[2Yin-A] Poster 3

[2Yin-A-32] Applying Deep Unsupervised Learning to Anomaly Detection in Industrial Equipment

〇liancheng hu¹, naoya nishinaga¹, kenichi okuaki¹, Kazuhiro Sato¹ (1. FANUC CORPORATION)

Keywords:

Anomaly Detection,Unsupervised learning,Factory automation

高品質な工業製品を安定して生産するためには、工作機械等の工場設備の安全かつ信頼性の高い運転を確保することが重要である。近年、熟練作業者の減少や慢性的な人手不足が進む中で、設備の状態把握を人手の点検や経験に頼ることが難しくなりつつあり、機械設備に対するリアルタイム状態監視および故障診断の重要性が高まっている。また、産業分野のデジタル化・知能化が加速するにつれて、故障診断や設備状態管理の手法は、従来のルールベースや信号解析に基づくアプローチから、データ駆動型の手法へと移行しつつある。本稿では、教師無し深層学習による工場設備駆動系のリアルタイムな状態監視手法を提案するとともに、実際の工場環境での評価結果について紹介する。実環境での評価から、機械設備の異常を早期に発見するという目的に対しては一定の効果が得られているが、異常検知結果の解釈が難しく保全のアクションにつなげにくいという実運用上の課題も明らかになっている。これらの教師無し学習による異常検知の課題に対する今後の取り組み案についても紹介する。