難しい知識は不要

• 診断モデルを作成し自動で診断可能

本装置を機械設備に取り付けるだけ

• 低コスト、インフラ構築は不要で、なおかつ専用PLCやプログラミング/アプリも不要

本装置を機械設備に取り付けるだけ

• 富士電機の「説明できるAI」で異常要因を分析。

SignAiEdge 特長

• MSPC (多変量統計的プロセス管理)を搭載
  正常モデルが示す相関関係からの“ずれ”を元に異常を検出し、個々のデータでは検出できない異常を検知。
• バッチプロセスデータの診断
  バッチ開始を検出し、自動的にデータ収集から診断、結果の表示を自動的に実施。【特許取得済】
• 振動解析にも対応
  診断センサHUBで収集した振動データを処理して診断・解析。
  ※FFT (Fast Fourier Transform:高速フーリエ変換)

背景

• お客様業種：自動車部品製造メーカー
• 対象設備　：サーボプレス
  （部品内部のボールねじ劣化）
• 設置目的　：振動データで
  部品劣化を監視し、メンテナンス時期を調整して保全費を削減したい
• お客様課題：部品の劣化状態により、製品寿命前に故障してしまう。

富士電機の取り組み

• 振動データと
  いつもとの違い度合い（診断値）をトレンドグラフで見える化

背景

• お客様業種：板金部品製造メーカー
• 対象設備　：順送プレス加工機の金型
• 設置目的　：金型破損の予兆検知
• お客様課題：現場の騒音により金型破損時等、金型の異常に気づけない

富士電機の取り組み

• 金型部の振動を測定して
  データ解析
  ⇒　金型破損の「兆候」を事前に検知
• 金型の劣化パターンを見える化
  ⇒　他のプレス装置との
  機差による劣化傾向を分析

背景

• お客様業種：製紙メーカー
• 対象設備　：巻き取り機の構造部品
• 設置目的　：巻取り装置の部品劣化検知
  （ローラ部品）
• お客様課題：メンテナンス方式の改善

富士電機の取り組み

• 装置からデータを収集して、機械動作の見える化を実現
  ⇒　何のパラメータが影響があるか、どのデータが使えそうかを判別
• 劣化を検知し、メンテナンス時期を適正化
  ⇒　部品ごとの寿命の最適運用により部品コスト削減

背景

• お客様業種：金属部品製造メーカー
• 対象設備　：溶接ロボット、溶接機
• 設置目的　：溶接不良を検知して不良品の流出を防止する
• お客様課題：目視検査にかかるコスト削減、不良品削減

富士電機の取り組み

• 閾値を設定して、いつもと違う動作を判別して溶接不良を検知