけるAutoencoderを用いた異常度算出手法の分析

朝日 翔太  松井 彩華  田村 哲嗣  速水 悟  井指 諒亮  古川 輝  内藤 孝昌  
(学生論文特集秀逸論文)

誌名
電子情報通信学会論文誌 D   Vol.J104-D   No.4   pp.207-216
発行日: 2021/04/01
早期公開日: 2020/12/18
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2020PDP0042
論文種別: 特集論文 (学生論文特集)
専門分野: バイオサイバネティックス,ニューロコンピューティング
キーワード: 
異常検知,  故障予測,  Autoencoder,  振動データ,  ニューラルネットワーク,  

本文: FreePDF(33.4MB)


あらまし: 
本研究では,機械設備から得られた振動データを用いて,深層学習の一手法であるAutoencoder (AE)の再構成誤差から異常度を算出し,その推移によって故障予測を行うモデルを構築する.本論文では,異常度算出のための3種類のAEを構築し,それぞれのモデルにおいて異常度算出にどのような特徴が現れるかを調査し,振動データの生波形を入力としたend-to-end異常度算出手法による故障予測の有効性を考察する.実際の機械設備より得られた振動データにより学習及び異常度算出を行い,各ネットワーク構造,及び入力データのもつ特性により異常度の推移やモデル性能にどのような差がみられるかを検証する実験を行った.その結果,いずれのモデルにおいても異常度の推定が可能であることが分かった.一方で,ネットワーク構造や入力データの特性から,それぞれのAEの特徴や利点・欠点を明らかにした.最終的に,実際の機械設備の状態をより明瞭に可視化できる異常度算出モデルを構築できることが分かった.