講演情報
[3E2-GS-2g-03]学習データを動的に選択することによる、水門設備の高精度な異常検知・異常予兆検知技術について
〇正路 圭太郎1、茂木 悠佑1、鈴木 由宇1 (1. 株式会社IHI)
キーワード：
機械学習、説明可能AI、異常診断
近年、気候変動の影響により水災害リスクが増大し、災害の頻発化・激甚化への対応として、防災・減災対策の高度化が強く求められている。地域の治水能力を最大限に発揮するためには、水門設備の健全性を常時的確に監視し、故障の予兆を早期に検知・診断することが不可欠である。
IHIでは、水門設備の稼働情報を活用した高度な異常検知・予兆技術の開発を進めている。水門で計測される，各種の時系列変動データを用いた従来の異常検知技術では，主に定常運転状態に着目した監視手法が主流であった。しかし，定常状態であっても運転モードや周囲環境の違いによってデータの特徴が異なるため、これらを一括して解析すると精度が低下する課題が存在していた。本取り組みでは、時系列変動データを分析する際に，運転モードや環境など状況に応じて最適な学習データを動的に選択することで、高精度な異常検知を実現した。さらに、異常発生時に正常状態からの乖離への寄与度を示す指標を振動の周波数成分に適用することで、故障診断への応用可能性も示唆された。本稿では、学習データを動的に選択する水門設備監視技術の概要と、その有効性を検証した結果について紹介する。
IHIでは、水門設備の稼働情報を活用した高度な異常検知・予兆技術の開発を進めている。水門で計測される，各種の時系列変動データを用いた従来の異常検知技術では，主に定常運転状態に着目した監視手法が主流であった。しかし，定常状態であっても運転モードや周囲環境の違いによってデータの特徴が異なるため、これらを一括して解析すると精度が低下する課題が存在していた。本取り組みでは、時系列変動データを分析する際に，運転モードや環境など状況に応じて最適な学習データを動的に選択することで、高精度な異常検知を実現した。さらに、異常発生時に正常状態からの乖離への寄与度を示す指標を振動の周波数成分に適用することで、故障診断への応用可能性も示唆された。本稿では、学習データを動的に選択する水門設備監視技術の概要と、その有効性を検証した結果について紹介する。