労働人口の減少を背景に、設備保全の現場では、限られた人員で品質を維持しながら診断業務を効率化することが求められている。
しかし、設備の異常兆候の把握や原因分析には、装置が発する音や温度、振動などのデータを読み解く専門知識や経験が必要であり、診断業務が熟練作業員の知見に依存しやすいことが課題であった。
特に、現場環境の影響を受ける音の確認や、膨大なセンサデータの中から必要な情報を見つけ出す作業は、経験の浅い作業員にとって負担が大きいものであった。
こうした中、株式会社日立製作所は、経験の差にかかわらず判断の根拠を把握しやすくすることを目的に、自然言語を介して音響データによる簡易診断と時系列センサデータによる詳細診断を支援する「設備保全向けフィジカルAI技術」を開発した。
同技術は、正常音と異常音の違いを自然言語で分かりやすく説明する技術や、日常的な言葉で表現された波形をデータベースから類似検索する技術を実装したものだ。
技術的な解決アプローチとして、今回日立が開発したフィジカルAI技術は、音声指示の意図理解を含む自然言語処理を介して、現場での簡易診断から詳細なデータ分析までを一気通貫で支援する役割を担う。
第1の「音響データを活用した簡易診断を支援する技術」では、現場ごとの騒音や設備仕様に個体差があっても的確に異常音を識別する「異常音検知技術」と、正常音と異常音の微細な違いを人が日常的に使う言葉で解説する「音響差分キャプショニング技術」を組み合わせている。
これにより、異常の有無だけでなく、どのような違いに基づいて判断されたのかを直感的に把握できるようになり、熟練者の着眼ポイントが自然な言葉で組織内に共有される。
第2の「時系列センサデータを活用した詳細診断を支援する技術」では、過去の膨大な時系列センサデータベース内の局所的に類似した波形を検索する技術と、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が開発された。
これにより、例えば「一時的な急落、その後急落している異常箇所を検索して」といった自然言語の表現から、過去のデータベース内から局所的に類似した変化を示す波形パターンを検索する。
作業員は事前に詳細な波形条件を設定することなく類似した過去事例を参照できるようになり、異常データが極めて少ない設備であっても、診断モデルに必要なデータを補完して迅速な原因分析を可能にしている。
日立製作所は今後、実際の設備保全現場において技術実証（PoC）を重ね、音響データを活用した簡易診断と時系列センサデータを活用した詳細診断の有効性を検証する計画だ。
なお、今回開発された各種技術のうち、異常音検知技術、音響差分キャプショニング技術、時系列センサデータ検索技術、時系列センサデータ生成技術は、2026年8月31日から開催の国際学会「European Signal Processing Conference (EUSIPCO) 2026」にて発表される予定だ。
また、作業員の多様な音声指示から得られる意図を判別する音声言語理解技術については、2026年9月27日から開催される「Annual Conference of the International Speech Communication Association (INTERSPEECH) 2026」での発表が予定されており、学術的な面からもその新規性と信頼性が検証される。