設備の予兆保全を実現する上でよくある課題やその解決策など、システム導入前に役立つ情報を掲載
当社では、製造工場における各種データの取得から活用まで、一貫した技術サポートを行っております。
さらに、データ収集ツールを含めたインフラ構築にも対応可能です。
本資料では、設備の予兆監視を実現する上でよくある課題やその解決策のほか、
当社の解析・予兆管理システム「＠FieldEye Manager」の特長、活用イメージなどをご紹介しています。
「設備の予兆保全を始めてみたい」「設備データの収集・活用で課題がある」といった方におすすめの内容となっています。
※詳しくはダウンロードボタンよりご覧ください。お問い合わせもお気軽にどうぞ。
このカタログについて
| ドキュメント名 | 【解説資料】『予兆保全を成功させる設備データの収集・活用方法』 |
|---|---|
| ドキュメント種別 | ホワイトペーパー |
| ファイルサイズ | 3.6Mb |
| 登録カテゴリ | |
| 取り扱い企業 | アットフィールズテクノロジー株式会社 (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
このカタログの内容
Page1
1/22
予兆保全を成功させる
設備データの収集・活用方法
アットフィールズテクノロジー株式会社
Page2
z 2/22
社名 : アットフィールズテクノロジー株式会社
Atfields Manufacturing Technology Corporation
事業内容 : インフラシステム構築及びアプリケーションソフトウェア開発
データ収集及び解析
製造技術分野における工法開発
「Information Technology」 「Data Science」 「Industrial Engineering」
魚津/富山
本社 : 富山県魚津市東山800番地
砺波/富山 妙高/新潟
拠点 : 富山県（魚津市／砺波市）、新潟県（妙高市） 豊田/愛知
京都府（長岡京市）、愛知県（豊田市）
長岡京/京都
Page3
3/22
今 回 お 伝 え し た い こ と
Page4
4/22
生産工程の予兆管理実現には、
生産設備のデータの収集・連携による 『つながる化』 が
必要だとされています。しかし、単にデータを集めて 『つなげる』
だけでは、思い描いていた経営価値を得ることは出来ません。
価値に 『つながる』 データを集め、活用することが重要です。
Page5
5/22
経営価値を得るために必要なデータの収集・加工・解析方法、
データを活用した改善事例をご紹介します。
CHAPTER
０１ 想定課題
０２ 課題の解決策(弊社サービスの紹介)
０３ 事例紹介
Page6
6/22
CHAPTER
想 定 課 題
こんな課題でお悩みではありませんか？
Page7
7/22
生産設備をつなげてデータを集めた！
でも、経営効果に結びつかず、お困りではないですか？
【よくある原因】
①データの項目や種類が十分に揃っていない
②データの整理や整形(クレンジング)が難しい
③データ解析をしても要因究明に繋がらない
Page8
8/22
収集したデータの中に分析における重要因子がなければ、正しい
分析結果を導くことは出来ません。設備の状態変化を捉えるには、
物理現象によって変化するパラメータを収集することが重要です。
リーク発生
フィードバック制御 製品
出来栄え
バルブ開度 レベル
データ Time
パッシブ センサ
パラメータ 監視
アクティブ
パラメータ
収集すべき ◀水位
パラメータ 製品 (設定値)
リーク アクティブ 最も高感度に
パラメータ パッシブ 異常を検知
パラメータ
廃液
バルブ開度 水位 不良率
Page9
9/22
データを集めても、
すぐにデータ分析や設備の状態監視に活用できるとは限りません。
活用の前に 『用途に応じたデータに変換する』 必要があります。
収集後のデータ例
時系列に並んだ数値の羅列
用途に応じた
csv
Time Pressure Temp データ形式にするには、
2021/7/31 10:00:00 0.00 2.12 加工必要
2021/7/31 10:00:01 0.00 2.12
2021/7/31 10:00:02 1.20 3.50 ・見たいデータの切り出し
2021/7/31 10:00:03 1.30 3.50 ・電圧値からセンサ値に変換
・
・生産情報との紐付け
・
etc・・・
・
2021/8/31 10:00:00 0.00 2.12
Page10
10/22
統計的に得られた相関関係には、疑似・偶然相関も含まれます。
因果関係は、統計解析結果のみでは、抽出することができません。
相関関係
因果関係が
偶然相関
あるかどうかは、
疑似相関 因果関係がないのに パラメータA 統計解析結果のみでは、
偶然、相関関係が確認される
直接の因果関係はないが、 パラメータ 判断できない
因果関係のあるパラメータと
因果関係があるパラメータ
因果関係
パラメータB
目的変数 目的変数
Page11
11/22
CHAPTER
課 題 の 解 決 策
課題を解決する弊社サービスの紹介
Page12
12/22
統計モデル×物理モデル
Page13
13/22
収集すべきデータを選定し、あらゆる手段でデータを収集
⇒データ解析の高精度化
データ選定 データ収集
■現場でデータを確認、収集すべきデータを選定 ■多種多様な方法で、設備データを追加収集
各種センサ
フィードバック制御 ①アナログ出力 ・温度計
・流量計
etc…
バルブ開度 レベル
パッシブ センサ ②PLC
PLC
パラメータ
③オンライン出力
◀水位 制御PC
製品 (設定値)
リーク アクティブ ④装置ログ
パラメータ 制御PC
Camera
廃液 ⑤画像 画像データ
Page14
14/22
収集したデータを自動で処理し、『直ぐに活用できる』 データに変換
⇒解析の時短に繋がり、処置対応・経営判断のスピードUP
データ切り出し、変換処理 データ紐付け
■必要なデータを製品単位で切り出し ■解析に必要な情報を紐付け
【製品単位に切り出し】 【ステップ情報の付与】 処理 材料
測定値
時間 履歴 履歴
Spec
停止 生産中
紐付け後のデータ
(アイドル中) 製品A 製品B STEP
① ② ③ ④ DB 製品ID
┣ 処理時間
処理時間 ┣ 処理設備
A B
MES情報 設備データ ┣ 使用材料
┣ 測定値
■最終の活用方法に合わせたデータの変換 ┣ ・・・
【例】
振動・音 ⇒ 周波数特性
MES 設備
モーターパルス ⇒ 回転数
センサデータ
Page15
15/22
統計的に抽出した相関関係の中から、技術的に妥当なパラメータを選定
⇒高精度な予測モデルの構築が可能
統計モデル 物理モデル 学習データ 訓練データ
（モデル構築に使用） （モデル構築に未使用）
（統計解析結果） （技術知見）
High
物理モデルの考慮なし
Low
予測値
Parameters 因果関係のある
実測値
パラメータを選定
Time
Variable
importance
不良率 不良率
Page16
16/22
CHAPTER
事 例 紹 介
データ収集・活用による改善事例
Page17
17/22
パッシブパラメータを追加することで、キーパラメータを特定
⇒予測モデルの精度が向上！対策導入による不良削減を達成！
Before After
目的変数：製品出来栄え 目的変数：製品出来栄え
説明変数：既存取得パラメータ 説明変数：既存＋追加取得パラメータ
＜説明変数＞ ＜説明変数＞
R2=0.11 R2=0.88
5%
32%
95% 68%
製品出来栄え パッシブパラメータ 製品出来栄え パッシブパラメータ
（予測値） アクティブパラメータ （予測値） アクティブパラメータ
製品出来栄え
（実測値）
製品出来栄え
（実測値）
Page18
18/22
パーツ劣化の予兆を検知できるキーパラメータを特定、監視することで、
品質を維持しながら、ランニングコスト削減を実現
従来のメンテナンス コンディショニングベースのメンテナンス
予防保全：TBM(Time Based Maintenance) 予知保全：CBM(Condition Based Maintenance)
故障の有無に関係なく定期的に実施 パーツの劣化具合を示すデータを監視することにより、
真に必要と判断されたときのみ、交換実施
✓品質重視で過剰なパーツ交換
ハロゲンランプ
交換 (全数百個)
抵抗
電流
Time
電圧
【パーツ交換周期】
コントローラ
(制御ボード)
✓異常兆候の検知は熟練者の暗黙知に依存
対象の１個のみ交換 監視
熟練者の退職、人材不足、省人化により継続が困難 ※従来は全数(数百個)交換 【導入効果】
Spec
トラブル 保 守 費 用 削 減
暗黙値(経験、勘)
音、振動、形状 予 知 保 全 の 実 現
熟練者 知見に基づき対応
処理日 異 常 判 断 の 形 式 知 化
パラメータB
Page19
19/22
事 例 紹 介
データを有効活用するシステムの紹介
Page20
20/22
生産現場で発生する大量のデータを一元管理
データ解析～予兆監視をシームレスに実現する設備データプラットフォーム
①大容量データ一元管理・高速処理・外部連携 ②高精度解析
トリミング
生産管理システム メールサーバ 重ね合わせ
データ一元管理
生産実績 設備号機間差や 昇降・不安定区間を除外した
正常・異常データの差異を確認 統計値計算・規格値設定
異常データ
制御指示 詳細情報 設備１ Step2 Step3
設備２
処理実績
設備 センサデータ
・10,000ファイル/日 アラーム発報
（メール・電話etc） トリミング
・最大2,000ファイル/時間
生産現場で発生する大量のデータを一元管理・活用 高精度な異常検知、解析が可能
③異常検知 ④モデリング
トレンドグラフ 時系列波形 学習モデル作成 学習モデルによる自動判定
異常を素早く検知・通報、 異常点における詳細分析を 処理済データを用いて 異常個所の特定や規格値の
即時に異常内容を確認 時系列データで表示 簡単に学習モデルを作成 設定無しで異常検知が可能
異常データ
閾値
学習データ
Step1 Step2 Step3 波形データ
リアルタイムな異常検知、容易に異常データ分析が可能 設定作業の大幅な効率化、未知の異常検知を実現