- 様々なセンサーやデータがあって、構築するのが大変
- 異常のパターンは設備によって異なるし、すぐに対応できない
- 設備や機器は、そんなに頻繁に故障しないから、異常のデータが集まらない
- IoTを導入しても、効果がでるかどうかわからない
機器の故障による計画外の生産ライン停止の回避
予想外の機器故障の生産ラインの停止は、生産性の低下を招くだけでなく、製品の品質や信頼性の低下にもつながります。
Torrentioでは、部品の亀裂／欠損、過負荷などの突発的な異常を、振動や電流値などのセンサーデータから検出することができ、計画外のライン停止を未然に回避することができます。
自動でパターンを分析し、導入の手間を大幅に削減
機械学習・AIの利用が拡大していますが、多くの場合、機器のタイプや異常時のデータなどをモデル化し、それに基づき異常の検知を行います。
このような場合、過去のデータが揃っていなかったり、異常が発生する前にメンテナンスを行っているために必要なデータが揃わないケースが多くあります。
一方、Torrentioでは、正常運転時のデータから自動でパターンを学習し、それに基づき異常を検出するため、事前のモデル作成や複雑なデータの管理は不要です。また、ロボットアームや工作機械、モーターなど、しきい値などでは判定できないような動きをする設備に対しても、簡単に異常を検出することができます。
これによって、お客様の環境における導入の手間を大幅に削減し、即利用が可能になります。
複数のセンサーデータであっても、時系列の相関分析で異常を検知
重要な設備の場合、数十～数百のセンサーデータを利用して、モニタリングをしている場合も多くあります。
Torrentioでは、単一のセンサーデータはもちろん、複数のセンサーデータに対しても、異常検知を行うことが可能です。
複数のセンサーデータの中から、相関が強い（関係性が深い）対象を特定し、自動で異常の発生タイミングを特定できるため、分析の手間を大幅に削減したり、設備や機器の故障に影響する対象を簡単に把握したりすることができます。
また、どのセンサーで異常が発生しているか、分かりやすく特定でき、すぐに保全の対応をすることが可能です。
関連サービス
Torrentio Cloud
様々なセンサーデータを簡単に収集・解析し、異常検知や予測分析の導入をスムーズに実現します。