エッジAIのドロップインソリューションでワイヤレス状態基準保全を強化

状態基準保全（CbM）は、予知保全を通じて機器の不具合を防ぐのに役立ちますが、効果的なシステムを設計するには、通常、高精度センシング、低ノイズ信号チェーン、電源管理、ワイヤレス接続を最適に統合する必要があります。これらは複雑な機能であるため、CbMの導入を遅らせたり、コストを増加させたりする可能性があります。設計者はまた、CbMをさらに複雑にしているエッジでの人工知能（AI）分析の利点を認識しています。必要なのは、よりシンプルで効果的な解決策です。

この記事では、CbMの概要を説明します。 そして、エッジAIによるワイヤレスCbMの即時導入を可能にする、Analog Devicesのドロップインソリューションをご紹介します。

状態基準保全が重要な理由

計画外のダウンタイムは、運転機器の有効性を高いレベルで維持する上で、依然として大きな課題です。重要な機器に予期せぬ不具合が1つでも発生すると、生産ライン全体が停止し、サプライチェーンが混乱し、高額なサービスの介入につながる可能性があります。不具合発生後の事後修理や、厳格にスケジュールされたサービス間隔を含む従来のメンテナンスアプローチには、欠点があります。事後保全はコストのかかるダウンタイムをもたらし、スケジュールされたメンテナンスは、稼動状態を維持している部品の不必要な交換によるリソースコストを発生させます。

CbMは、より費用対効果の高い予知保全手法の導入を可能にします。振動、温度、電流、その他の性能指標を監視することで、機器のオペレータは、不具合が発生する前に部品劣化の早期警告兆候を特定することができます。このデータ主導のアプローチは、計画外のダウンタイムを減らし、機器の寿命を延ばし、総所有コストを削減します。

CbMの導入は、その利点の一方で、要件の複雑さや複数の専門分野にまたがる専門知識の必要性から、行き詰まる可能性があります。これらの課題を克服することが、産業用・自動車用機器におけるCbMを活用した予知保全の成功の鍵となります。

状態基準保全の課題と要件

CbMがその潜在的なメリットをフルに発揮するためには、CbMソリューションは、正確な測定データに基づくタイムリーな分析を提供しながら、要求の厳しい産業および自動車環境で確実に機能しなければなりません。しかし、こうした対象環境の性質上、監視対象機器が正常に動作している間であっても、測定デバイスにはかなりの機械的・環境的ストレスがかかります。産業用モータ、ドライブトレイン、重回転機器により、監視デバイスは、常に振動、衝撃、極端な温度、高レベルの電磁妨害（EMI）にさらされます。

信頼性の高い予知保全を可能にするために、CbMデバイスの振動センサは、シャフトのアンバランス、ミスアライメント、ベアリングの磨耗の初期の手がかりとなる、より微妙な変化を検出できなければなりません。過酷な環境条件下でも高精度の振動測定を実現するには、厳しい動作環境で安定した性能を発揮する、高帯域幅で低ノイズのセンサ信号収集サブシステムが必要です。

CbM手法の中核である振動分析は、正常運転と不具合の初期指標を区別する認識パターンの基盤を提供します。これまで振動センサシステムは、測定値を中央のホストやクラウドベースのリソースに渡して分析していました。しかし、先進的なCbMソリューションでは、ますます分析をエッジに移行するようになっています。センサシステム内またはその近傍でデータを分析することで、結果は最小限の待ち時間で生成され、時間的制約のある産業用ネットワークや自動車用ネットワークのトラフィックが削減されます。

特に、畳み込みニューラルネットワーク（CNN）モデルに基づくエッジAI推論は、振動変化のリアルタイム解釈を可能にします。しかし、CNNを使った推論は計算量が多く、システムのパワー、サイズ、コストの制限を超えることなくCbMを実装するという目標をさらに複雑にしています。

CbMは、回転機器や、有線接続が現実的でない遠隔・移動機器での使用が増えるにつれて、消費電力を最小限に抑える必要性が高まっています。このようなケースでワイヤレス接続の要件を満たす上で、Bluetooth Low Energy（BLE）は、他の接続オプションと比較して、必要な範囲、電力、信頼性の組み合わせを提供します（表1）。

表1：ワイヤレス接続規格の中でも、BLEはワイヤレス振動監視に適した特性を兼ね備えています。（表提供：Analog Devices）

しかし、エッジAI処理と同様に、ワイヤレスセンサシステムの電力制約の中で動作可能なBLE接続ソリューションを見つけることが課題です。実際、バッテリ寿命の延長は、あらゆるワイヤレスセンサシステムの設計者にとって課題であり続けています。しかし、この課題は、センサが届きにくい産業用アプリケーションや自動車用アプリケーションでは特に重要です。CNN推論の実行が期待されるCbMシステムでは、バッテリと電源管理の両方がますます重要になっています。ここでの課題は、複数のレギュレータ、シーケンサ、充電システムを連携させ、安定した動作を確保しながら消費電力を削減することにあります。

評価キットはエッジAI搭載のドロップインワイヤレスCbMソリューションを提供

Analog DevicesのEV-CBM-VOYAGER4-1Z Voyager 4キットは、CbM技術の継続的な評価や予知保全アプリケーションへの即時導入に向けた完全なバッテリ駆動振動監視プラットフォームを提供することで、エッジAIによるワイヤレスCbM導入の課題に対応します。このキットは、垂直スタンドオフ（図1、上）を使用することで、過酷な環境にも耐えられるように設計されており、この垂直スタンドオフは片側でメインプリント回路基板を、もう片側でバッテリをしっかりと固定します。電源プリント回路基板とセンサは、スタンドオフの下部、監視対象の振動源近くに配置されています。導入時には、垂直スタンドオフアセンブリは、直径46ミリメートル（mm）、高さ77mmの保護アルミ製エンクロージャ（図1、下）に設置されます。このエンクロージャはABSアクリルの蓋で覆われ、BLE接続が可能です。

図1：Voyager 4の頑丈なスタンドオフアセンブリと保護エンクロージャにより、過酷な環境でもエッジAIによる信頼性の高いワイヤレスCbMが可能になります。（画像提供：Analog Devices）

Analog Devices MAX32666 BLEマイクロコントローラユニット（MCU）とAnalog Devices MAX78000EXG+ AI MCUを中心に構築されたワイヤレスセンサシステム設計は、高精度振動測定、異常検出、バッテリ寿命の延長を実現する包括的な低電力デバイスセットを統合しています（図2）。

図2：複数の低電力デバイスを組み合わせることで、Voyager 4はドロップインワイヤレスCbMエッジAIソリューションに必要なセンシング、処理、接続性の組み合わせを提供します。（画像提供：Analog Devices）

振動測定向けに、Voyager 4はAnalog DevicesのADXL382-1BCCZ-RL7 3軸加速度センサを使用しています。この製品は、マイクロエレクトロメカニカルシステム（MEMS）センサ、アナログフロントエンド（AFE）、16ビットA/Dコンバータ（ADC）を組み合わせたものです。8キロヘルツ（kHz）の測定帯域幅を特長とするこのデバイスは、高振動環境でも正確な測定を実現するように設計されています。低電力設計に適しており、8kHz帯域幅の高性能モードではわずか520マイクロアンペア（μA）、400Hz帯域幅の低電力モードではわずか32μAしか消費しません。

Voyager 4のシステム設計では、ADXL382の出力はAnalog DevicesのADG1634BCPZ-REEL7 CMOSスイッチに渡され、MAX32666 BLE MCUがCMOSスイッチを制御します。このBLE MCUとAnalog Devicesの超低電力ADXL367BCCZ-RL7 MEMS加速度センサの組み合わせは、Voyager 4の動作モードにおいて中心的な役割を果たしています（図3）。

図3：Voyager 4の動作モードは、トレーニングデータの効率的な生成とリアルタイムの推論を保証し、エッジAIがクラウドリソースに依存することなく予知保全をいかにサポートできるかを示しています。（画像提供：Analog Devices）

トレーニング動作中（図3のパス[a]）、MAX32666 MCUは、ADXL382-1BCCZ-RL7から生の振動データを転送し、MAX32666 BLE無線またはVoyager 4のUSB接続を介してユーザーのホストシステムに送信します。この記事で後述するように、この動作モードは、CbMのエッジAIの基礎となるカスタム推論モデルを生成するために必要なトレーニングデータを提供します。

異常検出動作中（図3のパス[b]）、Voyager 4のMAX78000EXG+ AI MCUはADXL382-1BCCZ-RL7への直接接続を使用して生の振動データを読み取り、内蔵CNNアクセラレータでカスタム推論モデルを実行して異常を予測します。推論結果が異常の存在を示す場合、MAX78000EXG+はアラートを発し、MAX32666 BLE MCUがアラートをユーザーに渡して対応を促します。

異常が検出されなければ、センサはスリープモードに入ります。この静止状態では、ADXL367BCCZ-RL7加速度センサはモーション起動のウェイクアップモードでわずか180nAの電流しか消費せず、振動が調整可能な閾値を超えるとトリガされます。このモーション起動のウェイクアップが発生すると、ADXL367BCCZ-RL7は次にMAX32666 BLE MCUをウェイクアップし、MAX32666 BLE MCUは、新しい振動測定と推論のサイクルを開始します。このアプローチにより、通常動作時の電力消費を最小限に抑え、電力集約的なBLE無線の使用をトレーニングセッションと異常アラートに制限することができます（図4）。

図4：モーション起動のウェイクアップとBLE無線の選択的使用により、Voyager 4のバッテリ寿命が延びます。（画像提供：Analog Devices）

効果的な電源管理は、重要な機械や設備の不具合を予測することを目的としたデバイスには不可欠です。Voyager 4のモーション起動ウェイクアップ動作によって可能になるシステムレベルの省電力化とともに、Voyager 4はAnalog DevicesのMAX20335BEWX+T電源管理用集積回路（PMIC）を統合し、必要な電圧供給を実現しています。さらに、Analog DevicesのMAX17262燃料ゲージがバッテリ電流を監視し、バッテリ寿命の推定をサポートします。Voyager 4のさまざまな動作モード中、MAX32666 MCUは、特定の電力ニーズに合わせて個々のMAX20335BEWX+T出力を有効または無効にすることができ、消費電力をさらに最適化します。

デバイスレベルでは、低電力動作はVoyager 4キットで使用される個々のデバイスの中核機能です。たとえば、MAX32666 BLE MCUは、3.3ボルトでキャッシュから実行する場合、メガヘルツあたり27.3マイクロアンペア（μA/MHz）しか必要としません。MAX78000EXG+ AI MCUは、Arm® Cortex®-M4コアプロセッサがアクティブな状態で、3.0ボルトでキャッシュから22.2μA/MHz（ループ実行時）を使用します。さらに、両MCUは、アクティブコアの消費電力をさらに最小化するダイナミック電圧スケーリングコントローラを内蔵しています。

システムレベルとデバイスレベルの電力最適化を組み合わせることで、Voyager 4のさまざまな動作モードにおける消費電力を効果的に最小化します。通常の異常検出モードでは、Voyager 4の消費電力は約0.3ミリワット（mW）で、センサは1時間に1回アクティブになり、一般的な条件下で1500ミリアンペア時（mAh）のバッテリを使用した場合、バッテリ寿命は2年にもなります。一方、トレーニングモードでは、モデルのトレーニングと検証に使用する振動データを送信するためにBLE無線を広範囲に使用する必要があり、その結果、消費電力は0.65mWを超えます（図4を再度参照）。

エッジAI向け振動監視モデルのトレーニングと導入

CNNモデルのトレーニングは、適切なソフトウェアツールが広く利用できるようになったことで、比較的簡単なプロセスとなりました。しかし、エッジAIアプリケーション向けモデルのトレーニングにおいては、エッジプロセッサやMCUのリソース制約により、個々の対象デバイス向けにモデルを最適化する専用ツールの開発が進んでいます。Analog Devicesは、このようなツールをAI on a Battery GitHubリポジトリで提供しており、文書化されたワークフローを通じてユーザーをサポートしています。Analog Devicesは、モデルのワークフローを3つの段階に分け、それぞれに専用のGitHubリポジトリを提供しています（図5）。

図5：ツールと手順の専用リポジトリを備えた構造化ワークフローにより、開発者はMAX78000EXG+ AI MCU向けにCNNモデルを最適化できるため、電力制約のあるデバイスで実用的なAI駆動型CbMを実現できます。（画像提供：Analog Devices）

初期段階では、ai8x-trainingリポジトリは、作業環境を準備し、含まれるtrain.py Pythonスクリプトでトレーニングを実行するための詳細で段階的な手順を提供します。次の段階では、ai8x-synthesisリポジトリが、トレーニング済みモデルをCコードに変換するために使用するツールのセットアップと操作について、同様に詳細な手順を提供します。

エッジAIで成功を収めるための重要な要素は、対象となるCNNの実行環境の能力と限界を理解することです。Analog Devicesは、ai8x-trainingとai8x-synthesisのリポジトリに、CNNモデルの実装決定とMAX7800x AI MCUの機能の関係を開発者が理解するのに役立つ詳細なチュートリアルを収録しています。

最終段階は、ソフトウェア開発キットのリポジトリに文書化されており、対象となるMAX7800x MCU用の推論モデルを組み込んだファームウェアを開発するための手順とツールを提供します。ファームウェアの生成後、ユーザーは有線またはワイヤレスアップデートでVoyager 4にファームウェアをロードします。この時点で、ユーザーはBLE経由でVoyager 4と接続し、Windowsホスト上で動作するPythonグラフィカルユーザーインターフェース（GUI）を使用してコマンドを発行できます。通常動作モードでは、AI MCUはMAX32666 BLE MCUの指示に従って、またはウェイクアップ時に自動的に推論を実行します。

まとめ

機器の不具合による計画外のダウンタイムは、コストとリスクを押し上げます。CbMは予知保全を通じてコスト削減とリスク軽減に貢献しますが、分析を伴う適切なワイヤレスセンサシステムの設計は依然として複雑です。Analog DevicesのVoyager 4ワイヤレス振動評価キットは、こうした課題を克服するドロップインソリューションを提供し、高精度センシング、効率的な電力利用、ワイヤレス接続、エッジAIによる堅牢な処理を備えた予知保全の迅速な導入を実現します。