製品事例

A社では研削装置により金属加工を行っています。研削装置の刃や砥石は長時間使うことで摩耗していきます。角に摩耗したまま加工をつつけると製造物の品質が低下し、不良品が発生します。このため定期的に目立てや交換などのメンテナンスが必要となります。
予兆検知システムを構築し、センサデータを活用して、不良が発生し始める前の適切なタイミングでメンテナンスを行うことで歩留まりを改善しました。
品質データは加工物の寸法、加工面の傾斜度などで、検査機のセンサーから取得します。製造データは研削具の砥石の位置、移動速度やモータに流れる電流(負荷)などで、工作機械に取り付けられたセンサーから取得します。
当社のアナリストとデータサイエンティストがお客様と議論を重ねながらデータの分析を進めた結果、不良の発生は、砥石の摩耗による経時劣化のほかに、材料の品質のばらつきに起因する突発不良があることが分かりました。そこで、「経時劣化を時系列分析で推定」「突発不良を製造データから検知」の二つの予兆検知モデルを組み合わせた予兆検知システムを構築しました。
経時劣化の予兆検知には、品質データを時系列データとして自己回帰モデルにより将来の品質値(寸法のずれ、傾斜度のずれなど)を予測します。この予測値があらかじめ定めた区間を外れ「不良域」に入ったら不良予兆検知の通知を行います。
突発不良の検知には機械学習手法を用います。負荷量や砥石の移動速度、加速度の変化などから突発不良の発生を検知します。