技術概要

従来の異常検知では、対象データごとに特徴設計やモデル構築を個別に行う必要があり、音・振動・各種センサデータを横断的に扱うことは容易ではありませんでした。本技術では、これらの時系列データをスペクトログラムなどの画像表現へ統一的に変換し、深層学習に基づく手法を用いて正常パターンからの逸脱として異常を検出します。これにより、異なる種類のデータに対しても同一の処理系で適用でき、個別開発の負担を軽減できます。さらに、異常度や異常箇所を可視化することで、直感的に状況を把握しやすくなります。

想定される活用事例

本技術は、音・振動・各種センサデータなど多様な時系列データに適用でき、製造業の設備異常検知や予兆保全、インフラの劣化監視、品質管理、さらには通信・IT分野の異常監視など幅広い用途が想定されます。異常の早期発見により設備停止の回避や保守コスト削減につながり、安定運用を支援します。本技術はデータ種別に依存しない仕組みにより導入のハードルを下げ、効率化と安全性向上に貢献します。

※マウスオーバーで拡大、クリックすると別タブで最大表示します。

特許情報

企業へのメッセージ

本技術は、音・振動・各種センサデータなど、異なる形式の時系列データに適用可能な異常検知AIです。設備保全や品質管理、監視システムへの応用を想定しています。現場データを用いた実証や新たな適用先を考えております。異常検知や予兆保全に課題をお持ちの企業の皆様のご来場をお待ちしています。

お問い合わせ先

神奈川工科大学 研究推進機構

E-mail: liaison@kait.jp