正常時の製造運転データをAIに学習させることで、未経験のトラブルを検知でき、現場エンジニアに寄り添ったシステムを提供します。
【こんなお悩みはありませんか？】
・異常データが無い（少ない）
・誤検知が多い（精度が低い）
・現場で使われない（ブラックボックス化）
SAILESSでは、せっかくのシステムをブラックボックス化しないためにも、現場の声を最優先に、災が起きる予兆を知るための使えるAIサービスをご提供いたしております。
【SAILESSができること】
・正常データを利用してシステム構築
・未経験トラブルも予兆検知
・ユーザーによる運用（検知モデルの再学習が容易）、横展開が可能
【異常予知ができるからこそ、製造・保全業務の課題解決で収益改善】
SAILESSを導入することで、製造ラインの緊急停止回避や、
生産ロスを低減できます。また、保全部門においては、状態基準保全
（CBM）を取り入れることができ、保全費用の削減や重大事故を
防止することで、最適なプラント・ファクトリー運営に寄与します。
【サービス内容(BTOモデル)】
１．課題ヒアリング・データ分析（PoC）
様々なお客様の現場課題に対して、ジャストフィットした予兆検知
システムを提供するため、目的や課題、検知したい異常、現状のデータ
取得状況をヒアリングし、データ分析から対応可能です。
※対象データが現場止まり、蓄積されていない場合でも データベースの
構築からご支援いたします。
２．異常検知アルゴリズム選定
予兆検知は検知したい異常によって、アルゴリズムの最適解が
異なります。SAILESSではデータ分析結果から、異常検知に必要な様々な
アルゴリズムからベストな手法を選定します。
３．検知システム構築
最適なアルゴリズムを用いて新たな指標となる[異常度]を算出し、
可視化します。監視画面は様々なPIMS（プラント情報管理システム）
ツールやOSS（オープンソースソフトウェア）などでの構築が可能です。
また、お客さま専用の監視画面開発にも対応いたします。
対象設備などの経年劣化による誤検知に備え、ユーザご自身が操作・
結果が評価が出来るよう、AIモデルの再学習支援システムも
提供いたします。
【導入実績と効果】
▪工程全体
チョコ停削減による収益改善、
故障早期発見による保全費用削減
▪蒸留塔、反応器
異常の早期発見による品質低下防止
▪センサー
突発故障の回避による収益改善
▪セメント工場
キルン：異常早期発見による品質低下防止
▪組立系
制御装置：保全の効率化
※その他の非定常バッチプラントでも導入可能です。
このカタログについて
| ドキュメント名 | AI異常予兆検知システム構築サービス【SAILESS（サイレス）】 |
|---|---|
| ドキュメント種別 | 製品カタログ |
| ファイルサイズ | 3Mb |
| 登録カテゴリ | |
| 取り扱い企業 | 株式会社宇部情報システム (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
スライド 1
正常データから
AIで異常予知を実現
Page2
スライド 2
SAILESSとは
現場の災（事故・損失）を削減する
異常予兆検知システム構築サービス
SAILESSは正常時の製造運転データをAIに学習させることで、過去に経験していないトラブルを検知でき、
現場エンジニアに寄り添ったシステムを提供します。
SMART AI ALERT SYSTEM SERVICE
災レス
UISでは、様々な対象物・異常のタイプに対し、
ジャストフィットした異常検知の仕組みを自社開発で導入した実績があります。
その実績とノウハウを使って、広く皆様のお役に立てられるよう、
必要なパーツを組み合わせて構築できるＢＴＯモデルとしてサービス展開しております。
2 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page3
スライド 3
異常検知システム構築時・導入後の課題
このようなお悩みはありませんか？
01 02 03
異常データが無い（少ない） 誤検知が多い（精度が低い） 現場で使われない
異常データを必要とする手法の場合、特に製 そもそも検知モデルの精度が低かったり、適 オペレーターの監視・操作の手間が逆に増え
造業では異常データが少なく、AIに学習がで 切な閾値が設定されておらず、誤検知が多発 てしまっている。また、システムの説明力が
きない問題がある。 したり取りこぼしが生ずる。 低く「ブラックボックス」となっており、現
場から敬遠される。
3 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page4
スライド 4
SAILESS ができること
SAILESSは［使えるAIサービス］として構築・ご利用いただけます
01 02 03
正常データを利用した 未経験トラブルを ユーザーによる運用や
システム構築 予兆検知 横展開が可能
SAILESSでは、各種センサーから得た正常稼 SAILESSでは、［異常度］を正常時データだ 導入後、AIモデルのチューニングや、同一傾
働時データから最適なアルゴリズムを用いて けで算出するため、これまで未経験のトラブ 向がある他の機器への横展開をユーザー様ご
［異常度］を算出し、アラートするシステム ルでも予兆検知することが可能です。 自身で実施出来る仕組みをご用意します。
です。
4 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page5
スライド 5
SAILESS サービス特徴 - 事前ヒアリング -
SAILESSではジャストフィットした予兆検知システムを提供するため、
目的や課題、検知したい異常、現状のデータ取得状況のヒアリングから始めます。
❶ 目的や課題の確認 ２.異❷常異・常故・障故の障内の容内確容認確認 ❸ データ取得状況の確認
保全であれば どんな事象？ どの時系列データベース？
DB
・保全費用の削減 ・突発的 ・PIMS
・重大事故の防止 ・長期劣化 （プラント情報管理システム）
・OSS
検知対象は？ （オープンソースソフトウェア）
製造・運転であれば
・特定の機器 ・対象のセンサー値未取得
・緊急停止回避
・工程全体
・生産ロス低減
対象データが現場止まり、蓄積され
運転状態は？ ていない場合でもご安心ください。
データの蓄積部分からご支援いたし
・定常 ます
・非定常
5 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page6
スライド 6
SAILESS サービス特徴 - 正常データを用いた異常予兆検知 -
SAILESSでは正常からの外れ具合(距離)を異常度とし閾値を設け、正常状態と異常状態を判定
これにより正常データから異常検知が可能であり、未知のトラブルでも回避が可能となります
a : 正常データの分布に基づいた手法 b :ソフトセンサー応用 c : ディープラーニングを使った手法
入力層 出力層
対象物に関する複数の変数でグルーピングし、過去の正 測定不能箇所/測定頻度の低い箇所に対し、周辺センサー オートエンコーダーと呼ばれており、入力に対し、全変
常時データから、分布・特徴を学習します。 値を使って予測します。過去の正常時データを使って予 数を出力するモデルです。正常データでモデル構築し、
現在値が正常データの分布から離れている距離を異常度 測モデルを構築した後、現在値を用いて目的変数の値を 現在値を入力して判定します。出力層と入力層の差を異
として算出します。 予測し、予測値と実測値の差を異常度として算出します。 常度として算出します。
6 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page7
スライド 7
SAILESS サービス特徴 - ユーザ自身によるモデル追加・再学習ツール -
導入後、他工場への横展開（モデル追加）や、モデルの経年劣化改善のための再学習を
お客さま自らが実施できる仕組みをご提供
モデル追加・再学習ツール（AIトレーナー）
✓ 装置のオーバーホールなどにより、正常データの特徴
が変わった際、AIモデルの再学習を行う必要がある
✓ 再学習をお客さま自身が、直感的に操作・結果の評価
ができるよう、再学習支援システムもセットで導入
• 運用費用の削減
• 迅速なモデル更新が可能
7 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page8
スライド 8
SAILESS 導入のメリット
異常予知により、製造・保全業務の課題解決で収益改善に貢献します
製造部門 保全部門 企業全体
緊急停止回避 生産ロス低減 保全費用削減 重大事故防止
SAILESS™を導入することで、これまで起こっ SAILESS™を導入することで、工場内の機械・ 収益改善
ていなかったトラブルの予兆を事前に検知でき 設備の状態をデータで監視することが可能とな
るようになり、製造ラインの緊急停止を回避す り、状態基準保全(CBM)を取り入れることが SAILESS™は、製造部門や保全部
ることが可能です。また、設備の異常をいち早 できます。 門の課題解決をすることで、最適
く検知することで歩留まりを低減するコストメ 時間基準保全（TBM）とミックスした保全活 なプラント・ファクトリー運営に
リットが生まれます。 動によって、保全費用の削減や、未経験トラブ
寄与します。
ル予兆による重大事故を防止できます。
8 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page9
スライド 9
SAILESS ニーズに応じて選べる機能
さまざまなお客様の現場で抱える課題に対し、ジャストフィットした検知システムをご提供するため、
ＢＴＯ（Build to Order）モデルを採用しております
データ連携・前処理を以下から選定（様々なデータソースに対応）
PIMS※1ベース CSV連携 RDB連携 異常を検知したい対象設備の有効データが収集出来ていない場合は、
時系列データベースの構築も可能です
時系列データベース(OSS※2)の構築・連携
異常検知アルゴリズムを以下から選定 課題や設備にマッチした最適なアルゴリズムを選定
SAILESS-HS SAILESS-HM SAILESS-SS 定常 非定常
（連続プラントなど） （バッチプラントなど）
SAILESS-SD SAILESS-DL
SS：ソフトセンサー応用 SD：ソフトセンサー応用
機器単体 （定常） （非定常）
監視画面を以下から選定 センサー故障
HM：多変量
PIMS※1ツール使用 OSS※2使用
DL：ディープラーニングモデル
お客様専用の監視画面開発（スクラッチ開発） 工程全体
HS：1変量+α
モデル追加・再学習ツールの構築・ご利用
※1：PIMSとはプラント情報管理システム(Plant Information Management System)の略称です
構築・利用する 構築・利用しない ※2：OSSとはオープンソースソフトウェア(Open Source Software)の略称です
9 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page10
スライド 10
SAILESS ニーズに応じて選べる機能 - PIMSをベースにしたバッチプラントへの導入ケース -
時系列データベースを既に導入済みの企業に異常検知システムを構築する場合
データ連携・前処理を以下から選定（様々なデータソースに対応）
PIMS※1ベース CSV連携 RDB連携
時系列データベース(OSS※2)の構築・連携
異常検知アルゴリズムを以下から選定
SAILESS-HS SAILESS-HM SAILESS-SS
SAILESS-SD SAILESS-DL PIMS※1ベースでモデルの再学習可能な
異常予兆検知システム構築
監視画面を以下から選定
PIMS※1ツール使用 OSS※2使用 【期待される導入効果】
お客様専用の監視画面開発（スクラッチ開発） 異常の早期発見による品質低下防止
突発故障の回避による収益改善
モデル追加・再学習ツールの構築・ご利用
※1：PIMSとはプラント情報管理システム(Plant Information Management System)の略称です
構築・利用する 構築・利用しない ※2：OSSとはオープンソースソフトウェア(Open Source Software)の略称です
10 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page11
スライド 11
SAILESS 導入ステップ例
異常を検知したい設備や目的を確認するため、
事前ヒアリングからPoCを経てジャストフィットしたシステムを構築します
事前ヒアリング PoC（事前検証※Proof of Conceptの略称） 設計・チューニング 導入
2ヵ月～ 3ヵ月～
Step 01 Step 02 Step 03 Step 04 Step 05 Step 06 Step 07 Step 08 Step 09 Step 10
時系列 お見積・
PoC内容 チューニン
ヒアリング データの 前処理 異常度算出 可視化 提案書を 設計 導入
ご提案 グ
ご提供 ご提示
お客様
• 課題の概要確 • 試用モデル • 正常期間や • 平滑化、粗 • 課題や対象 • 結果（異常 • PoCの結果を • 本番運用の • PoCの結果を • 本番環境へ
認 の提示（複 評価期間の 視化 から複数の 度の推移） 受けて、本 為、設計を 受けて、必 の導入
• データの概要 数可） 時系列デー • ノイズ除去 アルゴリズ を時系列ト 番システム 実施 要に応じて
確認 • スケジュー タのご提供 • 特徴量抽出 ムを用いて レンドで可 導入のお見 チューニン
ルの提示 算出 視化 積・提案書 グ
• 費用の提示 をご提示
11 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page12
スライド 12
SAILESS システム構成例 - Case.1 -
◎ PIMSなど時系列データベース（書込み可）の環境が既に構築されているお客さまへの導入例
✓ 異常検知システムが動く計算用PCを新設
✓ 既設のデータベースへ異常検知システムの解析結果を登録し、運転データと併せて監視する仕組みを構築します
✓ 監視画面は既存の監視ツールの利用か、Webアプリによる可視化ツールをご提供します
サーバ
運転データ 既設
PIMS、OPC、etc
DB 解析結果 新設
ｸﾗｲｱﾝﾄPC
計算用PC 異常検知
システム
監視画面 リアルタイム監視
アラート発砲
制御装置
12 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page13
スライド 13
SAILESS システム構成例 - Case.2 -
◎ DBや可視化環境がないお客さまへの導入例
サーバー機を1台新設し、以下の構築します。
✓ 運転データと異常検知システムの解析結果を蓄積する時系列DB
✓ 異常検知システムの計算プログラム
✓ 監視画面（Webアプリ）用Webサーバー
計算＆DB＆
可視化Webアプリサーバ 運転データ 既設
異常検知 解析結果 新設
システム DB
ｸﾗｲｱﾝﾄPC
監視画面
Webブラウ
ザ
リアルタイム監視
アラート発砲
制御装置
13 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page14
スライド 14
SAILESS 導入事例
ケース：化学プラントにおける回転機の保全業務効率化（データベース構築とSAILESS-DL）
導入前 導入後
従来の上下限アラート AIにより、早期検知、
検知タイミングが遅く、センサー間の センサー間の乱れの検知も可能
関係の乱れは検知できない
AIによる状態基準保全により、
時間基準による保全により、過剰保
全になっている可能性あり ・OSSデータベース構築 保全業務を効率化
・正常データから故障検知
突発事故を未然に防ぎ、生産ロス、
突発事故には事後保全となり、生産 (ディープラーニング)
事故を回避
ロス、事故のリスクが高い
事後保全・時間基準保全 状態基準保全により、メンテ回数の削減
故障予兆早期発見による保全業務効率化を実現 年間数百万円の削減効果！
14 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page15
スライド 15
会社概要
会 社 概 要 事 業 内 容
商 号 株式会社宇部情報システム • パッケージ・ソリューション
• 情報インフラソリューション
本社所在地 〒755-8622 山口県宇部市相生町8番1号 宇部興産ビル • 受託開発
代 表 者 代表取締役社長 松居 啓作 • CAEソリューション、画像ソリューション
• データセンター
設 立 1983年9月16日
資 本 金 1億円(株)オージス総研 51％、UBE(株)49％
売 上 高 8,137百万円（2022年度） 認 証 取 得
従 業 員 427名（2023年4月1日現在）
品質マネジメント（JQA登録）
拠 点 山口本社、東京、大阪、福岡
情報セキュリティマネジメントシステム（JQA登録）
一般第二種電気通信事業者（総務省登録）
プライバシーマーク（JIPDEC認定）
15 Copyright Ube Information Systems, Inc. All Rights Reserved.
Page16
スライド 16
End of File