故障データがなくてもできる異常検知 ～物理モデルの活用編～【IIFES2019での人気講演を基にしたウェビナー】

概要

* 本Webセミナーは昨年、日本最大級のオートメーションと計測のIIFES2019でご好評いただきました講演内容を基に編集し、6/11に開催予定の「故障データがなくてもできる異常検知 ～センサーデータの活用編～」との二部に分割して配信いたします。

近年、製造業を中心に様々な業界においてメンテナンス費用の高騰化や機器の老朽化、熟練した保守エンジニアの不足や引退などの背景から、機器の故障時期を予測し適切なタイミングでメンテナンスの実施を目指す「予知保全」への取り組みが加速しています。

その一方で、日常的に稼働している製造装置では不具合や故障の頻度は低く、予知保全や異常検知には欠かせない異常時のデータが不足している場合が多く見られます。

本Webセミナーでは、このような異常時のデータが不足している際に、シミュレーションによって故障データを模擬する物理モデルの活用法をご紹介します。また、生成された故障データを基に機械学習（のアプリ）を用いた異常検知の例をデータ解析のワークフローと共にご説明します。

これから予知保全を始めてみたいと思う方はもちろんのこと、機械学習を用いたデータ解析に興味を持っている方にもおすすめのセミナーです。ぜひご参加ください。

ハイライト

• 故障データの生成
• シミュレーションデータを用いたデータ解析
• アプリを使用した機械学習による異常の分類

講演者について

MathWorks Japan Senior Application Engineer

王　暁星　博士（理学）

大手外資系油田開発サービス会社に約6年勤務。地下資源採掘装置の開発、設置、データの取得と解析に従事。MathWorks Japanに入社後、技術計算のグループに所属。異常検知・予知保全をテーマに顧客先や学会で複数発表。機器の故障予測に向けたデータ解析を得意とする。