製造設備の予防保全のための異常検知モデルを自動生成する技術、東京エレクトロン デバイスが開発

　東京エレクトロン デバイス（TED）が開発したのは、製造設備の正常時のデータから、想定される多様な異常データを生成し、最適な異常検知モデルを自動生成するためのAI（人工知能）技術（図1）。異常検知や故障予知のための学習に必要な異常データの収集が不要になるほか、実際に故障が発生するまで異常検知モデルの効果・精度を検証できないという課題も解決する。

図1：異常検知最適モデルの自動生成アーキテクチャー

　今回開発したAI技術では、独自の異常データ自動生成エンジンが、正常運転時の時系列データから、設備の周波数やトレンド、スパイク、位相などを想定した多様な異常データを自動生成する。その際、データの分布の偏りを考慮するほか、振幅の自動調整や季節性変動なども加味し、自然かつ固有のデータを複数生成できるとしている。

　そのうえで、正常データと生成した異常データを使って、判定モデルの精度が最も高くなるように、特徴抽出方法や機械学習アルゴリズム、機械学習パラメーターの最適な組み合わせを自動で探索し、異常検知モデルを作成する。

　従来、異常検知モデルの最適化作業には、データ分析の専門家が設備の異常データを長期間にわたり複数回取得し、繰り返す必要があった。

　TEDはこれまで、時系列データ自動分析マシン「CX-M」を販売し、設備の正常状態と異常状態のデータから異常検知モデルや故障診断モデルを開発してきた。ただ、製造設備によっては、異常データや故障データを短期間には収集できず、完全な予知保全システムを構築できないケースが少なくなかったという。

　今後は、新技術をCX-Mのための機能として開発を進め、実証検証を通して製品化を図っていく。