ベアリング故障の検出AI、登場【AI論文】

身の回りを見渡して、機械製品の仕組みの中に「回転」が含まれているものを調べてみて欲しい。扇風機、エアコンの室外機、換気扇はもちろん、冷蔵庫、パソコン、果てはスマートフォンにも「回転」が必要とされている。
外に出てみれば自転車、自動車、電車、飛行機など。
ありとあらゆるものは「回転」によって機能を得ていることがわかるだろう。

機械の「回転」にはいつも、「ベアリング(軸受)」の存在がある。
回転の摩擦を減らすことで機械の耐用年数を伸ばし、電気浪費や騒音を防ぐ。

最近では「ベアリング」そのものの動きや雰囲気が面白いとして「ハンドスピナー」というおもちゃとして登場し話題になった。

https://youtu.be/AsbQf4gKFek

国内ベアリングの年間生産金額は751,022百万円だという。また世界のベアリングのシェアの第3位は日本の会社(日本精工)であり、その精度にブランドがある。

機械の内部に含まれるベアリングが、予期せず壊れてしまうこともある。
最も不可のかかる箇所のひとつであり、最も稼働する箇所のひとつだからだ。

それが重機械や、人の命を預かる大切な機械だったら何が起こってしまうだろうか?

研究者は最新のAI技術によって、ベアリングの故障を予知するシステムを考えた。

S. E. Pandarakone, Y. Mizuno and H. Nakamura, “A Comparative Study between Machine Learning Algorithm and Artificial Intelligence Neural Network in Detecting Minor Bearing Fault of Induction Motors”. Energies, 12(11), 2105 (2019).

DOI: 10.3390/en12112105

3つの要点

✔️モーターのベアリング故障は早期に発見しなければいけない。

✔️機械学習(サポートベクターマシン(SVM)、単純ベイズ分類器(NBC)、K最近傍(Kk-NN)、決定木(DT)およびランダムフォレスト(RF))および深層学習(畳み込みニューラルネットワーク(CNN)) アルゴリズムが使用された。

✔️診断はCNNで高効率で実現できますが、機械学習法よりも多くのデータが必要であった。

概説

このコンテンツを閲覧するには無料会員ログインが必要です。会員の方はログインして下さい。
新規無料会員登録はこちら

業界から探す

PAGE TOP