＜SOINN A-1のポイント＞ 在庫コストと保守担当者の工数を大幅削減 異常データの事前準備は不要 運用は A-1 任せ 何が、どう異常かの確認、追加学習が可能 超小規模～大規模をマイコン～市販PCで対応

1. 2021年12月
SOINN株式会社
biz@soinn.com / 050-3196-2118
SOINN
異常検知・予知保全 AI
SOINN A-1 のご案内

2. SOINN A-1のポイント
在庫コストと保守担当者の工数を大幅削減
異常データの事前準備は不要
運用は A-1 任せ
何が、どう異常かの確認、追加学習が可能
超小規模～大規模をマイコン～市販PCで対応

3. SOINN A-1 想定ニーズ・課題
ひとたび故障すると、多大な損害が出る機器や装置がある。
壊れる前に、AIが検知して知らせて欲しい。
 ただし、各機器や装置には、個体差がある
 各機器や装置の使われ方も、さまざまである
 発生時期が不明確な故障に、常に備えるための人件費が莫大
 スペアパーツなどの在庫確保のためのコストも莫大
 機器や装置に組み込みで、異常予知がしたい
 SOINN の 異常予知 AI は、クラウド、オンサイト、それらの複合、いずれでも運用可能
これらの課題を解決

4. Copyright (C) SOINN Inc. All rights Reserved. 4
A-1 導入前
故障発生後に急行！
いつ何が壊れるかわからず、
スペアパーツを大量に在庫
急な故障発生に即応
できる体制を常時確保
多大な人的、
物的コスト

5. Copyright (C) SOINN Inc. All rights Reserved. 5
A-1 導入後（１）
1.監視対象が問題なく稼働している状態を
学習（正常学習からスタート）
2.上記 1 から外れた事象を逐次確認しつつ
学習成長
3.徐々に監視対象の「正常」を正確に学習
高精度に異常検知
4.学習済 A-1 は類似対象に転用できる

6. Copyright (C) SOINN Inc. All rights Reserved. 6
A-1 導入後（２）
エッジ運用 クラウド運用
5. 学習済 A-1 は、異常度が上昇し始めたタイミングで保守員に通知
⇒ 保守員は計画的に在庫調整、保守点検を実施
6. A-1 は、機器や装置に組込みのエッジ運用のほか、クラウド（一括）運用
など、ニーズに合わせ、多様な運用が可能。
異常度が上昇
してきています OK

7. 2021/12/10 Copyright (C) SOINN Inc. All rights Reserved. 7
異常度
N日前※から
異常度が増加
指標Y
（異常度の長期トレンド）
指標X（ご指定により調整可能）
運用インタフェースの表示例
※この事例では
10日～2週間前

8. Copyright (C) SOINN Inc. All rights Reserved. 8
異常度と、寄与度の上位4つの元データ
異常度が高い日時のピンポイント表示
各パラメータの異常度への寄与度
パラメータ
A-1 運用インタフェースの表示例

9. Copyright (C) SOINN Inc. All rights Reserved. 9
SOINN A-1 の特長
1. センサ値の時系列データをダイレクト入力
• 各時刻の異常度を出力
• 異常度の時系列分析によって、予兆検知
2. 高速運用
• 一般的なCPUで、10ms程度で処理可能
• マイコン、ラズパイ等にも実装可能
• 短期、中期、長期等の予兆検知を並行して運用可能
3. 正常学習からスタート
• 各個体の正常状態のセンサデータで学習し、異常の推定開始
4. 異常パラメータの特定・提示が可能
• 異常の分類、原因の特定、などが容易

10. 運用イメージ
1. 弊社にてデータやタスクの確認。場合により簡易調整。
 データやご要求精度などによって調整工数が多くかかる場合は、別途お見積もり
2. センサ値の時系列データを入力、学習開始
3. 12～24時間程度で、異常検知開始
 異常の発生日時、異常パラメータの特定、異常の度合い が提示される
4. 少数回の OK/NG 教示で精度向上
 正常からの誤差を基準に、A-1 が教示を求めたデータについてのみでＯＫ
 教示に基づく追加学習により、異常検知・予知保全の精度が向上
エッジや組み込みのボード、ラズパイ等でも運用可能
Copyright (C) SOINN Inc. All rights Reserved. 10

11. 2021/12/10 Copyright (C) SOINN Inc. All rights Reserved. 11
デスクトップPC* Raspberry pi 4**
学習時間(最適化なし) 4.2 秒 54秒
学習時間(最適化あり) 約130秒 約1,800秒
推論時間 10ミリ秒 20ミリ秒
* デスクトップPCスペック
• CPU: Intel(R) Core(TM) i7-6700K CPU @ 4.00GHz
• 4コア、8ロジカルプロセッサ、32 GBメモリ
A-1 ポンプの予知保全タスクへの適用例
学習・テストデータの質と量
パラメータ数: 約40項目の実数値、整数値。
データの量: 時系列データを約1日分程度(約65,500行)
精度
24時間・リアルタイム監視のためベテラン保守員と同等以上
** Raspberry pi 4スペック
• CPU：1.5GHz クアッドコア Cortex-A72、4 GBメモリ

12. データについて ①
 定性的には、検知対象をご存知の方（保守員など）が
「AIに投入予定データから、対象の正常/異常を判断できるか」
は、貴重な参考材料になります。
 ご存じの方が「これではデータ不足」と思われる場合、AIの検知でも
不足する可能性が高いです。
 上記に加え、投入データのパラメータを増やすことは問題ありません。
2021/12/10 Copyright (C) SOINN Inc. All rights Reserved. 12

13. データについて ②
 異常の検知にどのパラメータが有効か不明の場合
 どこで異常が生じたかが既知であれば、AI に異常事象と相関のある
パラメータを探らせることが可能です。
 探索には、パラメータを調整しての繰り返し演算が必要ですが、
弊社技術は計算が非常に軽く有利です。
 投入頂けるデータに制限はありませんが、データ間の同期がとれて
いることが好ましいです。
 データの表現： 実数値、二値、整数、時刻 …
 データの意味： 電流、電圧、振動、回転数、温度、湿度、映像、音…
2021/12/10 Copyright (C) SOINN Inc. All rights Reserved. 13

14. データ確認・無償評価レポートについて
 NDA後に、12, 13 ページの条件を（概ね）満たすデータを一定量お預か
り可能な場合
 弊社にてデータを確認後、弊社モジュールを適用し、機能・性能を評価
したレポートを無償にてご提供させて頂きます。
 データ量が非常に多い、難易度が非常に高い等で多くの作業工数が見込まれ
る場合、事前に実費相当分のご相談をさせて頂く場合がございます。
 何卒ご理解を頂けますよう、お願い申し上げます。
ぜひ、ご検討くださいませ。
2021/12/10 Copyright (C) SOINN Inc. All rights Reserved. 14

15. 御導入事例：エンジン耐久試験システム
エンジンの耐久試験に SOINN A-1 を活用
暗黙知や経験に依存しない試験監視体制を確立。実装済、グループ内で横展開中。
A-1 導入前の状況/課題 A-1 導入後
国内大手輸送機器メーカー様
1. 振動、電圧、回転数等に一律の閾値で停止条件を設
定し、システム異常を検知。
2. エンジンには個体差があるため、ベテランの経験則
も動員して異常を検知する監視体制。
3. 異常検知判定ミスによるシステム誤停止などで大き
な試験作業ロスの問題を抱えていてた。
SOINN A-1 を活用し、検査員のスキルやエンジン
の個体差に依存しない汎用的な異常検知の自動シス
テム化を実現し、大幅な作業ロス（誤停止なくす等)
によるコスト削減に成功。
15
*写真はイメージ

16. Copyright (C) SOINN Inc. All rights Reserved.