プラントAI解析ツール

化学

化学プラント内のポンプでシャフトの折損事故が発生。再発防止を目的として要因分析を実施し、生産プロセスデータを解析したところ、折損12時間前からデータの特徴変化を検知できることが判明した。そこで、故障と高い関連性を持つタグを全数十個の中から抽出し、DCS（分散制御システム）上での監視体制を構築。これにより、未然防止が可能となった。現在は、ほかの設備への応用も視野に入れた改善策も推進中。

空調

建屋の空調が冷凍機の故障で停止する問題が発生した。初回故障時の冷却水温度などのプロセスデータを分析・学習したところ、２度目の故障では数時間前から異常の予兆が現れていることを確認。この傾向を指標として異常を検知する仕組みを確立し、空調のメンテナンス計画や運転負荷の調整に活用することで、故障未然防止と効率的な設備運用を実現した。

電力

コンプレッサーの故障予兆を圧力、温度等のプロセスデータから特定したいという課題に取り組み、正常データが大多数という条件下で故障発生タイミングとその要因を特定することに成功。また、故障発生の数十時間前に異常が鋭く遷移するポイントを特定し、これをもとにメンテナンス計画や運転負荷調整に活用。故障リスクを低減し、運用効率を向上させることに成功した。

電池

バッテリーの検査のために膨大な時間と場所の確保が必要となっていることから、これを削減する方法を検討。検査工程の初期の計測データから、検査が不要な明らかなる正常品と、不良品を抽出するモデルを作成。これにより、検査対象品が半減し、コスト削減にも貢献した。

医療

完成品の不良検査の時間を短縮する取り組みとして、製造工程中のデータから良品・不良品を分類するモデルを作成。不良品の主な発生要因を分析し、その結果をもとに製造条件の見直しを実施。その結果、不良検査にかかる時間の短縮と良品率の向上を達成。さらに、継続的な改善活動の基盤を構築した。

石油

触媒の劣化により反応成果物に不純物が混ざり、製品品質が低下する課題に対応するため、プロセスデータを活用して触媒の劣化状態を数値で可視化する指標を構築。この指標を基準に反応炉のメンテナンス時期を決定する運用が確立され、品質安定化と運用効率の向上に貢献した。

石油

燃料の品質調整において、理論値と実測値の差が原因で完成後にしか品質が分からず、調整作業が熟練者の経験に依存してしまうという課題があった。この課題の解決のため、混合以前のプロセスデータ（100タグ以上）から品質変動に寄与する要因を特定し、回帰モデルを構築。これにより、従来の理論値と比べ実測値に近い品質予測が可能となり、調整作業の容易化と脱属人化が実現した。

化学

海水ポンプの運転状況を手動でチェックしている従来の方法では、故障に早期対応することが困難だった。Sushi Sensorの振動データをもとにした分析を導入し、これを活用して故障の予兆を自動的に検知する仕組みを構築。これにより、従来の手動での管理に比べ、大幅に手間と時間を削減するとともに、設備の安定稼働を支える体制を実現した。

石油

製油所設備の送風ファンが不定期に故障する課題に対し、Sushi SensorのデータをSZ1000の違和感検知で分析。故障の数週間前からデータの特徴変化を発見し、異常を早期に検知する仕組みを構築。これにより、突発的な故障による生産停止を防ぎ、設備運用の安定化を実現。さらに、この仕組みをほかの設備にも展開することで、製油所全体のメンテナンス効率化が期待されている。