MATLAB ユーザーコミュニティー

MATLAB & Simulink ユーザーコミュニティー向け日本語ブログ

求む挑戦者! PHMC 2020 データ分析チャレンジコンテストで腕試し

「皆さんで「ものづくり日本」におけるデータ活用の取組みを盛り上げていきましょう!」

~PHMC 2020 データ分析チャレンジのWebサイトから~

 

こんにちは、井上(@michio_MWJ)です。そろそろ梅雨も明けて暑い夏が始まりますが熱中症にお気を付けください。

 

さて、そんな暑い夏は冷房の効いた部屋でデータをいじるに限りますね。

今日は電通国際情報サービス社主催のデータ分析コンテストのご紹介。MATLAB の無料ライセンスも提供しておりますので、腕試しにどうぞ!

コンテスト概要

  • 分析課題:工作機械の刃具の摩耗予測
  • 応募締切:8月21日(金)
  • 参加資格:ご参加者の所属勤務先が日本の製造業であること

PHMC2020データ分析チャレンジコンテストの概要はこちら

 

昨年実施されたコンペでは航空機エンジン寿命予測がテーマでしたが、今年は CNC 工作機械が対象です。

私がここ数年取り組んでいる内容(こんなビデオも作りました:MATLAB/Simulink による予知保全ビデオシリーズ)にドンピシャな課題なので参加したいところですが・・参加資格を見るに私は該当しない模様。

ただ、申込ページに「お申し込みの方の勤務先が製造業に該当するか否かは事務局にて判断」とありますので、該当するかどうか迷った場合にはとりあえず申し込みしてみるのが良いと思います。

 

工作機械の刃具の摩耗予測

課題はフライス盤の加工機に使われている刃具の状態監視と摩耗予測。データのストーリーは以下の通り。

「ある自動車メーカーでは部品の加工に様々な CNC 工作機械が使用されています。最近、あるフライス盤の加工機で、表面加工時に品質問題が発生しました。エンジニアのこれまでの経験から、品質問題は刃具の摩耗が原因であると推察されました。この問題に取り組む為に、刃具の状態監視及びこの先の状態を予測し、摩耗する前に刃具を交換し、加工品質を維持しようと考えました。」(コンペページから)

写真は参考です。実際のデータ元を表現するものではありません。

機器に取り付けたセンサーから取得したデータを基に故障や劣化を検知し、故障が発生する前の適切なタイミングでメンテナンスを行うことを 予知保全 (Predictive Maintenance) と呼びます。メンテナンスコスト削減や安全性向上、そして付加価値向上を目指して、工作機械だけでなくいろんな産業分野で注目されている分野です。

MATLAB でも Predictive Maintenance Toolbox™ などこの分野に注力した製品もリリースしています。

訓練データ

今回は計測されたデータとして用意されているのは、工作機械上に設置されたセンサーで計測した以下の7変数。

  1.  フォース(x,y,z)
  2.  振動(x,y,z)
  3. AE (Acoustic Emission)

これらの情報から「刃具のフルート(溝)の摩耗量」を予測します。

訓練データは全部で315ファイル(サイクル分)のデータファイルとサイクル毎のフルートの摩耗量のデータが提供されています。

 

検証用データ

この課題の面白い点は、検証用データでは 200 ファイル(200 サイクル分)しか用意されていない点です。

最初の 200 サイクルは訓練データと同様に各種センサーからの時系列データを使用できるのですが、次の 115 サイクルは(そのサイクルでの)センサー情報無しで最大摩耗量を予測する事になります。

200 サイクル以降の予測精度が下がりそうなことは容易に想像がつきますが、ここをどう取り扱うかが面白いところですね。どんな手法が使えそうか、考えるだけでもわくわくします。

 

まとめ

ただ、ここから先はコンペに参加する方のお楽しみ・・ということで、私からの紹介はここまでとします。時系列データからの特徴量の取り方で精度向上を目指すか、はたまた Deep Learning でゴリゴリチューニングしていくか・・いずれにしてもデータ量が多いので、一部の変数(or 一部のデータ)からまず始めてみて、まずデータの把握と課題の理解が第一歩かと思います。

頑張ってください!

PHMC2020データ分析チャレンジコンテストの概要はこちら

 

予知保全向け MATLAB 無料評価版

MATLABを使って参加される場合には、上でも触れた Predictive Maintenance Toolbox、機械学習を行う Statistics and Machine Learning Toolbox™、そしてディープラーニングをカバーする Deep Learning Toolbox™ を含む 14 個の製品をパッケージ化した無料評価版を提供しています。もしお持ちでなければ是非活用ください。

無料評価版はこちらから:https://jp.mathworks.com/campaigns/products/trials/targeted/pdm.html

|
  • print

Comments

To leave a comment, please click here to sign in to your MathWorks Account or create a new one.