船舶用ディーゼルエンジンの壊滅的故障を機械学習で早期検知する新手法

要約

船舶用エンジンの壊滅的故障は突然発生し、システムに回復不可能な損害をもたらすため、乗組員や乗客の安全に深刻な脅威となっている。従来の研究では部品の漸進的劣化のモデル化に焦点が当てられてきたが、突然発生する異常現象への対策は限定的であった。本研究では、実際のセンサー値と期待値との偏差の微分（変化率）を評価する新しい早期検知手法を提案している。複数の機械学習アルゴリズムを比較検証した結果、Random Forestが最も適していることが判明した。従来手法が監視信号の偏差に注目するのに対し、提案手法は偏差の微分を用いることで、異常な動態をより早期に検知し、システム内で急速で危険な事象が発生していることを警告できる。この手法により、測定値が臨界値に達してアラームが発動される前に異常を検知することが可能となり、オペレーターは事前に警告を受けてエンジンを停止し、損害や予期しない電力損失を防止できる。また、船舶の航路を安全に変更し、潜在的な障害を回避する時間的余裕も得られる。シミュレーション結果と実世界データでの検証により、手法の有効性と実用性が確認されている。さらに、ディープラーニングベースのデータ拡張技術を用いることで、予測アルゴリズムの訓練に必要なデータ取得の課題も解決している。