異常検知とは
別名・別表記：アノマリー検知、Anomaly Detection、異常検知AI、外れ値検出
異常検知とは、設備や製品のセンサーデータ・画像から「いつもと違う状態」を自動で見つけ、故障や不良の兆候を早期に知らせる技術である。正常時のデータだけで学習できる手法が多く、故障データが少ない中小製造業の予知保全や外観検査で使われている。
異常検知の仕組み
異常検知は、「正常な状態」を基準として覚え、そこから外れたものを異常と判定します。主な方法は次の3つです。
- しきい値による監視：温度・電流・振動が決めた値を超えたら警報を出す。最も手軽だが、運転条件で値が変わる設備には向かない
- 統計的な手法：過去の分布から外れた値を検出する
- 機械学習・AI：複数のセンサー値の組み合わせや波形のパターンから、人が見逃す微妙な変化をとらえる
故障や不良の実例は少ないため、正常時のデータだけで学習する方式が多く使われます。
製造業での主な用途
- 設備の異常兆候の検知：モーターの電流波形、振動、温度から劣化を早期に捉える（予知保全の中核技術）
- 外観検査：良品の画像だけを学習し、傷や汚れなど未知の不良を見つける（AI外観検査）
- 工程の品質監視：加工条件や稼働データのばらつきから、不良が出る前に変化に気づく
導入時の注意点
- 異常を検知しても、原因までは分かりません。対処を決めるのは現場の担当者です
- 誤報が多いと現場が警報を無視するようになるため、感度の調整が欠かせません
- 季節・材料・段取りの違いで「正常」が変わるため、運用中も基準の見直しが必要です
- 通信や遅延の制約があるラインでは、現場の機器側で判定するエッジAIが有効です
中小製造業では、まず停止の影響が大きい1台の設備にIIoTのセンサーを後付けし、数か月分の正常データをためて試す進め方が現実的です。
最終更新：
関連する用語
- 予知保全 — 予知保全とは、設備の振動・電流・温度などのデータから故障の兆しを捉え、壊れる前に部品交換や修理を行う保全の方法である。故障してから直す事後保全や、一定期間ごとに交換する時間基準保全と対比される。
- AI外観検査 — AI外観検査とは、カメラで撮影した製品の画像をAIが判定し、キズ・汚れ・欠けなどの不良を見分ける検査の方法である。目視検査の負担と、検査員による判定のばらつきを減らすことを目的とする。
- エッジAI — エッジAIとは、クラウドにデータを送らず、工場内のカメラやゲートウェイなど現場に近い機器の上でAIの処理を行う方式である。判定が速く、通信が不安定な環境や、データを社外に出したくない場合に向く。
- IIoT — IIoTとは、工場の設備・センサー・制御機器をネットワークにつなぎ、稼働状況や品質のデータを収集・分析して生産の改善に生かす、製造・インフラ向けのIoTである。一般消費者向けのIoTと比べ、止まらない信頼性と安全性が求められる。