AI活用による工作機械の異常予兆検知と精度改善

Polaris.AI は、大手自動車メーカーを対象に、工作機械のセンサデータを活用した異常検知システムの構築・検証を支援しました。品質保証と生産効率の両立を目指し、複数の機械学習手法を組み合わせた実証的なアプローチで、現場への導入を見据えた実用的な基盤を構築しています。

本プロジェクトの背景

クライアント企業では、工作機械の品質管理にセンサデータを活用していましたが、既存の仕組みでは不要なアラートが頻繁に発生し、現場の検査負荷やライン稼働ロスが課題となっていました。本プロジェクトでは、異常を見逃さずにアラートの精度を高める AI システムの構築を目指しました。

支援内容

Polaris.AI は、データの前処理・可視化から各手法の設計・実装・評価まで、プロジェクト全体を一貫して支援しました。

• センサデータの前処理・可視化パイプラインの構築

• 複数の機械学習アプローチの並行設計と実装

• 各モデルの精度評価と比較分析

• 特徴量の重要度分析と業務効率化効果の試算

• 段階的な現場導入ロードマップの策定

技術詳細

画像認識アプローチと強化学習アプローチを起点に、実データの特性に合わせて複数の機械学習手法を網羅的に検証しました。

• 可視化・統計解析：データの分布傾向を把握し、手法選定の土台を構築

• 強化学習による閾値最適化：AI が自動で判定基準を調整するアプローチを検証し、従来方式との比較優位性を整理

• 波形パターンによるクラスタリング：波形の形状的な特徴から異常を検出する手法を検証し、有効性を確認

• 画像認識モデルの活用：波形データを画像として学習させるアプローチを検証し、高い適合率を達成

• 多変量統計解析による判別：複数の特徴量を統合した判別手法を検証し、最有力手法として選定

Polaris.AI は今後も、製造現場のデータを活用した AI ソリューションの設計・実証を通じて、クライアントの業務改善と意思決定支援を技術面から支えてまいります。