Study on Prognostics and Operation Optimization based on Latent Health Index Models

• Project/Area Number: 24K01110
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 25010:Social systems engineering-related
• Research Institution: The University of Tokyo
• Principal Investigator: 矢入 健久 東京大学, 先端科学技術研究センター, 教授 (90313189)
• Co-Investigator(Kenkyū-buntansha): カーン サミル 東京大学, 大学院工学系研究科(工学部), 特任准教授 (10898836) ; 武石 直也 東京大学, 先端科学技術研究センター, 講師 (20824030)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,200,000 (Direct Cost: ¥14,000,000、Indirect Cost: ¥4,200,000); Fiscal Year 2027: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2026: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2025: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000); Fiscal Year 2024: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000)
• Keywords: 健全性予測・監視 / 機械学習 / 残存寿命予測 / 動的システム / 異常検知・診断

Outline of Research at the Start

近年、過去の運用データと機械学習技術を用いたデータ駆動型の健全性監視が注目され、異常検知、故障診断、余寿命予測などの手法が盛んに研究されている。本提案研究では、システム構成要素の潜在的な「健全度」指標をベクトル変数として持つ健全性予測モデルを提案し、計測データと外部入力および専門的知識からモデルを学習する方法を確立する。また、潜在健全指標ベクトルの導入により、健全性管理における意思決定により寄与するとともに、異常検知・診断および余寿命予測の同時実現が可能であることを実証する。