AI を組み込んだよりスマートな電気機器の設計

電気システムにおけるモデルベースデザインと AI の組み合わせが業界の業務を改善

現代生活のあらゆる構成要素は、機能する電気システムに依存しています。産業規模では、これらのシステムの障害はデータの損失、無駄、そして暗闇を意味します。特に、電流のオン/オフを切り替えるデバイスである接触器という部品は、著しい摩耗にさらされます。しかし最近まで、接触器を保守するということは、デバイスがいつ故障または誤作動するかを予測することを意味していました。この問題を解決するために、Schneider Electricのエンジニアは、人工知能 (AI) とモデルベースデザインを組み合わせて、接触器自体に予知保全アルゴリズムを組み込みました。その結果、数か月に及ぶメンテナンステストを昼休みで完了できるほどに凝縮することができました。

接触器の残存寿命を数値化するためには、数か月に及ぶ集中的なテストが必要でした。しかし、エンジニアリング用の AI ツールへのアクセス性が向上したことにより、Schneider Electricのエンジニアはテスト時間を短縮しただけでなく、新しい接触器の開発期間を 3 年から 6 か月に短縮しました。

「この新しい方法が導入される前は、顧客はメンテナンス作業中に設備の電源をオフにする必要がありました」とSchneider Electricの主任技術専門家、Silvio Rizzut氏は語ります。「例えば、食品製造業では、生産を停止すると、生産ラインに残っているものはすべて無駄になってしまいます。」

受動的から能動的へ

この重要な機器は非常に高い電流と電圧を扱うため、動作条件によっては接触器の寿命が 10 年を大幅に超えることもあります。ただし、環境からの圧力によってデバイスの寿命が短くなる可能性があり、積極的な介入によって寿命を延ばすことができます。これらの変動のため、動作中の個々の接触器の残存耐用年数 (RUL) を推定することは困難です。

Schneider Electricのチームは、新世代の接触器から始めて、顧客に受動的ではなく能動的になれる力を与えることを目指しました。チームは AI を使用して、接触器に予知保全アルゴリズムを組み込み、接触器の寿命の監視と運用の維持の間の緊張を解消することを目指しました。

Rizzuto氏とその同僚たちは長い間これらの問題に懸念を抱いていました。「当社の製品は、常に電源が入った状態で、20年間、お客様の施設で使用できます」とRizzuto氏は言います。「電気部品はこのような用途向けに設計されていません。」

接触器の RUL を大まかに把握するために、技術者は作業を一時停止して接触点を目視検査し、接触器の老朽化を示す変色や穴がないか確認します。しかし、これらのデバイスの寿命を最適化し、その動作を保護するために顧客が実行できることは限られています。

Schneider Electricのチームは、新世代の接触器から始めて、顧客に受動的ではなく能動的になれる力を与えることを目指しました。チームは AI を使用して、接触器に予知保全アルゴリズムを組み込み、接触器の寿命の監視と運用の維持の間の緊張を解消することを目指しました。

TeSys Giga 接触器の設置。(画像著作権: Schneider Electric)

ゼロからのスタート

Schneider Electric氏は2016年に、残存寿命推定機能を搭載した初の接触器「TeSys Giga接触器」の開発を開始しました。しかし、この取り組みの第一段階は、Rizzuto氏の言葉を借りれば「惨事」に終わりました。

「複雑さを管理するために、モデルベースデザインとコード生成を組み込むことにしました。」
Silvio Rizzuto, principal technical expert, Schneider Electric

プロジェクトチームは、接触器の摩耗レベルを分類するために、機械学習を使用して寿命推定アルゴリズムをゼロから構築し始めました。アルゴリズムのトレーニングに必要なデータを生成するために、研究者たちは、接触器内部から電流、電圧、操作回数などの必要な指標を取得し、デバイスに操作を実行させてそれらの数値を取得できる電気カードを構築しました。

2年半にわたるAIの開発を経て、彼らは新しいTeSys Giga接触器のテストを開始しました。この最初の反復は耐久性テストに失敗し、根本的な原因を特定できる人は誰もいませんでした。手作業でアルゴリズムを作成するのは複雑なプロセスであり、人為的エラーが発生する可能性が高くなります。「管理が不可能になった」とRizzuto氏は言います。「その時点で、複雑さを管理するためにモデルベースデザインとコード生成を組み込むことを決定しました。」

TeSys Giga 接触器の分解図。ブロック接続 (Adv)、ベース、アンプル、中間フレーム、可動磁石、CMD、コイル、固定磁石などの個々の部品を示しています。

TeSys Giga接触器。(画像著作権: Schneider Electric

AIとモデルベースデザインを組み合わせる

モデルベースデザインと AI はどちらも数十年前から存在していますが、この 2 つを組み合わせ、エンジニアにとって使いやすい AI ツールが利用可能になったのは比較的最近のことです。「現在、私たちはこの方法論を使い始めたところです」と、Rizzuto 氏やこの地域の他の顧客をサポートしているMathWorks のアプリケーションエンジニア、Cédric Tridon 氏は言います。「現在、エンジニアは AI の使い方を知っており、問題を解決するための AI アルゴリズムの開発を支援するツールがあり、それらをさらに多くのアプリケーションに使用できます。」

チームは手動の方法を自動化に切り替え、 MATLABを使用して機械学習アルゴリズムのパフォーマンスの開発、モデリング、シミュレーションを再開しました。彼らは、モデルの結果を初期データセットと比較して計画どおりに機能することを確認し、 Simulinkを使用してアルゴリズムアーキテクチャを開発、シミュレーション、可視化しました。MATLAB は、プロジェクトチームが接触器に埋め込むためのコードも生成しました。

MATLAB^®を使用してモデルベースデザインと AI を組み合わせることで、プロジェクトチームには、複雑なアルゴリズムの視覚的なインターフェイスと、実際の接触器でテストする前に残存寿命機能を迅速かつ正確にシミュレートする方法という、これまで得られなかった 2 つの利点がもたらされました。

AI に関する深い知識がなかった Rizzuto 氏は、トレーニング、テクニカルサポート、オンラインサンプルなどのMathWorks のリソースを活用して、TeSys Giga 接触器の再開発を開始しました。Rizzuto氏のチームは失敗から学びました。「ブラックボックスは望んでいません」とRizzuto氏は言います。「私たちは、アルゴリズムがどのように機能するかについてすべてを知りたいのです。」

チームは手動の方法を自動化に切り替え、 MATLABを使用して機械学習アルゴリズムのパフォーマンスの開発、モデリング、シミュレーションを再開しました。モデルの結果と初期データセットを比較して、計画どおりに機能することを確認し、Simulink ^®を使用してアルゴリズムアーキテクチャの開発、シミュレーション、可視化を行いました。MATLAB は、プロジェクトチームが接触器に埋め込むためのコードも生成しました。

「私たちは、接触器の RUL をテストできるようにしたいと考えていましたが、これには通常 4 か月半かかります」と Rizzuto 氏は説明します。「このモデルを使えば、このプロセスをわずか 1 時間でシミュレートできるため、開発にかかる時間を大幅に節約できます。」

AI とモデリングによって可能になった新しい開発経路はよりスムーズなプロセスであることが証明されましたが、ハードルはまだ残っていました。Rizzuto 氏は、 MathWorks のエンジニアからの指導が重要だったと述べています。たとえば、Schneider チームには、アルゴリズムのメモリフットプリントを最小限に抑えるためのフィルタリング機能が必要でした。Schneider のファームウェア開発者がカスタムフィルターを必要としたとき、 MathWorks がフィルターの開発を支援しました。さらに、Rizzuto 氏と彼のチームは、 MathWorksのオンラインサンプルを利用して、さまざまなハードウェアレイヤーで生成されたコードによって提供されるデータの表示を最適化するコード生成用のカスタムストレージクラスを作成しました。

今回、ソフトウェアとハードウェアの両方の最初のテストを行ったとき、Rizzuto氏のチームはその結果に大きな自信を持っていました。実際、このプロジェクトは大成功でした。モデルベースデザインと AI を使用することで、チームは、それらのリソースがなければほぼ 3 年かかっていた同じタスクを、わずか 6 か月で実行できました。新しい手順により、Schneider Electricのチームが当初直面していた問題、つまりハードウェアでテストする前にシミュレーションを行う方法がないまま、手作業でアルゴリズムを作成するというエラーが発生しやすい方法の問題も回避されました。

顧客は、RUL推定機能を搭載したSchneider ElectricのTeSys Giga接触器を2021年から使用しています。「この新しい機能のおかげで、製品のメンテナンスを計画し、より効率的に使用できるようになります」とRizzuto氏は言います。接触器を検査するために業務を停止する必要がなくなり、戦略的に修理や交換を計画できるようになります。Schneider Electricは、このモデルを活用してわずか 1 時間で可能なソリューションをシミュレートし、顧客に継続的なエンジニアリングサポートを提供することもできます。

TeSys Giga 接触器のクローズアップ。摩耗信号 LED インジケータが表示されています。

LED インジケータによる接点摩耗診断とローカル障害検出により、お客様はスイッチングモジュールセットを交換する時期を計画できます。(画像著作権: Schneider Electric

Rizzuto 氏は、 MATLABとSimulinkによって製品開発のスピードアップに加え、チームメンバー間のワークフローがスムーズになったと述べています。国際的なチームとコミュニケーションを取り、全員がプロジェクトの状況を常に把握できるようにすることは、特に困難でした。しかし、MATLAB と Simulink によってその問題点が軽減されました。「多くのエンジニアがすでにこれらのツールの使い方を知っているので、 MATLABとSimulinkを使用することは明らかに有利です」と彼は言います。Simulinkを使用してアルゴリズムアーキテクチャを表示することで、複雑なアルゴリズムを理解するための共通言語も提供されました。

予知保全の未来

AI とモデルベースデザインを組み合わせることで、Schneider Electricはすでに開発にかかる時間とコストを節約できており、Rizzuto氏とその同僚はより野心的なプロジェクトに取り組むことも可能になっています。Schneider Electricは、TeSys Giga の成功を基に、新しい接触器の開発による接触器の予知保全メンテナンスのアップグレードに現在取り組んでいます。この接触器には、RUL 推定に加えて、次の操作でどのような障害が発生する可能性があるかを示す内部診断機能が含まれます。

「これらのツールのユーザーフレンドリーなインターフェースにより、簡単に理解できました。診断特徴デザイナーと分類学習器アプリのおかげで、AI の知識がなくても AI ベースの機能を探索できるようになりました。」
Silvio Rizzuto, principal technical expert, Schneider Electric

「これらのツールのユーザーフレンドリーなインターフェースにより、簡単に理解できました」とRizzuto氏は言います。「診断特徴デザイナーと分類学習器アプリのおかげで、AI の知識がなくても AI ベースの機能を探索できるようになりました。」分類学習器アプリによりモデル設計が高速化され、AI 開発がさらに加速しました。「1 か月も経たないうちに、当社の接触器に組み込まれたメンテナンス機能のリアルタイムプロトタイプを作成することができました」と彼は付け加え、開発マネージャーたちに感銘を与えました。

現時点ではまだプロトタイプであるこの新しい接触器では、中規模ニューラルネットワークが診断機能を強化し、メンテナンスの問題が発生すると顧客に警告します。この追加機能により、予期しない機器の損傷、生産の遅延、無駄に対する顧客の防御がさらに強化されます。

診断特徴デザイナーとその多機能グラフィカルインターフェイスにより、チームは AI の知識がなくても AI ベースの機能を探索できるようになりました。

その他の事例を読む

機械学習