蒙迪機械学習を使用した統計ベースの状態監視および予知保全を製造プロセスに導入

世界のプラントで使用している押出成形機などの複合機械の中には、長さ50米高さ15米に及ぶ大型のものもあります。機械の制御には、1.台につき最大5.つのプログラマブルロジックコントローラー （可编程逻辑控制器）が使用されており、機械のセンサーから温度、圧力、速度などの性能パラメーターを記録しています。1.台の機械で毎分300～400のパラメーター値が記録されるため、1.日に生成されるデータの量は7GBに達します。

Mondiは,このデータを予知保全に使用するにあたり,いくつかの課題を抱えていました。まず,プラントの担当者には統計解析や機械学習の経験がほとんどないことを考慮する必要がありました。また,さまざまな機械学習の手法を評価して,データに対して最も精度の高い結果を生成できる手法を特定する必要がありました。機械オペレーターがすぐに明確な形で結果を確認できるアプリケーションの開発も必要でした。さらに,そのアプリケーションを運用環境で継続的に使用できるようにパッケージ化する必要もありました。

世界は、迈斯沃克技術コンサルティングと安德烈亚斯·科尼格工学博士の協力のもと、MATLABで状態監視/予知保全ソフトウェアを開発して展開しました。

世界のチームでは、神谕^®データベースをセットアップして、工場内のすべての機械からイーサネットネットワーク経由でデータを収集していました。数据库工具箱™を使用して、そのデータベースにMATLAB内からアクセスできるようにしました。

次に、外れ値や無効な値を除去してデータをクリーニングするMATLABスクリプトを開発しました。

また、データベースに対してクエリを実行し、その結果をグラフィカルに表示するアプリケーションをMATLABで開発しました。このアプリケーションのインターフェイスでは、たとえば、特定のセンサーによる圧力の測定値を分、時間、週などの期間を指定してプロットすることができます。

このアプリケーションには、拡張機能として統計的工程管理 （SPC）機能も追加されており、通常の動作範囲から外れたセンサー値が見つかるとオペレーターに通知されるようになっています。

世界と迈斯沃克のコンサルタントは、统计和机器学习工具箱™と深度学习工具箱™を使用して、複数の機械学習の手法を評価しました。ニューラルネットワーク、K最近傍法、バギングされた決定木、サポートベクターマシン （支持向量机）などです。

それぞれの手法について、機械のログデータを使用して分類モデルの学習を行い、そのモデルで機械の問題を予測できるかどうかをテストしました。テストの結果、データに対して最も精度の高いモデルは、バギングされた決定木の集団であることが特定できました。

さらに、MATLABアプリケーションを拡張して、機械学習モデルによる予測をインターフェイスに組み込みました。これらの予測により、機器オペレーターは潜在的な故障箇所について事前に警告を受け取ることができます。世界は、スタンドアロンで実行できるアプリケーションバージョンをMATLAB编译器™を使用して作成し、工場で使用しています。

• 年間50,000ユーロを超える削減を実現.「財務管理部門によると、予知保全にMATLABを使用することで、年間50,000ユーロを超えるコスト削減を実現しています。」と科勒特博士は述べています。「現在のところ、対象の機械は8.台だけであり、残りの機械のデータについても解析を進めていけば、少なくとも4.倍の効果が得られると期待しています。」
• 6.か月でプロトタイプが完成.「多くのコンサルタントと議論を重ねましたが、自分たちで対応する必要はありませんでした。」と科勒特博士は述べています。「数学作业」のコンサルタントは対応が早く、2.か月で最初のテストが完了し、6.か月でプロトタイプの運用が始まりました。MATLABコードはわかりやすく、必要に応じてすぐに変更を加えることができました。」
• 運用環境で常時稼働するソフトウェア.「MATLAB」を使用するのは研究や開発だけと誤解していました。」と科勒特博士は述べています。「クリスマスもなく、ノンストップで機械を動かしていますが、MATLABベースの監視/予知保全ソフトウェアのおかげで、中断のない安定した運用が可能になっています。」