日立製作所は2026年9月1日、設備保全の診断業務を支援するフィジカルAI技術を開発したと発表した。正常音と異常音の違いを自然言語で説明する技術と、自然言語で表現した波形を時系列センサデータベースから検索する技術を組み合わせる。経験の浅い作業員でも判断の根拠を把握できるようにし、技能伝承を支援する。今後は現場でPoC（概念実証）を進める。

騒音下でも異常音を検知し、違いを言葉で説明

設備保全の現場では、装置が発する音や温度、振動などのデータをもとに異常の兆候把握や原因分析を進める。ただし、そのデータを読み解くには専門知識や経験が要る。診断業務が熟練作業員の知見に依存しやすく、騒音環境では音の違いに気づきにくい。膨大な時系列センサデータから類似の波形を見つけ出す作業も、経験の浅い作業員には負担が大きかった。

音響データを使う簡易診断の支援では、2つの技術を開発した。1つは異常音検知技術で、設備音と騒音の両方の特徴を捉えるよう学習させることにより、現場ごとの騒音環境や設備の違いがあっても異常音を検知しやすくする。もう1つが音響差分キャプショニング技術で、正常音と異常音の微細な違いを自然言語で説明する。異常の有無を確認するだけでなく、どのような違いをもとに判断したのかを把握できる。熟練作業員が着目するポイントを言葉で共有できるため、技能伝承の支援につながる。

波形を言葉で検索、少ない異常データも補う

時系列センサデータとは、温度や振動、圧力、電流など、時間の経過に沿って連続的に取得される設備データである。詳細診断の支援では、このデータを扱う2つの技術を開発した。

1つは、自然言語での表現から過去の膨大な時系列センサデータベース内の局所的に類似した波形を検索する技術である。作業員が事前に波形の形や変化の条件を詳細に設定していない場合でも、必要な過去事例を参照しやすくなる。もう1つは、自然言語の指示に従ってAIのモデル学習用データを生成する技術で、異常データのサンプルが少ない設備でも診断モデルに使えるデータを補える。原因分析を進めやすくする狙いがある。

これら4つの技術に加え、作業員の多様な音声指示の意図を理解する音声言語理解技術も開発した。音声による指示から簡易診断、詳細診断までを一連の流れでつなぐ構成となる。

背景には労働人口の減少がある。設備保全の現場では、限られた人員でも保全品質を維持しながら診断業務を効率化することが求められている。経験の差にかかわらず判断の根拠を把握できるようにする技術への需要が高まっていた。

今後は設備保全の現場でPoCを進め、音響データを使う簡易診断と時系列センサデータを使う詳細診断の有効性を検証する。異常の見逃しに起因する設備停止リスクの低減と安定した設備運用に貢献する設備診断サービスの実用化を目指す。

異常音検知技術、音響差分キャプショニング技術、時系列センサデータ検索技術、時系列センサデータ生成技術の4件は、2026年8月31日から開かれる国際会議European Signal Processing Conference（EUSIPCO）2026で発表する。音声言語理解技術は2026年9月27日から開かれるAnnual Conference of the International Speech Communication Association（INTERSPEECH）2026で発表する。

関連情報

プレスリリース：https://prtimes.jp/main/html/rd/p/000000073.000152541.html

《お知らせ》
PEAKS MEDIAのLinkedinページを開設しました。最新記事の概要をキャッチアップできます。
フォローはこちらから