予知保全向け信号履歴を準備する
予知保全は、安定した設備 ID とクリーンな信号履歴に依存します。この recipe では、予知保全ワークフローまたは FactVerse AI Agent の予知保全モジュールで使う前に、DFS でテレメトリ、イベント、保全記録を準備します。
準備フロー
成果
完了時には、次の状態を目指します。
- 1 つ以上の接続済みソースがある。
- ソース信号から設備または資産ターゲットへのレビュー済みマッピングがある。
- 最近の取り込み状況を示す同期履歴がある。
- 欠損、古い値、不可能な値に対する品質チェックがある。
- 再利用可能な信号履歴として DFS Pro データセットがある。
- 下流利用に向けた steward と検証状態がある。
- 資産識別、信号定義、運転状態、保全結果、モデル文脈を含む予知保全準備パッケージがある。
前提条件
| 要件 | メモ |
|---|---|
| 設備リスト | 安定した設備 ID、名称、別名、場所文脈。 |
| 信号リスト | センサータグ、計測点、イベントフィールド、ヒストリアン列。 |
| ソース情報 | ヒストリアン、データベース、CSV エクスポート、MQTT topic、REST API、その他のソース。 |
| 保全記録 | 作業指示、点検、故障、部品交換、作業者メモ。 |
| レビュー責任者 | 設備、単位、期待範囲を理解している担当者。 |
ステップ 1：設備範囲を定義する
設備または資産グループを決め、次を記録します。
- 設備 ID；
- 設備名；
- ソースシステム上の別名；
- サイト、ライン、エリア、システム；
- 関連コンポーネント；
- 期待される運転状態；
- 保全責任者。
安定した設備 ID は最初のモデル出力より重要です。ソースシステムごとに名称が異なる場合は、下流で使う前にマッピング表を作成します。
ステップ 2：信号ソースを接続する
DFS Lite connector でソースデータに接続します。
| ソース | 主な用途 |
|---|---|
| JDBC | ヒストリアンテーブル、データウェアハウステーブル、保全データベース。 |
| CSV | エクスポート履歴、初期ロード、オフラインモデル準備。 |
| MQTT | 設備または IoT payload。 |
| REST | エンタープライズ API、資産記録、作業指示システム。 |
| OPC UA | 設備または自動化テレメトリ。 |
各 connector は、マッピングに進む前に接続テストを行います。
ステップ 3：ソースデータを参照してプレビューする
各ソースで確認します。
- 階層またはフィールドを参照する。
- 最近の値をプレビューする。
- タイムスタンプフィールドを確認する。
- 設備識別子を確認する。
- メトリックまたはイベントフィールドを確認する。
- 単位を確認する。
- 期待値範囲を確認する。
古い、説明できない、重複している、または必要な ID がないフィールドは、先に拒否または隔離します。
ステップ 4：信号をターゲットにマッピングする
重要な信号にマッピングを作成します。
- ソースパス；
- ターゲット設備または資産 ID；
- ターゲットフィールド；
- 単位；
- 単位が異なる場合の変換式；
- 期待値範囲；
- 有用な場合はトポロジーまたはコンポーネントタグ。
| ソース信号 | 下流での用途 |
|---|---|
| モーター振動 RMS | 設備健全性特徴量 |
| ベアリング温度 | 熱傾向特徴量 |
| 電流 | 負荷と運転文脈 |
| アラームコード | イベント文脈 |
| 作業指示完了日 | 保全結果文脈 |
AI 支援のマッピングは、適用前にレビューします。
ステップ 5：同期して品質を確認する
同期後に確認します。
- 読み取り件数；
- 書き込み件数；
- 失敗件数；
- 最終同期時刻；
- 完全性；
- 適時性；
- 正確性；
- 品質傾向。
予知保全では特に次を確認します。
- 欠損区間；
- タイムスタンプのずれ；
- 単位不一致；
- ソースリセット；
- フラットラインセンサー；
- 不可能な値；
- 設備 ID 不一致。
ステップ 6：DFS Pro データセットを作成する
信号履歴を再利用する場合は、DFS Pro データセットを作成します。
推奨フィールド：
- 設備 ID；
- 設備別名またはソースシステム識別子；
- タイムスタンプ；
- メトリック名；
- メトリック値；
- 単位；
- センサー軸またはチャンネル；
- サンプリング間隔；
- 利用可能な場合の運転状態；
- ソースシステム；
- 品質フラグ；
- 利用可能な場合のイベントまたは作業指示参照。
Preview と profile で、行数、null 比率、設備 ID の分布、時間範囲、値の分布、必須列を確認します。
ステップ 7：検証して steward を指定する
本番ワークフローで使う前に、steward を指定して検証します。
- 設備 ID が資産モデルと一致している。
- 信号名が理解しやすい。
- 単位が正規化されている。
- 欠損区間が記録されている。
- 品質問題がレビューされている。
- ソースタイムスタンプが明確である。
- 必要に応じて保全記録が結合またはリンクされている。
- 下流ワークフロー責任者が制約を受け入れている。
ステップ 8：予知保全準備パッケージを作成する
データを予知保全モジュールまたは FactVerse AI Agent に渡す前に、レビュー可能な引き渡しパッケージを作成します。
| セクション | 必要な内容 |
|---|---|
| 設備識別 | 設備 ID、ソース別名、型式、メーカー、場所、コンポーネント階層、担当者、重要度。 |
| 信号定義 | センサータグ、チャンネルまたは軸、単位、サンプリング間隔、期待範囲、変換式、ソースタイムスタンプ規則。 |
| 信号品質 | 欠損区間、古い値、フラットライン、外れ値、単位変換、ソースリセット、拒否データの要約。 |
| 運転状態 | ソースシステムが提供できる場合、運転、停止、待機、部分負荷、洗浄、バッチ、保全状態を記録。 |
| 保全結果 | 作業指示、点検、完了日、確認済み根本原因、交換部品、誤検知ラベル、レビューメモ。 |
| モデルとテンプレート文脈 | テンプレート名、モデル ID、モデルバージョン、ベースライン日、割当状態、再学習ブロッカー。 |
| ガバナンス | データ steward、検証状態、許可された用途、保持方針、下流責任者の承認。 |
このパッケージを使い、次のステップがモデル学習、異常レビュー、advisory トリアージ、追加データ準備のどれかを判断します。
ステップ 9：下流で利用する
検証後、データセットは次を支援できます。
- 予知保全分析；
- 異常レビュー；
- 健全性サマリーワークフロー；
- AI Agent エビデンス取得；
- 保全計画；
- BI レポート；
- モデル再学習の準備状況レビュー；
- モデルコンソールの準備状況レビューとデータゲート解消。
モデルがデータから何を推定でき、何を推定できないかが分かるように、ソース制約をワークフロー実行記録またはデータセット説明に残します。
例外対応
| 問題 | 対応 |
|---|---|
| 設備 ID が安定していない | モデル準備を止め、ID、別名、資産階層を先に解決します。 |
| 信号タイムスタンプがない、または不整合 | ソースマッピングを修正するか、その信号を時系列ワークフローから除外します。 |
| 単位またはスケールが不明 | 設備責任者に単位を確認してから検証します。 |
| 信号履歴に大きな欠損がある | 制約を記録し、部分履歴でワークフローが使えるか判断します。 |
| 保全記録を結合できない | 作業指示 ID とタイムスタンプが修正されるまで、信号のみの分析として扱います。 |
関連ページ
| ページ | 用途 |
|---|---|
| DFS Lite Connectors | ヒストリアン、データベース、API、ファイル、テレメトリソースを接続します。 |
| ソースフィールドをマッピングする | ソース信号を資産とフィールドにマッピングします。 |
| データ品質 | 欠損、古い値、無効値を確認します。 |
| DFS Pro データセット | 信号履歴向けのガバナンス付きデータセットを作成します。 |
| FactVerse AI Agent 予知保全ワークフロー | 準備済みデータを AI Agent ワークフローで使います。 |