[新製品・サービス]

2026年9月7日(月)IT Leaders編集部、日川 佳三

シェアする

リスト

　日立製作所は、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。「正常音と異常音の違いを自然言語で説明」や「自然言語で伝えた波形を時系列センサーデータベースから検索」を可能にする。今後、設備保全の現場でPoCを進めて有効性を検証し、設備診断サービスの実用化を目指す（図1）。

図1：設備保全現場における課題と、設備保全向けフィジカルAI技術による支援のイメージ（出典：日立製作所）
拡大画像表示

　「設備異常の兆候把握や原因分析には、装置が発する音、温度、振動などのデータを読み解く必要があるが、音の確認は現場環境の影響を受けるため難しい。また、センサーデータの中から必要な情報を見つけ出す負荷も高い」（日立）。今回開発した技術は、設備から得られる情報をAIで解析し、自然言語処理を介して診断できるようにする（図2）。

図2：音声による指示から簡易診断・詳細診断につなげる活用場面の例（出典：日立製作所）
拡大画像表示

　「正常音と異常音の違いを自然言語で説明」を実現するにあたって、日立は音響データによる簡易診断を支える2つの技術を開発している。設備音と騒音の両方の特徴を捉えるように学習し、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「異常音検知」と、正常音と異常音の微細な違いを自然言語で分かりやすく説明する「音響差分キャプショニング」である。

　両技術により、現場で異常の有無を確認しやすくなり、どのような違いを基に判断したのかの把握も容易になるという。「熟練作業員が着目するポイントを言葉で共有しやすくなるため、技能伝承の支援にもつながる」という。

　一方の「自然言語で伝えた波形を時系列センサーデータベースから検索」を可能にするために、自然言語での表現から類似した波形を過去の時系列センサーデータベースから検索する技術と、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を開発した。

　これらにより、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。さらに、異常データのサンプルが少ない設備でも、診断モデルに活用できるデータを補って原因分析を進めやすくなる。