20241127SPSS秋02_東日本旅客鉄道 堀様資料

2024-11-27に開催されたSPSS 秋のユーザーイベントのご講演
東日本旅客鉄道株式会社 堀恵治様
講演②　ものづくり領域で活かされるSPSSの今とこれから-2
異常検知と自動化
のスライド資料（公開版）です

Transcript

1. 東日本旅客鉄道株式会社 モビリティ・サービス部門 車両ユニット 堀 恵治 ものづくり領域で活かされる SPSSの今とこれから-2 異常検知と自動化 #6-1-2 IBM TechXchange Japan
2. JR東日本における車両データ活用の取組 データ取得・記録 無線通信 TBM(Time Based Maintenance) CBM(Condition Based Maintenance) 一定周期毎に行うメンテナンス 運用中のビッグデータを活用したメンテナンス 常時監視、データ分析を活用し 機器の状態に応じて車両をメンテナンス 定められた距離や時間で行う 定期的な検査により車両をメンテナンス 地上システム データ蓄積 データ可視化 生データの可視化 アプリは独自開発 データ分析 SPSS Modeler Client&Server BIツール 仕組化
3. Q:SPSSを具体的にはどのように利用していますか？
4. IoTデータ分析の特徴 特徴量の計算 ・捉えたい現象(故障や劣化)に有効な指標を探索し、特徴量として定義する 生データの理解 ON OFF 0 4 2 0:00 0:10 0:20 0:30 スイッチの状態 電流値 ・サンプリング周期 １秒でデータは常時記録 ・スイッチがONになると電流値が上昇する →スイッチONとOFFの双方の状態でデータが記録されている 異常として 捉えたい ・特徴量はスイッチがONになった、1秒後の電流値 ON OFF 0 4 2 0:00 0:10 0:20 0:30 スイッチの状態 電流値 １ １ １ ０ → 異常 １秒
5. IoTデータ分析の特徴 ・適切な計算周期を定め、生データから特徴量を算出する仕組みを構築する ・持続的に特徴量に基づき、現実社会の現象を捉え活用する状態を設計し運用状態にする (分析者が介在しない状態が必要) ◦持続的にデータが活用される仕組み作り 分析者 メンテナンス実務者 ・特徴量や生データに基づき、メンテナンス内容等を決定し、実際の作業に反映する データ メンテナンス実務者 分析者 鉄道車両
6. 時系列データからの「時間」の特徴量生成
7. 時系列データから「時間」の特徴量を作りだす 出典：『実践！ 異常検知と故障予測―IBM ＳＰＳＳ ModelerによるIoT時系列データ活用』（東京図書）p.78
8. 製品Bを製造中のフラグをたてる
9. 製品B製造中のタイムカウントをとる
10. 製品Bを製造中に210度未満から210度を超えた時点での時間を抜き出 す 3回目の製造では11分かかって いて長いことがわかる
11. ループ処理による効率化
12. パラメーターで工場名を切り替えて実行
13. パラメーターで工場名を切り替えて実行
14. さらに工場名をループ処理で自動的にあたえる
15. Q:今後SPSSをどのように拡張展開していく計画やお考えはありますか？
16. Modelerスクリプトの生成 ModelerのマニュアルをRAGで参照してスクリプトを生成 ２プログラムの生成 ベクターDB １マニュアル検索 watsonx.ai 生成AI watsonx Assistant 可変長ファイルノードで "$CLEO_DEMOS/DRUG1n"を 読み込み、ヒストグラムノー ドをつないで、Age列のみヒ ストグラムを表示する Modelerスクリプトを modeler.apiを用いてpython で書いてください。 stream = modeler.script.stream() from modeler.api import StorageType # Set up the variable file import node varfilenode = stream.createAt("variablefile", "DRUG Data", 96, 96) varfilenode.setPropertyValue("full_filename", "$CLEO_DEMOS/DRUG1n") # Next create the histogram node and connect it to the variable file node histogramnode = stream.createAt("histogram", "Histogram", 192, 96) stream.link(varfilenode, histogramnode) # Configure the histogram node histogramnode.setPropertyValue("fields", ["Age"]) # Execute the histogram node and capture the resulting histogram output object results = [] histogramnode.run(results) Modeler 18.5 Pythonスク リプトと オートメー ションガイ ド