GTM-MML4VXJ
Skip to main content
  1. ホーム >
  2. サービス >
  3. ビジネス&テクノロジーソリューション >
  4. 富士通のビッグデータ&BAソリューション >
  5. FUJITSU Business Application Operational Data Management & Analytics 予兆監視モデル

FUJITSU Business Application Operational Data Management & Analytics 予兆監視モデル

ドイツで始まった製造業のデジタル革新「インダストリー4.0」が注目されているように、生産現場におけるIoT活用が活発化しています。

現在では、多くの工場の大型製造装置や製造ラインに、様々なセンサーが設置され、多種多様なデータを一元的に管理できるようになりました。そして、それらの膨大なセンサーデータを活用して、システムを安定稼働させたいというニーズは高まっています。

その一方で、「データは蓄積されているものの、十分に有効活用できていない」「せっかくのデータを安定稼働に役立てられない」という新たな課題も顕在化してきました。センサーからのデータは量も多く、種類も様々であるため、その解析には、多くのスキルを必要とするからです。

膨大なセンサーデータに隠された価値を可視化するソリューションが、富士通の「FUJITSU Business Application Operational Data Management & Analytics予兆監視モデル」(以下、ODMA予兆監視)です。

高度なノウハウを必要とせず、異常や故障の予兆を高精度かつリアルタイムに把握

様々なセンサーデータから、機械学習によって「いつもと違う状態」を検知

従来の異常検知は、「閾値を超えたら異常とみなす」などの閾値による制御や、人間が設定したルールに基づいた判断によって行われてきました。

ところが、システムが多様化し解析対象が膨大、かつ複雑化した現在においては、見るべき情報があまりに多く、それぞれの関係性の把握が困難になってきました。もはや、人間による分析や閾値による制御では限界と言えます。

ODMA予兆監視は、正常時の稼働データを機械学習し、「いつもと違う状態(アノマリー)」を自動的に検知することで、高度な分析ノウハウを必要とせず、異常や故障に繋がる状態の変化を高精度、かつリアルタイムに捉えるためのソリューションです。

本格的なデータ活用による新しい製造スタイルの実現へ

ODMA予兆監視は、様々なセンサーから収集したデータを、「いつもの状態」としてモデル化します。そして、稼働しているシステムや機械の微細な動きから、モデル化した状態と異なる状態が発生すれば自動で検知し、その原因となる要素の探索までを可能とします。

[図]Webブラウザ、Microsoft OfficeやPDFファイル、チャット等で利用できる自動翻訳ツール

ODMA予兆監視の活用によって、製造装置の故障原因の追求や異常発生の回避、製造コストの抑制、品質の改善、消耗品の耐久性追求まで、幅広い用途での活用が可能になります。

24時間、休むことなくデータの監視が可能

工場の設備、クラウドで提供しているサービスなど24時間365日稼働させなくてはいけないシステムがあります。それらを稼働させている企業では多くの場合、監視(モニタリング)システムに加え、人間の目による監視が行われていますが、長時間監視を続けると、人間は疲労し、見逃しの可能性も増えます。

しかしAIを使うODMA予兆監視に疲労はありません。また幅広い範囲の網羅的な監視にも向いています。

リアルタイムに高精度なデータ解析

リアルタイムに監視することで、異常が発生した時刻がすぐに特定できます。すると、その時間帯に発生した全センサーデータを分析すれば、異常の原因を追求することが可能となります。

また、複数のセンサーデータの網羅的な監視によって、精度も高まります。例えば、ひとつのシステムのセンサーデータで閾値を超えたからといって、本当に異常が起こっているとは限りません。他のシステムとの関連性を見て、総合的な視野から異常を判断する必要があります。

例えば、サーバに大きな負荷の掛かる処理をさせている時間帯は、負荷値が高まるのは当然です。しかし、特別なことをしてないのに高い負荷値が表示された場合は、真の異常が発生していると考えられます。

ODMA予兆監視は、閾値だけを見るのではなく、他の作業履歴などと照合してデータを分析します。全データを網羅的に、かつ細かく分析することで、異常の再発防止や改善に繋げられます。

教師なし機械学習によるアノマリー分析

従来の異常検知は、過去に発生した異常パターンを学習(教師あり機械学習)であり、過去に発生した異常パターンと一致した場合のみ、異常として検知します。

一方、ODMA予兆監視は、教師なし機械学習により「いつもの状態」や「遷移」をモデル化するテクノロジーが使われていますので、人間がアルゴリズムをプログラムしたり、AIに大量のデータを送り込んで学習させる必要はありません。

通常通りに稼働している機械やシステムからのデータを、ODMA予兆監視に送り込むだけで教師なし機械学習を行い、「いつもの状態」のモデルを自動生成します。

そしてリアルタイムにセンサーから届くデータをモデルと突き合わせ、「いつもの状態」と違う「故障の予兆」を検知し、事前処理の検討や迅速なトラブル対応へとつなげます。

この教師なし機械学習による監視のテクノロジーは、富士通の独自技術です。

活用シーン

1. データセンター業種活用シーン
トラブルにつながる要因の発生を事前に把握し、安定稼動を実現したい

【課題】
データセンターでは、ハードウェアの故障、ソフトウェアの異常、CPUの負荷、メモリ使用率、温度などさまざまな要因がトラブルの原因となる。しかし、異常値が見られたとしても、真の原因を追求するのは困難だった。
【効果】
ハードウェア、ソフトウェアなど、システム全体を網羅的、かつリアルタイムに異常検知することで、システム障害の予兆を迅速に気づき、スピーディなトラブル対応を可能にする。

2. 製造業種活用シーン
異常発生を迅速に検知して、不良品製造を減らしたい

【課題】
製造ラインでの異常発見が遅れると、不良品を大量に作ってしまい、破棄せざるを得ない。
【効果】
異常発生を迅速に検知し、不良品の発生を未然に防止、あるいは異常発生段階で検知し、不良品の大量製造を回避。

3. 製造業種活用シーン
ベテランの持つスキルを、若手に継承しやすい形として残したい

【課題】
機器制御などのベテランが持つ「勘所」を若手に継承したいが、スキルそのものが高度で習得が難しい。また引退するベテランに比べ若手の人数が少なく、継承したいスキルが多すぎて、習得の負荷が重い。
【効果】
教師なし機械学習によって、ベテランの持つスキルを蓄積。客観的なデータとして見せることで、若手にとって習得しやすい形でのスキル継承に貢献。

4. 製造業種活用シーン
機器の寿命を予測し、適切なタイミングで交換したい

【課題】
高温の炉などは短いサイクルでの交換が必要。しかし高価な炉だけに適切なタイミングで交換することで、無駄なコストを抑えたい。
【効果】
データから炉の寿命を分析し、適切な交換タイミングを判定。効率よく交換することで、コストを最適化できる。

商品・サービス体系

製品名 販売価格(税抜)
ODMA 予兆監視モデル V1 メディアパック 1万円
ODMA 予兆監視モデル V1 基本 600万円
ODMA 予兆監視モデル V1 基本プログラムサポート 120万円

本製品に関するお問い合わせ

Webでのお問い合わせ

入力フォーム

当社はセキュリティ保護の観点からSSL技術を使用しております。

お電話でのお問い合わせ

0120-933-200 富士通コンタクトライン(総合窓口)

受付時間 9時~17時30分
(土曜・日曜・祝日・当社指定の休業日を除く)