AI用語集
人工知能の完全辞典
RUL (残存有用寿命)
RULまたは残存有用寿命は、予知保全における重要な指標であり、現在の状態と履歴データに基づいて、機器が故障するまでの残り稼働時間を推定します。
生存分析
生存分析は、故障のようなイベントが発生するまでの時間をモデル化するために使用される統計学の一分野であり、観察期間の終了時点で機器がまだ故障していない打ち切りデータを考慮に入れます。
予知健康管理 (PHM)
PHMは、システムの健康状態の評価（診断）と将来の進化の予測（予後）を組み合わせて、その保守と信頼性を最適化する工学分野です。
故障までの時間 (TTF)
故障までの時間（TTF）は、コンポーネントまたはシステムが稼働開始または最後の修理から次の故障までの稼働期間を表す確率変数です。
打ち切りデータ
打ち切りデータとは、関心のあるイベント（故障）が研究の終了までに発生しなかった観測値であり、これは予知保全では一般的であり、生存分析のような特定の分析技術を必要とします。
ワイブル分析
ワイブル分析は、機器の寿命をモデル化するための強力な統計的手法であり、その形状パラメータと尺度パラメータを通じて故障のフェーズ（初期故障期、偶発故障期、摩耗故障期）を特徴付けます。
健康指標 (HI)
健康指標（HI）は、複数の性能指標を集約して機器の全体的な健康状態の単一で定量的な測定を提供する複合スコアであり、多くの場合0から1の間で正規化されます。
RULのための再帰型ニューラルネットワーク（RNN）
再帰型ニューラルネットワーク（RNN）は、センサーデータの時系列を処理し、長期的な依存関係を捉えて劣化の進行をモデル化できるため、RULの予測に特に適しています。
1次元畳み込みニューラルネットワーク (CNN 1D)
1次元CNNは、予知保全において、生の時系列信号（振動など）から関連する特徴を自動的に抽出し、それらをRUL予測のための回帰モデルに入力する前に使用されます。
RULのための特徴量エンジニアリング
RUL予測のための特徴量エンジニアリングは、機械学習モデルの性能を向上させるために、生のセンサーデータから記述変数（統計的、周波数的、時間的）を作成するプロセスです。
故障までのデータ
「故障までのデータ」は、機器が通常の動作状態から完全な故障に至るまでを追跡する時系列データセットであり、RULモデルの理想的な学習ベースとなります。
類似性に基づくアプローチ
類似性に基づくアプローチは、機器の現在の劣化軌跡を歴史的な故障軌跡のデータベースと比較することでRULを推定し、類似の挙動が類似の故障時間につながると仮定します。
RULのためのアンサンブル手法
ランダムフォレストや勾配ブースティングなどのアンサンブル手法は、複数のベースモデルの予測を組み合わせることで、分散とバイアスを低減し、より堅牢で正確なRUL推定値を生成します。
残存有用寿命の分布
RULの分布は、残り時間の点推定だけでなく、信頼区間や確率密度の形で、その予測に関連する不確実性の測定も提供します。
寿命終了（EOL）予測
寿命終了（EOL）予測は、機器が指定された将来の時間枠内に有用寿命の終わりに達するかどうかを判断することを目的とする分類タスクであり、RUL回帰を補完するものです。
RULモデルにおけるアテンションメカニズム
Transformersなどのモデルに統合されたアテンションメカニズムは、モデルがデータの時系列の中で最も関連性の高い部分に集中し、RUL予測を微調整することを可能にします。
RULのためのドメイン適応
ドメイン適応は、転移学習の一種で、あるタイプの機器（ソースドメイン）で学習したRULモデルを、少量のデータで別の類似したが異なる機器（ターゲットドメイン）に適用できるようにする技術です。