三菱電機は2025年12月10日、少量の学習データで機器の劣化を高精度に推定する「物理モデル組み込みAI」を開発したと発表した。機械の挙動や特性を物理法則や数式で再現した「物理モデル」を利用して、対象機器の挙動や特性を学習したAIモデルを構築している。部品交換や重大故障を抑制することで、設備保守コストの削減が図れるとしている。
三菱電機は、個体差や環境条件などの少量の学習データで機器の劣化を精度高く推定できる「物理モデル組み込みAI」を開発した。機械の挙動や特性を物理法則や数式で再現した「物理モデル」を利用し、対象機器の挙動や特性を学習したAIを構築した（図1）。
図1：従来の劣化推定と物理モデル組み込みAIの比較（出典：三菱電機）拡大画像表示
AIに物理モデルを組み込む場合、従来は物理モデルと実測データのパラメータの重みづけが固定的で、対象機器や使用環境に応じた最適化が難しいという課題があったという。これに対して今回開発した技術は、AIがパラメータを動的に調整する。
三菱電機は開発の背景を次のように説明する。「製造業では設備保全を担う熟練技術者が減っている。（不十分な保守による）劣化した機器を使い続けた場合、設備自体の故障や製品不具合を引き起こす恐れがある。事前に劣化を推定し、適切な対応につなげる予防保全のニーズが高まっている」
同社によると、一般的な予防保全は、機器の挙動を数式やシミュレーションで再現して劣化を推定する方法を用いる。しかし、物理知識を持つ専門家が劣化判定の仕組みを一から設計する必要があるため、時間と労力がかかるという。
「事前に運転データを学習したAIを劣化推定に活用する動きも進んでいるが、運転パターンや個体差、設置環境などの条件の組み合わせを考慮した網羅的な学習を行うには膨大なデータが必要となる。さらに、条件が変わるたびに再学習を要するため、実用化には課題が残っている」（同社）
三菱電機は、こうした課題を踏まえて開発した物理モデル組み込みAI技術が、部品交換の低減、機器重大故障の抑制などを実現し、製造現場における設備保守コストの削減、生産性・品質の維持に貢献するとしている。
