プラントの運転データから異常時の類似事例を検索する技術、東芝が開発

　東芝が開発した「類似データ検索AI」は、プラントの運転状況を把握するために設置された多数のセンサーデータから、現在の運転状態に類似する過去の運転データを検索するための技術（図1）。異常の予兆を検知したり異常が発生したりした際に類似事例を短時間に検索し、その後の推移や対応履歴といった関連情報を提示することで、原因調査や対策立案を支援する。CBM（Condition based Maintenance：状態基準保全)による運用・保守の実現や、稼働率の向上が期待できるという。

図1：東芝の「類似データ検索AI」はプラントが持つ多数のセンサーデータから、異常発生時などに過去の類似事例を短時間に検索する

　類似データ検索AIでは、複数のセンサーデータの挙動が類似している日時を検索する。そのために、東芝独自の深層学習技術「2段階オートエンコーダー」を活用している。複数センサーの信号間にまたがる複雑な関係を考慮しながら、運転状態の変化に起因するセンサーデータの違いを特徴量として抽出。その特徴量を学習データに、さまざまな運転状態における微細な違いを学習させることで、運転パラメーターの調整や温度など複雑に関係する多数のセンサーデータの中から運転状態ごとの微細な違いを捉えているという（図2）。

図2：類似した運転状態の検索結果イメージ

　技術検証では、製紙工場の公開データを用いた検索で、従来技術と比べて類似事例の検出精度が1.8倍に向上。実プラントの10年分の運転データを対象にした検証では、過去の類似データを95b％の精度で約1時間で検出できたとしている。

　現在、複数のプラントで、異常の予兆を検知した後の原因調査や対策立案での有効性を検証している。今後は、発電所や水処理施設、化学工場などのプラントや工場を対象に、2026年度以降の実用化を目指す。

　東芝によると、プラントなど膨大なセンサーデータを持つ環境では、ポンプや配管などの各機器の温度や圧力などのセンサーデータは、プラント全体の状態や個々の機器の挙動が複雑に絡み合いながら変動するため、運転状態の微細な違い含めた検索が難しい。過去事例の検索は、熟練者の経験や知識に依存しており、熟練者の高齢化や人手不足が進む中では知識継承が困難になることが懸念されている。