[3Win5] Poster session 3

[3Win5-67] Development of an Equipment Anomaly Detection Algorithm for Domain Experts in Steel Mills

〇Kazuhiro Morii¹ (1.Kobe Steel, Ltd.)

Keywords:anomaly detection, Human-in-the-Loop, online learning

製造現場において，生産設備の安定稼働を目的に，各種センサの数値データを活用した設備異常の早期発見が求められている．異常データは殆ど存在しないため，取りうる手法は，外れ値・変化検出が基本となるが，工場内には多種多様な外乱や操業条件が存在するため，設備の運転方法に関する知識や「ここを見るべき」という現場の知見を活用した部分区間抽出等の前処理が精度向上に不可欠である．しかし，手動での前処理には必要となる労力が大きく，実務上困難な場合も多い．そこで本研究では，手動での部分区間抽出ができない設定で，ドメインエキスパートによるデータに対する部分的なラベル付け（ユーザFB）を活用し，異常検知モデルを適応的に調整するアルゴリズムを提案し，架空設備のシミュレーションデータを用いた実験でユーザFBに応じてモデル挙動を柔軟に変えられることを示す．本手法の特徴は，ランダムに抽出した時系列データの複数の部分区間それぞれに対して構築した異常検知モデルの重み付き和により異常度スコアを算出し，ユーザFBに基づき，ブレンディング重みの更新と，異常検知に寄与しない部分区間に対するモデルの更新を行う点にある．