1. 機械知能を用いた故障検知と予測。あらゆるシステムは、問題が実際に発生して深刻な結果につながる前に、潜在的な問題を検知または予測する必要があります。現状では、異常状態を正確に定義したモデルはなく、異常検知技術も未だ不足しています。センサー情報と知識を統合し、機械の知能を向上させることが急務となっています。
2. 正常状態では、対象の物理的パラメータを高精度かつ高感度にセンシングできるものの、異常状態や故障の検知については進展がほとんど見られない。そのため、故障の検知と予測が喫緊の課題であり、積極的に開発・応用する必要がある。
3. 現在のセンシング技術は、単一点における物理量や化学量を正確にセンシングすることは可能ですが、多次元状態をセンシングすることは困難です。例えば、環境計測は特性パラメータが広範囲に分布し、空間的・時間的な相関関係を持つため、早急に解決すべき難題の一つです。そのため、多次元状態センシングの研究開発を強化する必要があります。
4. 対象成分分析のためのリモートセンシング。化学組成分析は主にサンプル物質に基づいて行われるため、対象物質のサンプリングが困難な場合があります。成層圏オゾン濃度測定と同様に、リモートセンシングは不可欠であり、分光法とレーダーまたはレーザー検出技術の組み合わせは一つのアプローチとして考えられます。サンプル成分なしでの分析は、センシングシステムと対象成分の間に存在する様々なノイズや媒体による干渉の影響を受けやすく、センシングシステムの機械知能化によってこの問題が解決されると期待されています。
5. 資源の効率的なリサイクルのためのセンサーインテリジェンス。現代の製造システムは、原材料から製品までの生産プロセスを自動化していますが、製品が使用されなくなったり廃棄されたりする時点で、循環プロセスは効率的でも自動化もされていません。再生可能資源のリサイクルを効果的かつ自動的に行うことができれば、環境汚染やエネルギー不足を効果的に防止し、ライフサイクルリソースの管理を実現できます。自動化された効率的な循環プロセスを実現するために、機械知能を用いて対象部品または特定の部品を識別することは、インテリジェントセンシングシステムにとって非常に重要なタスクです。
投稿日時: 2022年3月23日