「異常データが無い」場合の「状態基準保全」の実現
こんにちは、マジセミ寺田です。
いつもマジセミにご参加いただきありがとうございます！
今回は、「「異常データが無い」場合の「状態基準保全」の実現」というテーマについて解説するセミナーを企画しました。
2023年6月13日（火）10：00 - 11：00
https://majisemi.com/e/c/uis-inf-20230613/M1B
参加できなかった方にも、以下のサイト開催１ヶ月後に動画・資料を公開します！
https://majisemi.com/
働き方改革、製造のリードタイム短縮により、設備保全の効率化は重要
現在、製造業は厳しいグローバルな競争、さまざまな顧客の要望、そして働き方改革などにより、ビジネス環境は急速に変化しています。
これに伴い、製造現場でも生産工程の自動化や省人化といった取り組みが活発に行われています。
そのため、設備保全の領域においては、工場全体の効率化や最適化が進展し、リードタイムが短縮される中、工場設備の故障やメンテナンスによる停止が、企業の生産計画に大きく影響を及ぼす可能性が増えています。
近年ではIoTやAIの技術を利用して、設備のパフォーマンスをリアルタイムでモニタリングし、設備のダウンタイムを最小限に抑えることが可能になってきています。
今後企業が工場の生産効率をさらに向上させて競争力を高めるためには、これらの最新技術を活用し、設備の稼働率を最大限に引き上げる「状態基準保全」を実現することが求められます。
「状態基準保全」には様々な課題がある
しかしながらこのIoTやAIを利用した「状態基準保全」の実現には多くの課題があります。
まず、設備から故障やトラブルと因果関係を持つ高品質なデータを収集する必要があります。
しかし実際の製造現場では、どのデータを収集すべきかが明確でないことが多く、また明確になっていたとしても、データの品質が十分では無いケースも多く存在します。
また仮にデータが収集できたとしても、そのデータを適切に解釈し、何が正常の範囲であり何が異常であるかを判断する必要があります。
さらに突発的な故障、長期的な劣化など、それぞれの要因を正しく理解した上で、適切なアルゴリズムを使い分ける必要があります。
つまりは「状態基準保全」の実現には、対象の設備の使用条件や特性をきちんと理解し、データ、アルゴリズム、そして閾値の最適な組み合わせを試行錯誤する必要があります。
「異常データが無い」に応えた、「状態基準保全」実現への具体的な取り組み
宇部情報システムは長年にわたり製造現場の装置データからの「設備状態の見える化」や、「AIを用いた故障、トラブル予知」について、多くの取組みを進めてきました。
このセミナーでは「正常データ」のみで故障・トラブル予知が可能な、AI予兆検知構築支援サービス「SAILESS（サイレス）」を中心に、どんなデータを使えばいいのか、どんなアルゴリズムで構築したのか、メンテナンスはどうすればいいのか、といった、実際に当社が実施した、具体的な製造現場の実例についてご紹介いたします。
特に
・設備データを利活用し、保全技術カン・コツ依存から脱却したいと考えている方
・設備のデータ収集、特に異常データの収集に課題を持っている方
・実際にシステムを構築したが、予測精度や横展開に課題を持っている方
などに特におすすめです。
★ここでしか聞けない内容です！★
2023年6月13日（火）10：00 - 11：00
https://majisemi.com/e/c/uis-inf-20230613/M1B
Youtubeで過去開催したセミナーの動画が視聴できます。チャンネル登録お願いします！
この記事が気に入ったらサポートをしてみませんか？