インバリアントは、システムの「いつもと違う動き」を発見するための技術

平常時に成り立つ不変関係(いつもの状態)からモデルを作り、リアルタイムデータと比較。 関係式の崩れ(いつもと違う状態)から異常を検知する。
異常発生個所の特定が可能となることで重大事故を防ぎ、機器の状態監視を継続して行い、異常や劣化の兆候が現れた箇所を都度メンテナンする事によって定期メンテナンスと比べて早い段階で異常を発見できることに加え、異常や劣化の状態に合わせた保全が可能なため、無駄なコストの発生を抑えます。

インバリアント分析の強み・特長

”いつもの状態”を自動で作成

全てのセンサデータからセンサ間の関係性が強いものを抽出し、抽出した一対一の通常時における振る舞いをモデル化します(モデル化とは、通常稼働状態(=“いつもの状態“)における一対一の関係式を作り出すこと)。

“いつもと違う”をいち早く発見

モデル化されたセンサ間の関係式は、高速演算可能なように単純化されています。そのため、収集される大量のデータとリアルタイムで比較することができ、
人が気づきにくい僅かな変化や、過去に経験のない未知の異常を早い段階で発見することが可能となります。

複数のセンサからなる時系列データからインバリアント(不変関係)を抽出し 監視モデルを作成、それを利用し現在のセンサ時系列から異常を検知する技術

1. それぞれの関係性は、その関係するコンポーネントの局所特性を捉えることができる。
2. 大量の関係性を見出すことで、システム全体の特性を従来とは異なる視点から捉えることができる。 
3. それぞれの関係性の変化を監視することでシステムの運用状態を理解することが可能。

インバリアント分析技術は従来の監視方式とは異なり、複雑な監視設定やしきい値(警報値)設定が不要なため、運転監視の負担を軽減できます。

期待できる効果

稼働率の向上

機器の故障や、人の操作ミスによる不具合を早期に発見することで、その後の対応を迅速化することにより稼働率を向上させます。

監視のためのしきい値設定の負担軽減

監視のために膨大な量のしきい値設定を行ったり、運用状況に合わせてしきい値の設定の変更や見直しに対する作業の負担を軽減することができます

熟練技術者のノウハウや経験を継承

熟練技術者の日々の運転パターンや、監視ポイントを見える化することで、技術継承を支援します。

経済的・社会的に影響が高い領域で予兆検知の重要性が増大