三菱電機、物理モデルによる高精度なAI劣化推定技術を開発

三菱電機、最新の物理モデル組み込みAI技術を発表

近年、日本の製造業では生産設備の高度化が進む中で、熟練技術者の不足が深刻化しています。この状況において、三菱電機株式会社は、機器の劣化を少量の学習データで高精度に推定する物理モデル組み込みAIを開発しました。この技術は、同社のAIブランド「Maisart®」（マイサート）の一環として登場し、製造現場でのアセット運用の最適化に貢献します。

従来の課題とAI技術の必要性

従来の劣化推定は、機器の挙動を数式やシミュレーションにより再現し、物理知識を持つ専門家が劣化判定を設計するものでした。このアプローチは、長時間の労力を要し、特に少子高齢化が進む日本においては、熟練技術者の不足が問題となります。劣化した機器を使用することで、故障や製品不良が発生するリスクが高まり、「予防保全」のニーズが高まっています。

生成AI技術がこの問題の解決策として注目されてきましたが、従来の技術では機器の個体差や設置環境に応じた膨大なデータが必要であり、実用化にはさまざまな課題が残されていました。これらの難題をクリアするため、三菱電機は物理モデルをAIに組み込む新たな手法に取り組みました。

新たな技術の特徴

三菱電機とその米国法人Mitsubishi Electric Research Laboratoriesが共同で開発したこの技術は、機器の物理モデルを基にしています。このアプローチでは、少量のデータでAIを学習させ、個体差や環境条件に基づく劣化を高精度に推定することが可能です。具体的には、機器の設計仕様に反映されない要素を実測データから追加学習させる手法を採用しました。

この技術の大きな特徴は、AIによるパラメータの動的調整が可能であることです。従来は固定的だった重みづけを見直すことで、使用環境に応じた最適化が可能となり、劣化推定の高精度化と利便性向上を実現しました。これにより、製造現場では部品交換の低減や重大故障の抑制が期待され、コスト削減や生産性の向上に寄与します。

実証試験と成果

実際のデータに基づく実証試験では、三菱電機の産業用ロボットを利用し、従来手法に比べて推定用データを約90％削減しつつ、推定誤差を維持できることが確認されました。また、ROC曲線を用いた評価では、本技術が0.98～1.00の高い分類精度を達成したことが示されています。これにより、業界内での劣化推定の信頼性が向上し、製造プロセスの中での適用が期待されています。