センサデータの確率分布に基づく機械の状態フィルタリング

摘要

社会インフラ産業の機器は、停止による影響が大きいため、機械の状態に基づいて予防保全を適切に行う状態監視保守が重要である。これを実現するためのキー技術が、機械に付加されたセンサからの大量のデータを分析し、機械の故障や性能劣化を検知する異常検知技術である。本研究では、多変量データを扱う機械学習の手法を使って異常検知を行う。今回は、機械の稼働データを自動的に分類するクラスタリングを使った異常検知技術を扱う（Fig.1）。クラスタリングは、機械の複数のセンサデータを複数のデータの集合に切り分けて識別空間を作成する学習フェーズと、センサデータと識別空間上の最近傍クラスタとの距離を計算する診断フェーズで構成される。この手法は、学習フェーズと診断フェーズのデータを比較する方法である。このため再現性の低い機械の状態をデータに含めてしまうと、正常動作であるにもかかわらず、誤って異常と検知する可能性がある。これを抑制するために学習と診断の前に、機械の状態を判定するセンサと閾値を使って、機械の定常状態を抽出することで、異常検知の精度を高めることができる。定常状態抽出処理を状態フィルタと呼ぶ。本報告では、状態フィルタの自動生成技術を開発する。