2026年2月– date –
-
モデル作成
【Python実践】低サンプリングで予兆検知!FFTでリズムの乱れを捕捉しよう!
移動平均や標準偏差によるトレンド監視は、多くの現場で導入されている王道の予兆検知手法です。しかし、統計量が教えてくれるのは、主に値の大きさやばらつきの変化です。 一方で、制御系データ(車速やエンジン回転数など)に潜む異常は、数値の増減では... -
モデル作成
【Python実践】DBSCANの進化版「HDBSCAN」!密度の異なるデータも賢くクラスタリング
HDBSCANは、密度に基づいてデータをグループ化するアルゴリズムで、DBSCANをさらに進化させた手法です。ノイズに強いという特徴はそのままに、「データの密度の違いを自動で判別する」という非常に強力な機能を持っています。 製造業では、センサーから得... -
前処理(クレンジング)
【Python実践】複雑な相関関係は「次元削減」で解決!予兆検知のための多変量⇒単変量変換アプローチ
前回の記事では、FFTが使えない低周期データから波形の「性格」を炙り出す「Rolling Window(移動窓)」の強力な手法をご紹介しました。一定のスピードや負荷で稼働し続ける設備であれば、この方法でも十分に予兆を捉えることができます。 しかし、実際の... -
前処理(クレンジング)
【Python実践】FFTが使えなくても大丈夫!低周期データから故障の予兆を見つけるRolling Window手法とは
機機械設備の予兆検知といえば、真っ先に「振動センサーを用いたFFT(周波数解析)」を思い浮かべる方が多いでしょう。ベアリングの傷などを高周波のピークとして捉える、非常に強力で王道の手法です。 しかし、実際の製造現場やデータ分析の現場では、理...
1