01 / 研究の方向性
機械の挙動は変化したか?
- 入力データ
- 検証されたセンサーによる同期電流、速度、位置、温度、運転状態。
- 想定する出力
- エンジニアが調べる偏差の優先順位。
- 実行場所
- ワークステーション・ゲートウェイ上の研究。ローカル推論は別途検証。
- 必要な検証
- 正常・故障例、負荷変化、誤警報、見逃し、ドリフト。
機械・保守エンジニアが根拠を確認して処置を判断します。自動診断、保護の上書き、測定済みの効果は確立されていません。
用途について相談する機械の動きがいつもと違うとき、どこから調べればよいでしょうか。AIと機械学習でデータの変化を見つけ、有用な根拠をまとめ、次の調査を支援する方法を研究しています。
研究の方向性
センサー、校正、時刻、運転条件を確認し、ラベルと来歴を保存します。
学習前に信号処理・統計の基準と比較します。学習データと独立した試験データを分けます。
誤警報、見逃し、変化、遅延、メモリ、電力を運転範囲全体で検証します。
限定した助言から開始します。担当者が結果とドリフトを確認し、必要時に以前の状態へ戻します。
決定論的制御は規則を時間内に実行します。信号処理は計測値を変換し、統計的検出は基準と比較します。モデルは学習データからパラメーターを得て、推論では新しいデータへ適用します。学習はワークステーションやサーバーで行えます。ローカル推論には独自の資源・タイミング検証が必要で、モーターループと独立した機械保護の外に置きます。
機械・保守エンジニアが根拠を確認して処置を判断します。自動診断、保護の上書き、測定済みの効果は確立されていません。
用途について相談する機械・保守エンジニアが根拠を確認して処置を判断します。自動診断、保護の上書き、測定済みの効果は確立されていません。
用途について相談する機械・保守エンジニアが根拠を確認して処置を判断します。自動診断、保護の上書き、測定済みの効果は確立されていません。
用途について相談する