膨大にある実機動作データを分析して故障傾向を導き出し、故障予知の判断基準にしたいと考えていました。手作業による分析は効率が低く、ミスも発生してしまうため、アルゴリズムを使って大量のデータを効率的に分析できないか検討しました。
| 業種・業界 | ― |
|---|---|
| MBD 導入状況 | 過去の実機動作データを分析して、故障予知の精度を上げたい |
| 支援内容 | データ分析 ( MATLAB ) |
| 開発ツール | MATLAB |
過去の実機動作データから故障傾向を導き出し、故障予知の判断基準にできないか検討していました。
しかし、データ数は数十万件以上にのぼり、手作業では時間と労力がかかってしまいます。
その上、見落としなどの人為的ミスが発生してしまう可能性もあるなど、データを分析の方法に悩んでいました。
数十万件以上の実機動作データをMATLABで分析し、故障傾向を導き出しました。
グラフで出力されるため、故障傾向を視覚的に把握することができます。
① 時間領域分析
平均、中央値、最大、レンジ、分散といった統計指標で抽出し、故障時に現れる兆候を分析・可視化しました。
② 周波数領域分析
高速フーリエ変換を用いた周波数成分を解析。故障時の周波数帯域の変化を検出し、兆候を分析しました。
MATLABによって、大量のデータ分析を短時間 ( 数十万件を数秒 ) で実施できました。また、人の手を介さないため、見落としなどの人為的ミスが発生することもなく、一定の質を保った分析ができています。
データ分析により、データの傾向も可視化もされました。故障の兆候は、時間軸や周波数など様々な項目に対して傾向を抽出しており、多角的に異常パターンを捉えることができるようになりました。
過去の故障傾向に基づいた故障予知によって、より信頼性のある判断ができるようになりました。感覚に頼らず誰でも故障を予測できるため、トラブルを未然に防ぎ、生産スピードの向上にもつながります。
製品カタログ、サービス紹介資料、事例ペーパーなど…多数ございますので、ぜひご活用ください。
製品に関するお問い合わせのほか、商談やデモ依頼、現場のお困りごともお気軽にご相談ください。
取り扱い製品に関するセミナーを定期開催しております。ご興味がありましたらご参加ください。
