機械学習でこんな間違いをしていませんか？
最近、機械学習が話題ですね。
画像や音声認識、チャットボットなど。
今いちばん気になるのは自動運転でしょうか。
機械学習は設備診断のフィールドでも研究されはじめ、すでに導入されている設備もあるようです。
機械学習によって、設備の健康状態を評価する試みです。
たしかに、データを集めれば、なんらかの相関はとれるでしょう。
そして、相関にもとづく「比較」から、なんらかの評価をすることは可能です。
しかし、ビッグデータから得られる情報はあくまで相関関係です。
なので、機械の種類や個性、つかう環境などが異なれば、相関関係はくずれてしまいますよね。
つまり、設備診断においては、機械の状態を教えてくれる本質的な物理モデルをたてることが重要だということです。
なぜなら、得られる情報と、機械の種類・個性・環境などとの因果関係が明確になるからです。
そして、機械の種類や個性、つかう環境が違っても、機械におこる現象は、因果関係から予測することができます。
トライボロジーは、物理モデルをたてるうえで、とても有効な武器になります。
トライボロジーそのものについては、これが、機械を健康にする方法だで、人の血液検査にたとえて説明しています。
ここで、機械の健康状態を把握し、先ざきに起こるかもしれない故障をさけることについて考えてみましょう。
ある指標に関するビッグデータをもちいて機械学習をおこなうことで、機械が健康か不健康かの判断は、できるようになります。
しかし、いつ不健康になるかは分かりません。
つまり、機械の健康状態は把握できても、健康状態の未来予測はできないわけですね。
一方、機械の健康状態の本質が、ベアリングなど滑ったり転がったりしている摩擦面の潤滑状態である場合を想定しましょう。 （実際、機械は可動部の不具合が故障の原因であることが多いと言われています）
この場合、摩擦面からでてくる目に見えないほど細かい金属粉の量や大きさが、指標になります。
この指標の変化が、機械の健康状態の変化を教えてくれるわけです。
そして、トライボロジーを用いれば、その指標の変化にもとづく物理モデルをつくることができます。
すなわち、トライボロジーで機械の健康状態の未来予測が可能になるというわけです。
あわせて読みたい: 機械の保全コストを簡単に下げられる方法をご存じですか？ / ほぼ100文字 ～トライボロジーのつぶやき～
よくある質問
設備診断における機械学習とは何ですか？
設備から集めたデータをもとに、機械の健康状態を評価しようという試みです。すでに研究がすすみ、導入されている設備もあります。データを集めればなんらかの相関はとれますし、その相関にもとづく比較から評価をすることも可能です。
機械学習でよくある間違いは何ですか？
ビッグデータから得られる情報は、あくまで相関関係にすぎないという点です。機械の種類や個性、つかう環境が異なれば相関関係はくずれてしまいます。また、健康か不健康かの判断はできても、いつ不健康になるかという未来予測まではできません。
では、どうすれば故障の予測ができますか？
機械の状態を教えてくれる本質的な物理モデルをたてることです。物理モデルなら、得られる情報と機械の種類・個性・環境との因果関係が明確になり、条件が違っても起こる現象を予測できます。たとえば摩擦面から出る目に見えないほど細かい金属粉の量や大きさを指標にすれば、その変化から健康状態の未来予測が可能になります。トライボロジーは、この物理モデルをたてるうえでとても有効な武器になります。
小さな会社の売上アップ・利益改善のご相談を承っています。
お問い合せはこちら