ホーム
サービス

AI コンサルティング

YOKOGAWAのAI技術

YOKOGAWAではお客様の課題を解決するため、Autonomous Control AI/AI Data Analyticsの2種類の独自AI技術を開発しています。AI技術を使用してプラントで発生している様々な問題の原因推定や発生予測、自律制御を目指します。

Autonomous Control AI

強化学習AI（FKDPP）による自律制御
FKDPP（Factorial Kernel Dynamic Policy Programming）とは、プラントの自律制御に向けて、2018年に横河電機株式会社と奈良先端科学技術大学院大学が共同開発したアルゴリズムです。「品質と省エネの両立」のように相互干渉する目標など、既存の制御手法（PID制御・APC）では自動化できなかったものを含め制御全般に適用できる利点があります。

FKDPPを利用したAutonomous Control AIの事例紹介はこちら
>【横河電機/JSR】世界初 AIによる自律制御で化学プラントを35日間連続制御
> 横河電機とドコモが、5G・クラウド・AIを活用したリモート制御に成功

AI Data Analytics

YOKOGAWAはプラントにおけるお客様の様々な課題解決を手がけてきました。これらの課題のうち、従来の解析手法で解決できなかった案件に対し、AIを適用して50件もの課題を解決してまいりました。

Image Zoom

そこで分かったことは、プラントにおいてAIの提供できる価値は以下の3つに集約されるということです。

設備異常予測解析
各種設備異常の発生予測、プラントのシャットダウン発生予測を行います。異常が起こる前にメンテナンスを実施することができるので、前もって対策を行うことによって、稼働率の向上が可能になります。
原因特定解析
過去のトラブルの原因を突き止めたり、品質低下や消費電力変化の原因を特定します。
施策の改善や履行に際して、対象となる箇所を特定することにより、生産品の品質の向上が可能になります。
製品品質予測解析
品質状態をインデックス化し、テスト前に品質を予測して、品質の変化を予測します。破壊試験やテストまでに時間がかかる工程などを実施せずに品質を把握することで、コスト削減につながります。

当社のAI活用ソリューション実績例：設備異常予測　～設備の違和感を早期検知~
無線振動センサ（Sushi Sensor）で傾向監視をしていた減速機で、シャフト折損が発生しました。下記のグラフは、加速度、速度、温度データと、これらのデータをもとにAI解析を実施した結果です。
AIにより算出された健康度の移動平均は、故障が発生する3週間前に正常域から異常域に推移しました。センサデータのトレンド変化よりも早く、故障の予兆である"違和感"を捉えたことがわかります。
Sushi SensorとAIを組み合わせることで、多数の設備の中から違和感のある要対応設備を早期に判別することができるため、前もって保全計画策定や交換部材の準備をすることが可能です。