異常検知– tag –

前回の記事では、鋭い異常変化（スパイク）を捉えるための「ウェーブレット変換」を使って、異常検知・時間周波数解析を行う方法を解説しました。 https://analysis-in-manufacturing.resanaplaza.com/2026/01/17/%e3%80%90python%e5%ae%9f%e8%b7%b5%e3%80...

「Python実践】欲しい信号を見つけ出せ！ ウェーブレット変換を使った３つの応用例～ノイズ除去・異常検知・時間周波数解析～」の記事では、ウェーブレット変換の基礎と、スカログラム（ヒートマップ）を使った「目視による異常検知」のアプローチを紹介し...

センサーデータや振動解析を行っていると、必ずぶつかる壁があります。 「ノイズが酷くて、肝心の信号が見えない」 「FFT（フーリエ変換）をかけたけれど、いつ異常が起きたのか時間がわからない」 そんな時こそ、ウェーブレット変換の出番です。 ウェーブ...

📡時系列データをフーリエ変換しても、スペクトルに異常は見つからない…。 そんなときは、波の奥にある“周波数の揺らぎ＝側波帯”に注目してみましょう。 本記事では、FM変調と側波帯の原理をやさしく解説しながら、 Pythonを使って信号を生成・可視化し、異...

場やプラントの設備は、止まってしまえば生産性や安全性に直結する重要な存在です。しかし、故障や不具合は突然起こるのではなく、必ず小さな「予兆」を伴っています。振動、温度、電流、圧力――日々収集されるセンサーデータの中に、その兆しは隠れていま...

Prophetは、季節性や休日効果など複雑な時系列パターンを簡単に扱えるのが強みで、ビジネス現場での需要予測や異常検知に幅広く利用されています。Python初心者でも扱いやすい設計で、手軽に高精度な予測モデルを構築可能です。 本記事では、Facebookが開...

この記事では、過去のデータに重みをつけながら平均を取ることで、未来を予測したり異常を検知したりできる「指数平滑化法（Exponential Smoothing, ES）」について、Pythonコード付きでわかりやすく解説します。 「時系列分析に興味はあるけど、ARIMA や ...

時系列データ分析の基本にして、もっとも直感的な手法のひとつが「移動平均（Moving Average、MA）」です。過去のデータを一定期間で平均化し、トレンドや周期性、ノイズを滑らかに見せるこの手法は、予測や異常検知の第一歩として幅広く活用されています...

「データ分析の舞台裏で、重要な役割を果たす影の立役者」、それが主成分分析（PCA）です。『膨大なデータをどう整理すればいい？』『関係性をどう見抜く？』そんな課題に答えてくれます。 PCAは、データの次元削減や要因分析でよく使われますが、それ以外...