センサーデータから故障を予測しコストダウンに成功～大手医療機器製造メーカーA社様(後編)

センサーデータにフィルターをかけて、予測精度を上げる

ビッグデータを分析し、事前に機器の故障を予測する手法としては、モデリングが一般的です。モデルとは「データ全体をわかりやすく表したもの」とも言えます。モデルをもとに過去の事象を分析すれば、高い確率で未来予測が可能になるという仕組みです。

モデリングにおいて力点を注ぐのは、いかに予測精度のあるモデルを作るか、という点になります。

A社様のケースでは、積極的にオープンソースのツールを採用しました。Pentaho(ペンタホ：ビジネスインテリジェンス(BI)ツール)でデータの変換や処理を行い、RapidMiner(ラピッドマイナー：データマイニングツール)でモデル・レポートを作成しました。

さらに今回分析するのは、センサーデータという独特のデータです。センサーデータは波形がなだらかではなく、異常値と正常値の判定が独特です。そのため、フィルタリングをかけてデータを整形し、予測精度をあげていきました。

「担当者の経験」とビッグデータのコラボレーション

A社様のケーススタディの成功のポイントは、ビッグデータと「担当者の経験」とのコラボレーションです。

ビッグデータをモデル化するにあたり、A社様の研究所の方にプロジェクトに参加していただいたのです。実際に機器を設計した方に構造上故障が起こりやすい箇所をヒヤリングさせていただき、さまざまなディスカッションのなかで故障の事前予測を行いました。

ビッグデータはおおいなる可能性を秘めていますが、すべてをデータという物差しだけで図ることはできません。人間の経験や勘にもとづいた叡智は、ときにそれを凌駕することもあります。

とくに今回のような精密機器については人智によるノウハウも重要になりますので、積極的に意見を取り入れて、モデルを作成しました。

　故障の事前予測で、千万円単位のコストダウンに成功

故障予測レポートをメンテナンス担当者にメール配信するようになってから、故障予測の精度が格段に上がりました。

この時点でも、人智とデータのコラボレーションになっているのが特徴的です。最終的な判断はメンテナンス担当者が行いますが、メンテナンス担当者の判断を支援する材料として故障予測レポートを積極活用していただいた結果、不要な訪問が減り、パーツコストが千万円単位でコストダウンしました。

当初は1機種だけに限定してビッグデータを分析してモデル化し故障予測レポートを提出していたのですが、明確な成果が出たため、2015年現在は対象機種が増えています。

人智のノウハウをいかにデータに組み込むかは、データサイエンティストの裁量によるところが大きい手法です。

KSKアナリティクスではレポートとモデルを提出して終わるのではなく、今回のケースのように、クライアントやエンドユーザにプロジェクトに加わっていただき、プロトタイプをつくってアジャイル的にアプローチしながら、予測精度をあげていくことも少なくありません。常に、現実の課題に対するソリューションを提供することを心がけています。

【今回の事例のまとめ】
―過去2年蓄積分のセンサーデータの分析、属性の絞り込み、関連性をモデル化。
―予測モデルの作成とレポーティングにより、メンテナンス担当者への自動通知。
―さらに、予測レポート結果のフィードバックを取り込むことで、より予測精度の向上を継続的に高めていくように仕組みを作成。