現在、異常を早期に検知する様々な異常予兆検知AIの開発が進められていますが、大規模で複雑なプラントにおける検知精度の向上が課題となっています。プラントは複雑なシステムであり、正常に運転している時もポンプや配管など各機器の温度や圧力等は、プラント全体の状態や各機器の状態など複数の要因が同時に重なり変動します。センサーから得られる値には、こうした複数の要因の影響が大小様々な信号として同時に入ってきます。従来技術では、これらの信号の変動を正確に学習することができず、ある要因からの信号の異常な変化を、別の要因からの信号の正常な変化と誤認し、異常の検知ができない場合があります。例えば、配管内の流量はプラントの出力変動やポンプ振動などの影響を受け常に変動しているため、配管の亀裂による流量の微小な変動が正常な変動の一部として認識され、異常として検知されないといったことがありました。

本技術の特長
　そこで当社は、当社グループがプラントメーカーとして蓄積した知見を活用した独自の深層学習技術を用い、センサー値の微小な変動に埋もれた異常の兆候を検知するAI技術を開発しました。本AIは、二つの深層学習モデルを用いてセンサー値の正常状態を高精度に予測し、センサー値と予測値のずれから、従来では捉えられなかったセンサー値の複雑な変動に埋もれた微小な異常変動を検知することができます（図１）。
　当社のプラントの知見から、発電や水処理などポンプを用いて流体を扱うプラントのセンサー値には、二つの主要な信号があることを見出しました。プラントの運転操作や出力変動などに伴い、多くのセンサーで同時に起きる、比較的振幅が大きくて周期が緩やかな「大まかな変動」と、ポンプの振動や局所的な温度変化などに伴って、少数のセンサーで同時に起きる、比較的小さく速い「微小な変動」です。「大まかな変動」と「微小な変動」という異なる変動から得られる二種類の信号を、各々の変動特性に合わせて設計した二つの深層学習モデルで学習し、各モデルからの予測値を足し合わせることで、センサー値の正常状態の高精度な予測を実現しました。
　本AIを使用し、水処理試験設備の公開データで異常検知を実施したところ、検知性能は従来技術よりも12%向上し、世界トップレベルの検知結果が得られました。


今後の展望
　当社は、東芝エネルギーシステムズ株式会社子会社の株式会社シグマパワー有明が運営する三川発電所(図2)にて本AIの実証実験を進めており、大量のデータをオンラインで監視し、早期に異常を検知するという結果が確認できています(図3)。今後、当社は、発電プラント向けPoC用システムの提供準備を2021年度中に完了します。更には、他の様々なプラントにおいても性能実証を行ってまいります。

 本技術を用いた異常予兆検知システムを、ユーザーのニーズに応じToshiba SPINEX Marketplace(*8)への展開や、オンプレミスの両方での提供を目指し検討を進めてまいります。