特長

スマホで測定・マニュアルモードとPCにデータ保存・自動モード

マニュアル測定ではスマホやPCのブラウザで操作できるのでアプリは不要、100カ所まで測定点が登録できます。

自動モードでは、コナンエアーを測定点に常時設置して、あらかじめ設定したスケジュール（例えば毎日8時と20時など）に沿ってWi-Fiアクセスポイントを通してPCに全自動で振動データが保存されます。マニュアル、自動でのデータファイルは同じなので混在が可能で順次自動計測を増やして行くことができます。自動モードでは1台のPCで100台のコナンエアーまで使えますが、複数のPCを使うことも可能なので測定点数に制限はありません。

エクセルで傾向管理できてソフト不要、他のシステムでデータ利用も簡単

エクセルマクロサンプルが付属。振動速度RMSや加速度ピーク値などの簡易診断データの傾向管理と一覧表示ができます。一覧表示では各測定点の最新のデータを表示して、注意値や警報値の設定により色分け表示します。サンプルマクロは公開していますので、自由に編集してご利用いただけます。

付属アプリでFFTによる周波数分析が可能

FFT（高速フーリエ変換）による周波数分析アプリも付属します。周波数分析結果は、付属の専用グラフ表示・分析アプリ【コナライザー】でグラフ表示したり、重ね描きで過去の分析結果と容易に比較できます。 FFT結果はCSVファイルに出力することもできるのでExcelなどでも利用できます。

AIを応用したNECインバリアント分析技術でより早期の異常検知

NECのインバリアント分析技術により周波数スペクトルの自動良否判定ができることが確認できました。 このことにより、データ分析の手間が大幅に削減でき、技術者のノウハウが必要であったスペクトル波形の診断も簡単に評価出来るので誰でも使えるようになります。偏差値やカラオケの点数のように一つの指標で良否判定ができたことは画期的です。 また、インバリアント分析技術での異常スコアは、速度RMSや加速度ピーク値などの傾向管理による簡易診断の結果よりも早く異常予知ができることがわかりました。

コネクシオの「回転機のAI予知保全」ソリューションに採用

【コネクシオの「回転機のAI予知保全」ソリューション】 モーターやポンプなどの回転機にワイヤレス振動センサーを取り付けるだけで、遠隔で異常検知/故障予兆検知を始めることができるワンストップ IoT ソリューション「Smart Ready IoT 回転機の AI 予知保全ソリューションセット」 主に多数のお客様拠点の回転機(モーター、ポンプ、圧縮機、減速機等)を一元監視したい設備保全事業者向けのソリューションです。遠隔監視と異常検知/予知保全機能により、設備保全業務における「With コロナ時代における働き方改革」と「現場の課題解決」を支援してまいります。（コネクシオのプレスリリースより）

NI（ナショナルインスツルメンツ）の分析ソフトウェアDIAdemで分析できる

ナショナルインスツルメンツの、計測データを短時間で検索、確認、解析、レポート生成できるよう設計されたソフトウェアであるDIAdemで直接コナンエアーの計測データが読み込めるようになりました。

AIを応用したNECのインバリアント分析技術

ベアリングの初期異常やギアの欠けなどの微小変化を捉えることはスペクトル（周波数分析）波形を見て人が判断していますが、判定が難しく、測定点が増えると人手ではたいへんなのでなかなか現場ではうまく運用できていません。AIを応用したNECのインバリアント分析により周波数スペクトルの自動良否判定ができることが示されました。偏差値やカラオケの点数のように一つの指標で良否判定ができたことは画期的です。

用途例

ポンプ・ファン等の回転機械の予防保全	機械は必ず壊れるものであるがポンプ・ファンなどの回転機械は、流量や圧力などのプロセスの状態を監視していてもいつ壊れるかはわからない。 振動計測によって設備の状態を調べることは古くから行われていて、医者が健康診断で聴診器を使うように機械の調子がいつも通りであるかどうかを振動値で確認するものである。
ベルトコンベアなどの搬送機器	コンベアなどの搬送機械は突然機能を停止することがある。 振動計測によって設備の状態を調べることは古くから行われていて、医者が健康診断で聴診器を使うように機械の調子がいつも通りであるかどうかを振動値で確認するものである。 人手による点検はなかなか頻繁に行えないが、コナンエアーは全自動計測でガタつきや大きな音が発生するような振動を捉えて壊れる前に検知することが出来る。
ベアリング損傷の精密診断	ベアリングの損傷やギアの欠け等の異常は、簡易診断では識別が難しいことがあるが、FFT（高速フーリエ変換）による振動の周波数分析を行ってその分析波形パターンの比較によって、異常状態の識別ができる。グラフの縦軸は振動値（加速度）で横軸は周波数である。 また、振動波形の包絡線処理を行ってからFFTを行うエンベロープFFTではベアリング損傷についての要因分析に繋がる精密診断ができた。
モータベアリング異常の検知事例	モータのベアリングに異音を見つけたので交換した時の前後のデータで、簡易診断（加速度ピーク値の傾向管理）にて異常検知が出来ている。人が五感で感じる異常と同等の検知ができた。さらに、AIを応用したインバリアント分析技術で算出した異常スコアによると、簡易診断よりも早く異常検知出来ることがわかった。