潜在健全指標モデルによるシステム状態予測と運用最適化に関する研究

• 研究課題/領域番号: 24K01110
• 研究種目: 基盤研究(B)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分25010:社会システム工学関連
• 研究機関: 東京大学
• 研究代表者: 矢入 健久 東京大学, 先端科学技術研究センター, 教授 (90313189)
• 研究分担者: 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)
• 研究期間 (年度): 2024-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円); 2027年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円); 2026年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円); 2025年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円); 2024年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
• キーワード: 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

研究開始時の研究の概要

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。