1/8ページ

このカタログをダウンロードして
すべてを見る

ダウンロード(2.9Mb)

予知保全・品質改善のための時系列データ自動分析マシン「CX-M」

製品カタログ

「CX-M」は設備の異常検知、故障予測、AIモデル生成を自動化します。分析・開発作業(データ前処理、特徴抽出、機械学習によるAIモデル作成)を自動化し、素早いデータ活用を実現します。

CX-Mは、お客様(製造業)の予知保全や品質改善を目的に、設備の異常検知、故障予測のための時系列データ分析作業と推論モデル(AI)生成を自動化するマシンです。従来データ分析の専門家(データサイエンティスト)が行っていた分析作業(データ前処理、特徴抽出、機械学習による推論モデル(AI)作成)およびプログラム開発作業を自動化し、素早いデータ活用を実現します。

関連メディア

このカタログについて

ドキュメント名 予知保全・品質改善のための時系列データ自動分析マシン「CX-M」
ドキュメント種別 製品カタログ
ファイルサイズ 2.9Mb
登録カテゴリ
取り扱い企業 東京エレクトロン デバイス株式会社 (この企業の取り扱いカタログ一覧)

この企業の関連カタログ

異常検知のための組込AIソフトウェア「CX-W」
製品カタログ

東京エレクトロン デバイス株式会社

物流ピッキング業務の課題解決ガイドブック
ホワイトペーパー

東京エレクトロン デバイス株式会社

Cassia ロケーショニングキット with Azure
製品カタログ

東京エレクトロン デバイス株式会社

このカタログの内容

Page1

● 半導体 ● 電機、産業機械 ● 印刷 業界 ● 鉄鋼・電力 ● 化学・プラント ● 自動車 自社で運用できる IoTデータ活用プラットフォーム  ● ボールネジ ● ベアリング ● モーター ● 工作機械 ● 半導体製造装置 ● 射出成型機 ● アーク溶接機 ● プレス機 設備 ● ロボット
Page2

IoTデータ活用プラットフォーム  モノづくり現場でのデータ活用と課題 多くの製造現場では、生産性向上のためにさまざまなデータを活用することで、直面している課題の解決や新しい課題の発見に取り 組んでいます。しかし、こうした取り組みには、従来のモノづくり の知識や技術に加えて、ITやデータサイエンスといった新しい知識・技術が 必要であり、想定以上に多くの時間とコストがかかっているのが現状です。データ活用を加速するために、ITやデータサイエンスなどの 知見を持たないエンジニアでもデータ分析を行えるデータ活用インフラが強く求められています。 【 モノづくり現場の課題 】 工場全体 ・ 工場内のデータ収集一元管理 ・ 統合ダッシュボード 製造ライン ・ 生産性向上 ・ ライン稼働状況監視 ・ トレーサビリティ 設備 ・ 設備稼働率向上 ・ 稼働状態監視 ・ 予知保全 ・ 品質改善 プロジェクトの進め方と検討ポイント データ活用プロジェクトを始める際は、ビジネス課題を整理し改善効果を見極め、技術的な実現性の確認を仮説検証を通して実施しながら、 システム化構想立案、構築、運用といったステップで進めていきます。その過程では、実際にデータを活用するためのシステム基盤が必要です。 具体的には、センサやPLC等で設備データを集める「データ収集」、データを把握する「可視化」 、通常状態からの変化度合を検知する「変化 監視」、データ特性から状態を特定する「状態診断」、監視結果を、現場業務へ反映させる「通知機構」、そして蓄積データから変化監視や状態 診断のためのモデルを作り出すデータ分析環境です。これらの機能が連携し、継続的な監視業務を実現するシステムの準備が理想的です。 ビジネス課題 仮説検証 の整理 (収集・分析・評価) システム構築 システム運用 プロジェクトを進めるための「 標準化されたデータ活用プラットフォーム」 が必要 データ収集 可視化 データ分析 変化監視 状態診断 通 知 全ての機器と接続 高度なデータ処理 簡単利用(プログラムレス) プラットフォームに求められる特性
Page3

自社で運用できるIoTデータ活用プラットフォーム CXシリーズ CXは設備稼働率向上、稼働状態監視、予知保全、品質 【 3つの利点 】 改善など現場のデータ活用に必要な機能一式(データ 収集、可視化、変化監視、状態診断、通知、データ分析)を プラットフォームとしてご提供します。データ運用の基盤 となるCX-Dと分析専用マシンCX-Mの2つの製品で 構成し、多様な機器と連携、プログラムレスでのシステム 工場内完結 現場で 高度なデータ処理 (多様な機器とアプリ連携) 構築、そして高度なAI技術をお客様ご自身で運用できる 簡単に利用 を標準化 (プログラムレス) (AI) 環境をご提供します。 プラットフォーム概要 【監視画面】 各設備の状態を データ収集 可視化 変化監視 常に定量監視 状態診断 通 知 Data データ運用基盤:CX-D 製造設備 搬送設備 センサロガー ロボット 蓄積したデータを分析。 【分析画面】 精度の高い推論モデルを データ分析 生成してCX-Dへ展開 データ分析基盤:CX-M
Page4

IoTデータ活用プラットフォーム  特 徴  多様なデータを収集 GUIウィザードの設定だけで多様な機器と接続 プログラムレスで多様な設備・デバイスとの通信、データ収集が可能です。ゲートウェイ、PLC、ロボット、センサ、NC&MCなど 160以上のプロバイダに対応しており、GUIウィザードで簡単に設定するだけでご利用になれます。 160以上のプロバイダに対応 ゲートウェイ( ベッコフ、ファナック、AWS、Azure、FTP、SMTP、POP,etc) CSV/DB 出力 PLC( 三菱電機、オムロン、シーメンス、キーエンス、パナソニック,etc) ロボット( デンソー、ヤマハ発動機,etc) Robot PLC Sensor Monitor Camera センサ( オムロン、キーエンス、パナソニックデバイスSUNX) ウィザードで簡単設定 NC & MC( 三菱電機、安川電機、ブラザー工業,etc) 視覚( オムロン、シーメンス、キヤノン、コグネックス、リンクス,etc) その他 ※CX-DのハードウェアインターフェースはEthernet/シリアルになります。 特 徴  簡単に可視化 監視ダッシュボードをプログラムレスで作成 プログラムレスで目的にあった監視用ダッシュボードを作成および、ご要望に応じたカスタマイズが可能です。WEBブラウザで アクセスし閲覧できるため、監視ルームのPCやタブレットからでも監視画面を閲覧いただけます。また、現場図面を取り組み、 アンドンとしてもご利用になれます。 【監視画面】 【ホーム画面】 【監視画面】 プログラムレスで簡単作成 用途別で画面を作成し公開 リアルタイムダッシュボード Webブラウザで端末から確認可能 図面を背景にアンドンの作成可能
Page5

CX-Dは、設備稼働率向上、稼働状態監視、予知保全、品質改善などを実現するためのIoTデータ活用 プラットフォームです。本プラットフォームは、多様なPLC、センサとの接続・通信ができる「データ収集 機能」、監視ダッシュボードを作成する「可視化機能」、稼働状態のデータを学習し変化を自動検知する 「変化監視機能」、変化を作業者に伝える「通知機能」が標準搭載されたオールインのデータ活用基盤です。 本製品を活用することで、お客様はシステム開発・構築に時間とコストをかけることなく自社の工場内で IoTデータ活用システムを素早く構築することが可能になります。 特 徴  自動で変化監視 収集データを統計データ化して学習、最適な閾値で監視 通常稼働時のデータを学習し、最適な閾値を自動生成するAI機能が実装されています。本機能により利用者は設定するだけで、 最適な変化監視を開始できます。 収集データ 変化検知エンジン 閾値判定とその原因を記録 項目 1 変 変 正 常 化 化 項目 2 変 を CSVファイル (閾値内) デ 監 視 化 警 結 記録ー 監 タ 用 告 果視 項目 3 読 閾 ・ 指 出 込 値 判 数 力 生 定 で表 警 告成 示 (閾値外) 項目 N ★ポイント CX-Dは接続機器から収集 各項目数値分布 各項目数値分布 【数値影響】 【項目間相関影響】 したデータを自動的に 1 12 項目情報と 2 項目情報と 統計データ化し保存する 3 影響度を出力 34 4 影響度を出力 機能があります。 5 5 特 徴  高度な状態診断 CX-Mで作成した多様な判別モデルを実装 判別モデル自動生成マシン CX-Mを活用し、CX-Mで作成した診断基準(推論モデル)をCX-D上で実行することで、精度の高い 状態診断が可能となります。これにより、設備・目的に応じた精度の高い設備状態の診断や生産品質診断などのシステム化を 開発作業なく実現できます。 監視目的に応じてモデルを利用 稼働状態診断 判別・分類モデル 正常・異常判定 データ読込 学習 判別モデル 溶接状態診断 良品・不良1・不良2 モーターの状態監視 デプロイ 正常からの変化監視 CX-M
Page6

判別モデル自動生成マシン  特 徴  ワンクリック 自動分析・モデル生成 データ分析、テスト時間を大幅に削減 時系列データの分析に必要な「位置合わせ」「特徴抽出」「機械学習」「推論モデル生成」の一連の作業を自動で行い、 どの組み合わせの処理が一番精度の良い結果が得られるかを試行錯誤し見つけ出します。 学習データ選択 位置合わせ 特徴抽出 機械学習 判別モデル生成 11 8 0.4 12 9 0.6 15 10 0.7 診断基準生成に有効なデータ 比較すべきデータ位置を類似・ RAW/Scaling/FFT/Wavelet 複数の機械学習を実行し最適 診断基準プログラムをテスト 列を自動・指定選択 相関から特定し切出し 複数の特徴抽出方法を実施 なものを自動選択 データで検証し、出力し現場へ 特 徴  目的にあった分析メニュー 「分類」、「外れ値」、「多値判別」を活用 お客様の持っているデータと現場課題に応じた分析メニューが用意されています。「収集したデータを特徴で分類する」、 「正常データを学習して変化を検知する」、「過去の教師データをもとに状態を判別する」等が可能です。 データはあるが 通常稼働時の 状態毎の 状態記録が不明確 データしかない 学習データがある A 複数状態の発見と分類 B 正常からの外れ値検出 C 正常・異常を判別
Page7

CX-Mは、従来データサイエンティストが行なっていた分析作業を自動化し、分析時間、コストを大幅に 削減し予知保全システムの実現課題を解決します。分析に必要なデータの前処理、特徴抽出、機械 学習による診断基準プログラム(推論モデル)の作成を自動で行います。 これにより、予知保全システムを素早く実現できます。 特 徴  モデル特性と推論理由を可視化 学習したモデルの判断基準を定量的に把握 機械学習を用いた分析では、作成した推論モデルがどのような特徴や論理で判断しているのかを可視化することができず、 仮説による考察しかできませんでした。CX-Mは、推論モデルの判断する特徴を定量化するとともに、判断した根拠、自信度も 可視化し、仮説ではなく事実に基づいた考察を可能にします。 【推論理由】 【モデル特性】 列の判定要因 Top5 行の判定要因 Top5 0.03 Column1 25 0.02 28.25% 0.01 71.75% Column6 7 0.00 Column15 Column14 Column14 10 Column13 Column12 Column11 Column10 Column9 Column8 Column2 19 Column7 Column6 Column5 Column4 Column3 Column2 Column11 5 Column1 0.0 0.1 adjusted row 0.00 0.05 0.10 0.15 0.20 0.25 0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 [1(] 26, Column 14) [2(] 26, Column 6) [3(] 11, Column 1) [4(] 20, Column 1) [5(] 24, Column 1) 特 徴  柔軟なモデル出力 作成したモデルは実行環境に合わせてプログラム化 作成した推論モデルは、監視PCやServer上で簡単に動作させることができるため、システム開発の時間とコストを大幅に 削減します。 ① オフライン分析 ② オンライン診断 展 開 データ読込 学習 モデルプログラム データ読込 診断 結果出力 (推論モデル) 環境に合わせてプログラム生成 Linux x86 (64bit) Linux x86 (32bit) Linux ARM (64bit) Linux ARM (32bit) Windows x86 (64bit) Windows x86 (32bit) CX-M CX-DもしくはPC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
Page8

IoTデータ活用プラットフォーム CXプラットフォーム活用例 保全の改善 ベアリングの摩耗検知 品質の改善 溶接の出来栄え予測 工作機械や産業機械の主要部品であるベアリングの稼働状態を常時 良品・不良品の溶接時のセンサーデータを収集し判別モデルを作成。 センシングし、変化の予兆(劣化状態)を早期に捉え、設備保全業務を 判別モデルで溶接状態を常時監視し不良を検知。 改善する。 不良品流出防止する。 多値判別 外れ値 警告 良品 NG1 健全 NG2 生産性の向上 ドレスタイミングの最適化 品質の改善 良品・不良品要因調査 作業者によって加工機の刃のドレスタイミングにバラつきがあり、 製造時の設備の各種パラメータの時系列変化と製造品質のデータを 加工時間に差があるため、刃の状態と熟練者の交換時期のデータを 分析し、良品・不良品の下人が装置のどのパラメータ変化に影響を 分析し、最適な交換タイミングをルール化し一定品質の生産を実現。 受けているかを定量的に追及し改善する。 時系列変化と影響を可視化 2値判別 0.03 0.02 28.25% 警告 0.01 71.75% 0.00 健全 Column15Column14Column13Column12 Column11 Column10 Column9 Column8 Column7 Column6 Column5 Column4 Column3 Column2 Column1 0.0 0.1 adjusted row [1(] 26, Column 14) [2(] 26, Column 6) [3(] 11, Column 1) [4(] 20, Column 1) [5(] 24, Column 1) CX 提供サービス 東京エレクトロンデバイスは、具体的な製品検討の前段階から、お客様のデータ活用検討をサポートしています。この分野に携わるのが初めての方には、 「分析入門ウェビナー」および「オンライン相談サロン」を無償で開催し、より具体的な計画を検討される方には、分析トレーニングや分析診断サービスを ご提供しています。 無償 無償 step1 分析入門ウェビナー step2 オンライン相談サロン step3 分析トレーニング・分析診断 ご要望で個別開催も! 毎週金曜日午後開催 ご要望でいつでも個別実施 予知保全への第一歩 データ分析入門ガイドブック 現場で活用できる具体的な分析方法の お客様の課題に沿った 収集データからどのような結果が得られるか ハウツーが学べます 解決策・ノウハウの共有、 本格導入前に確認ができます ※入門ガイドブックを差し上げます。 ネクストアクションが確認できます ※分析診断レポートをご提供します。 ※お客様の診断カルテを差し上げます。 詳細はこちら https://www.inrevium.com/product/cat_product/onsite/maintenance/ ※本紙に記載された会社名、ロゴ、ブランド名、製品名、サービス名は各社の商標または登録商標です。その他全ての商標および登録商標はそれぞれの所有者に帰属します。 PB BU PB営業本部 デジタルファクトリー営業部 https://www.inrevium.com/ 本社:〒221-0056 神奈川県横浜市神奈川区金港町1番地4 横浜イーストスクエア Te:l 045-443-4030 Fax:045-443-4063 October.2020 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38