1. 異常検知とは
2. 計測データと機械学習を活用した異常検知のユースケース
3. システムの全体像とCTCのサービス内容
4. システム構成例
5. 画面例

1. 異常検知とは

異常検知は多くの業界でニーズが多い課題です。近年は機械学習を利用した異常検知が実用化されており、生産性の向上に役立っています。

本サイトでは特に、センサーなどで計測されたデータをもとに、産業機械の機能の異常や製造物の品質の異常を機械学習で検知するためのシステムについてご紹介します。

2. 計測データと機械学習を活用した異常検知のユースケース

工場や発電所では、さまざまな機器の稼働状況を監視するためのデータが計測されています。これらのセンサーデータをもとに、設備の異常の予兆を検知するという利用例があります。

完全な故障、停止に至るまえに予兆の段階で検知することで、突然停止した場合よりも損失を小さくすることができます。

3. システムの全体像と、CTCのサービス内容

機械学習による異常検知を実現するためには、下図の円のように、計測 → 収集・蓄積 → 可視化 → 機械学習による検知 → 通知という一連の流れを実行するためのシステムが必要です。

CTCは計測より後のすべての範囲に関して、検討からシステム構築、運用をご支援いたします。

• データ蓄積
  センサーデータは時系列データベースに格納することで、高速に読み書きできます。InfluxDBは世界でも評価の高い時系列データベースであり、多くの業界で様々な目的で利用されています。
• 可視化
  GrafanaはInfluxDBと親和性の高い、オープンソースの可視化ソフトウェアです。基本的にはマウス操作により、次ページのような画面を作成できます。また閾値設定なども可能です。
• 機械学習による異常検知
  CTCは、お客様の課題に対しるセンサーデータと機械学習による異常検知の有効性を検討するPOCフェーズからご支援します。
• システム開発
  InfluxDBやGrafana以外にも、適切なツールを組み合わせたシステム開発を支援いたします。

4. システムの構成例

下図は、シンプルなシステムの構成例です。センサー計測値などの時系列データは時系列データベースであるInfluxDBに格納し、表形式のデータに関してはリレーショナルデータベース（RDB)に格納します。計測データにもとづく異常検知処理などの計算は、機械学習ライブラリを使ってPythonでプログラミングを行い、計算結果をまたDBに書き込みます。DB内のデータはGrafanaを用いて、表示することができます。

5. 画面例：異常検知システム画面の構成例

下図は、可視化ソフトウェアGrafanaの画面例です。折れ線形式や棒形式などの各種グラフのパネルをマウス操作で組み合わせ、目的に応じたダッシュボードを容易に作成できます。