AI・IoT技術の全社活用のためデータ解析プラットフォームをクラウド上に構築

Impulseを導入したきっかけについて、教えてください。

導入の背景

JFEエンジニアリングは、グローバルリモートセンター(GRC)というプラントの統合監視センターを有しており、各種プラントの操業データを収集・蓄積すると共に、遠隔監視・操業支援サービスを提供しています。さらに、ＡＩ・ビッグデータを活用した、「異常予兆検知による運転障害の未然防止」や、「トラブル時の操業支援による迅速な正常化対応」などに取り組んでいます。この基盤となるのが「クラウドを活用したデータ解析プラットフォーム」であり、このプラットフォーム上に適切なソフトウェアを配置することで実現されます。

プラントの異常予兆検知に利用されるデータとは、時系列の操業データがほとんどです。このため、「時系列データに基づく異常予兆検知」はプラントの安定操業にとって大変重要な技術となります。我々が扱うような時系列データに対して、簡単にかつ効率的に異常予兆検知ができる優れたツールを探していました。

そんな中、アマゾン ウェブ サービス（以下、AWS）よりパートナー企業である「ブレインズテクノロジー」をご紹介頂き、Impulseの存在を知りました。

（小林様）

Impulseを選んだ理由について、教えてください。

選定理由

プラントの操業データに対して、プログラミングレスで異常予兆検知モデルを構築することができる点に魅力を感じ選定しました。<br />また、データに対して特性分析を行い適切なアルゴリズムを選択できる点も評価ポイントでした。

（手前より小山様、小林様、吉岡様）

導入状況について教えてください

導入効果

実際に稼動しているプラントのデータを用いたPoC（実現性の検証）を約1カ月間実施しました。<br />目的は、Impulseが過去に起きた異常（トラブル発生）の予兆を事前に検知可能か検証することでした。その結果、約3日前に異常の予兆を検知することができました。

（吉岡様）

3日前に異常予兆が検知できることで、プラントの計画的な停止等事前の対策が行えるため、Impulseがプラントの安定操業に有効であると判断しました。<br />さらに、Impulseの要因分析機能で示された、”検知された理由”が実際の運転知識と一致したことも高評価でした。

（Impulseのデータフロー）

今後の展開を教えてください。

AWS上にデータを蓄積し様々なプラントへ展開

PoCで一定の効果が得られたため、今後は様々なプラントに対してImpulseを用いた異常予兆検知解析に取り組んでいきます。

AWSにはこれからも多くのデータが蓄積されていきますので、Impulseを用いてスピーディに課題を解決していきたいと考えています。

（小山様）

御社から見たブレインズテクノロジーとは？

若く高い技術力をもったエンジニア集団です。

五月雨式で出すユーザの要望を真摯受け止め、素早く開発してくださる点も頼りになると感じています。

（左より吉岡様、小山様、小林様、弊社中澤）

※本文記載の会社名及び製品名、サービス名などは、それぞれ各社の登録商標または商標です。