本文へジャンプ

故障予知・監視フレームワーク

ポイント

  • 故障発生時期やタイミングを予測し、価値の高いサービスを実現
  • ログデータやセンサーデータから故障に至る事象パターンを抽出
  • リアルタイム監視により、業務効率やサービスレベルの向上を実現
  • 事象の順序だけではなく時間間隔も含めた事象パターンを抽出
  • 故障予兆検知ソリューションを手軽に実現

故障の発生時期やタイミングを予測し、価値の高いサービスを実現

機器ごとに生成されるログデータやセンサーデータから、故障の発生に繋がる兆候を分析し、リアルタイムに監視を行うことで、未然に防ぐことができます。

ビッグデータ利活用フレームワークの一つである故障検知・予測フレームワークは、機器やシステムが故障したという事象と、その故障に至るまでの他の事象(予兆)の関係を“事象パターン”として抽出します。その事象パターンを使って、リアルタイムに発生するデータから、故障が近い将来に発生することを予測できます。これにより、機器の故障が発生する前に対処することで、故障を未然に防ぐことができ、価値の高いサービスを実現することができます。

ログデータやセンサーデータから故障に至る事象パターンを抽出

大量のログデータやセンサーデータなどの時系列データを解析し、弊社独自の分析技術で、特定の事象発生に至る確率の高いパターンを抽出します。

例えば、各機器のログから、エラーAに至るまでの共通する事象パターンとその発生確率を抽出します。

リアルタイム監視による、業務効率やサービスレベルの向上を実現

抽出した事象パターンをリアルタイム監視のルールとして適用することで、故障になる前の段階で故障の予兆を検知することができます。

故障になる前の段階で問題に対処することが可能になるため、機器の稼働率が高まり、生産性の向上につながります。さらに、消耗品の交換時期が明確になり、効率のよい機器のメンテナンス計画の立案が可能となるため、業務効率の向上にもつながります。

事象の順序関係だけでなく時間間隔も含めた事象パターンを抽出

従来の時系列アソシエーション分析では、事象が発生する順序関係のみを抽出しますが、弊社の事象パターン抽出技術では、事象間の時間間隔も考慮して抽出を実行できるため、事象が発生する時期も含めてパターン化できます。これにより、故障が起きるおおよその時期についても予測することができます。

故障予兆検知ソリューションを手軽に実現

機器などから出力されるデータを、時系列データの蓄積を得意とするGridDB データベースへ格納しておき、そのデータを使って事象パターン抽出処理を行います。抽出した事象パターンをSmartEDAのイベント処理サーバーの検知ルールとして適用します。

リアルタイムに出力される機器データは、データ収集サーバーを通してイベント処理サーバーに渡され、検知ルールに従って処理されます。故障の予兆を検知した時点で、管理者へアラートを出します。これにより、管理者は故障前から対応を開始することができます。アラートを受信する管理者用アプリケーションのサンプルをベースに、お客様の環境にあったソリューションを手軽に実現することができます。

適用例

複合機のログデータやセンサーデータから、故障の予兆パターンを解析

複合機のエラーログや操作ログ、設置されている各種センサーのデータを組み合わせて、複合機が故障する予兆パターンを抽出できます。故障を未然に予測することで、突然の故障による保守員の緊急出動を減らし、保守業務を計画的に行うことができます。また、分析結果を故障の原因分析にも利用することができます。


関連製品/ソリューション
  • SPINEX

Get Adobe Reader

PDFファイルの閲覧には、
Adobe® Reader® が必要です。別ウィンドウで開きます

別ウィンドウで開きますマークの付いたリンクは、別ウィンドウで開きます。