東芝、従来技術より検知性能が12%向上した異常予兆検知AIを開発

このエントリーをはてなブックマークに追加

株式会社東芝は12月7日、大規模で複雑なプラントに設置した数千点のセンサーから得た膨大な時系列データから、プラントの状態の変化の中に埋もれた異常の兆候を早期検知する異常予兆検知AIを開発したと発表した。

本AIは、プラントの状態変化にともなう大量のセンサーにまたがる複雑な関係を学習することで、従来は捉えられなかった異常の兆候を逃さず検知する。東芝によると、近年異常予兆検知AIは研究開発が進められているものの、大量のセンサーを同時に扱い、プラントの状態変化の中に生まれた異常を精度よく検知できるのは本AIが初めてという。

本AIを使用し、水処理試験設備の公開データで異常検知を実施したところ、検知性能は従来技術より12%向上したという。この検知性能の向上により、人が気づいた時点よりも6.8日早い時点で異常の兆候を捉え通知できるという。

異常を早期に検知することで、異常や劣化の状態に合わせたメンテナンスを可能にし、CBM(※)による効率的なプラント連用・保守と稼働率の向上が期待できる。

(※)CBM(Condition based Maintenance):状態基準保全:機器の状態を監視し異常や劣化の兆候を把握することで、その状態に応じてメンテナンスをする保全方式。

異常予兆検知AI

大規模で複雑なプラントではさまざまなシステムや機器を監視するために数千点のセンサーが設置されている。プラントを効率的に運用・保守するためには、刻々と変化する膨大なセンサーの値を監視し、異常の影響が拡大する前に検知する必要がある。

しかし、すべてのセンサー値を運転員が常時監視することは困難。熟練者の高齢化による減少や人手不足の問題もあり、大量のデータを効率的かつ高精度に監視する技術の必要性が高まっている。

プラントは複雑なシステムであり、正常に運転しているときもポンプや配管など各機器の温度や圧力などは、プラント全体の状態や各機器の状態といった複数の要因が同時に重なり変動する。センサーから得られる値には、こうした複数の要因の影響が大小さまざまな信号として同時に入ってくる。

従来技術では、これらの信号の変動を正確に学習できず、ある要因から信号の異常な変化を、別の要因からの信号の正常な変化と誤認し、異常の検知ができない場合があった。例えば、配管内の流量はプラントの出力変動やポンプ振動などの影響を受けて常に変動しているため、配管の亀裂による流量の微小な変動が正常な変動の一部として認識され、異常として検知されないことがあった。

本AIは、二つのディープラーニング(深層学習)モデルを用いてセンサー値の正常状態を高精度に予測し、センサー値と予測値のズレから、従来では捉えられなかったセンサー値の複雑な変動に埋もれた微小な異常変動を検知できる。

東芝のプラントの知見から、発電や水処理などポンプを用いて流体を扱うプラントのセンサー値には、二つの主要な信号があることを見出した。プラントの運転操作や出力変動などに伴い、多くのセンサーで同時に起きる比較的振幅が大きくて周期が緩やかな「大まかな変動」と「微小な変動」という異なる変動から得られる二種類の信号を、それぞれの変動特性にあわせて設計した二つのディープラーニングモデルで学習し、各モデルからの予測値を足し合わせることで、センサー値の正常状態の高精度な予測を実現した。

現在、東芝は東芝エネルギーシステムズ株式会社子会社の株式会社シグマパワー有明が運営する三川発電所にて本AIの実証実験中。大量のデータをオンラインで監視し、早期に異常を検知できることを確認している。

株式会社シグマパワー有明 三川発電所(福岡県大牟田市)

実証実験中の画面

>>ニュースリリース