AI・IoT技術を活用した新たな産業保安システムの実証実験について


出光興産株式会社

 出光興産株式会社(本社:東京都千代田区、トレードネーム:出光昭和シェル)は、国立研究開発法人 新エネルギー・産業技術総合開発機構(以下NEDO)の2017年-2018年度事業である「IoTを活用した新産業モデル創出基盤整備事業」の実証実験に参加しましたのでお知らせします。

1.実証実験の概要

(1)目的
昨今の国内製油所の高経年化への対応、ベテラン社員の引退による製油所保全のノウハウの継承という課題に対し、当社北海道製油所を実証実験の現場として、ビッグデータ解析による配管腐食の早期検知や、より高精度な腐食評価の実現などを目的に実施しました。
(2)体制
本実証実験の幹事会社であるアクセンチュア株式会社(以下、アクセンチュア)はじめ、関係機関に以下概要に記載の腐食評価システムを構築頂き、当社北海道製油所にて実証実験を実施しました。
(3)実験期間
2017年8月から2019年2月

2.実験方法

 当社が保有する製油所の腐食管理のノウハウとアクセンチュアの豊富な人工知能(AI)や分析手法の知見を掛け合わせることにより、配管における腐食の進行度合いをデータ主導型で解析、評価する仕組みを構築し、実務面での有効性を検証しました。具体的にはアクセンチュアが当社の腐食評価基準に従い、配管画像・動画をピクセル単位で評価するモデルをAI技術のひとつである「Deep Learning技術」を用いて構築し、システム上で実装しました。

点検員が端末で撮影した配管の画像をもとに、配管の腐食評価をAI技術を用いて解析

点検員が端末で撮影した配管の画像をもとに、配管の腐食評価をAI技術を用いて解析

※Deep Learningとはニューラルネットワーク(人の脳を模した機械学習の手法の一つ)を高度に多層化(深化)することで問題解決能力を向上させた手法です。現在のAIといわれるものの主幹技術となります。

3.実験結果

 解析モデルは裸配管・保温材配管を対象に配管画像を学習して構築されており、当社定義の基準で80%以上の高い解析精度を出しており、実務レベルの有用性を確認しています。このモデルにより配管腐食の早期検知、及び点検員による腐食評価のバラつきの均一化による設備信頼性の向上の可能性や、若手エンジニアの経験を補足する効果が示されました。また、現場にてモバイルで配管画像撮影・アップロード・解析結果の確認が実施でき、実務での有効性を確認しました。

4.今後について

 今回実証実験を実施した北海道製油所では引き続き、本システムを実際の点検業務に活用する予定です。

学習データとして、腐食ランクごとにラベリングした配管画像約5,000枚を利用します

学習データとして、腐食ランクごとにラベリングした配管画像約5,000枚を利用します

当社は今後も、各製油所の保全技術の向上と、円滑な世代交代に向けたAIやIoTの導入検討を推進し、安全安定操業と競争力強化に努めてまいります。

~お問い合わせ先~

出光興産株式会社 
広報部 広報課
TEL:03-3213-3115 
URL https://www.idss.co.jp/

ページトップへ遷移