日本フィジカルアコースティクス株式会社
Home ＞ IoT/AI 初めての実用教科書
アコースティック・エミッション（AE）によるIoT/AIの基礎と実用例
　本書は、20年余りにわたりIoT／AIの研究・開発、そして実用化に携わっている著者による入門書です。主対象となるセンシング技術は、アコースティック・エミッション（AE）で、高周波数帯域を計測するために環境雑音に強く、スマート工場、スマートコンビナート、インフラ構造物などの連続モニタリング技法として、切り札になるとされています。
　文系・理系を問わず大学・大学院で専門分野を学んでいる学生や、IoT／AIの導入を考える現場の技術者にとって、道標になることを目的として書かれました。国内のみならず、世界的に見ても初めて出版された、IoTとAIに関する実用教科書です。
　本書では、IoT、ビッグデータ、AIについて、中核となる理論と多くの実用例が示され、AEのみならず他のセンシング技術にも共通する、最先進技術の動向がやさしく解説されています。様々な構造物や機械装置における実用例が具体的にまとめられており、専門家は勿論、そうでない方にとっても、IoTやAEなどの先端技術に興味を持つなら、本書から多くの有益な情報を得ることが出来ます。

目次紹介

購入先：　amazon、honto、Rakuten、朝日出版社
アコースティック・エミッション（AE）によるIoT／AIの基礎と実用例

編著：京都大学経営管理大学院 特命教授　湯山茂徳
共著：日本フィジカルアコースティクス（株）代表取締役社長　西本重人
　　　　産業総合技術研究所　安藤康伸

第1章　序論
1.1 はじめに
1.2 IoT、ビッグデータ、およびAI
1.3 IoTに用いられるセンシング技術としてのAE

第2章　アコースティック・エミッション（AE）の基礎
2.1 AEの発生原理と解析法
2.1.1 一次AE発生源
(1) 地震とAEの類似性と相違点
2.1.2　地震とAEの理論
2.1.3　AE解析の2方面
2.1.4　AEの発生と伝播
(1)　AE発生源のモデル
(2) AE波の伝播
(3) AE波の減衰
(a)　拡散損失
(b) 減衰の原因
(c) 減衰曲線の実例
2.1.5　実測されるAE波形
2.1.6　AEパラメータ解析
(1)　AE特徴パラメータとその情報
2.1.7　AE源の位置標定
(1) 信号到達時間差法
(a)原理
(b)標定誤差
(2) ゾーン標定法
(3) 信号到達順位法
2.2　AE計測装置
2.2.1　はじめに
2.2.2　AEセンサ
(1)　AEセンサの特徴
(2)　圧電型AEセンサ
(a)　原理
(b)　圧電素子の性質
(c)　圧電型センサの構成
　（i）共振型センサ
（ii）広帯域センサ
（iii）特殊なセンサ
(3)　AEセンサの感度校正
(4)　AEセンサの計測周波数帯域の選択
2.2.3　AE計測装置
（1）基本構成
（2）歴史
（3）多チャンネルパラメータ解析AEシステム
（4）ディジタルAE計測システム
（5）専用機
(a) リーク（漏洩）モニター
(b) 構造物診断専用装置
(c) IoT用AE計測装置
2.2.4 まとめ
2.3　AEによる材料評価試験
2.3.1　荷重の負荷方法
2.3.2　外部入力データのサンプリング方法
2.3.3　データ解析事例
2.3.4　腐食評価試験
(1)　はじめに
(2)　腐食損傷に起因するAE発生源
(3)　すきま腐食およびSCC発生の検知
(4)　腐食疲労（CF）のAEモニタリング
(5)　AE発生源とそのエネルギーレベル
2.4　構造物のAE試験
2.4.1　はじめに
2.4.2　金属製構造物のAE試験
(1)　高圧ガス貯蔵容器
(2) ポリエチレンプラントにおけるチューブ反応器のAEによる健全性評価
(3)　パイプライン
(4)　配管の腐食損傷診断
(a)　地上配管
(b)　地下埋設配管
(c)　原油貯蔵設備の配管
2.4.3　コンクリート構造物のAE試験
(1)　桟橋のAE試験
(2)　高速鉄道橋の損傷評価
2.4.4　航空機へのAE試験適用
(1)　飛行中のAEモニタリング
(2)　F-111戦闘爆撃機のAE試験
(3)　F15戦闘機の疲労試験におけるAE計測
(4)　航空機の加齢化対策としてのAE法の適用
(5)　複合材料とAE
2.5　設備診断
2.5.1　軸受、歯車、ポンプ
2.5.2　金型加工の製造工程管理
2.5.3　 射出成型時のクラック検出
2.5.4　メカニカルシール
2.5.5　エレベータ・エスカレータ
(1) エレベータ
(a) 軸受、歯車
(b) 主軸
(c) ロープ
(2)　エスカレータ
(a)　駆動チェーン、踏段チェーン、スプロケット
2.5.6　変圧器の部分放電へのAE試験の適用

第3章 AI（機械学習）の基礎
3.1　はじめに
3.2　AIによるAEデータ処理の例
3.3　AIを導入する前に考えるべきこと
3.3.1 情報科学市民権の獲得
3.3.2　課題設定
3.3.3　AI技術導入のための第一歩
3.4　AIによる予測の仕組み
3.4.1　予測（回帰）モデル
3.4.2　損失関数と正則化
3.4.3　交差検証
3.4.4 モデル回帰のベイズ統計による定式化
3.5 AIによる分類の仕組み
3.5.1 教師あり学習と教師なし学習
3.5.2　類似度と特徴空間
3.5.3　低次元特徴空間を構成するための主成分解析
3.5.4 K-means法による分類

第4章　IoTの適用実例
4.1　スマート工場におけるIoT
4.1.1　絞り加工
4.1.2　研削加工
4.1.3　特殊材料
4.1.4　まとめ
4.2　スマートコンビナートにおけるIoT
4.3　インフラ構造物のIoT
4.3.1　岩盤斜面のモデム通信による遠隔連続モニタリング
4.3.2　吊り橋のインターネット モニタリング
4.3.3　PC（プレ ストレスト）橋のIoT
4.4　スマートグリッド（送電施設）のIoT
4.5 ガス・蒸気タービンのIoT
4.6 風力発電施設のIoT
4.7　海洋構造物のIoT
4.8　原子力発電所のIoT
4.9　宇宙構造物（ロケットモーターケース）のIoT
4.10 無線AEシステム

第5章　AIの適用事例（データベースの構築と評価・フィードバック）
5.1　スマート工場
5.2　MONPAC解析・評価
5.2.1　背景
5.2.2　適用実例
(1)　ステンレス製円筒容器の加圧試験
(2)　球形ホルダーの加圧試験
(3)　ステンレス製反応容器
(4)　横置エチレン貯曹
(5) プロセスユニット
(6)　貯蔵タンク側板
(7) 高圧配管
5.3　TANKPAC解析・評価
5.3.1　はじめに
5.3.2　タンク底板のAE試験
(1)　歴史的経緯
(2)　世界の適用状況
(3)　規格化の動向
(4) AE試験の実施
(a)　試験原理
(b)　欧州の適用例
(c)　判定基準
(5)　我国における適用実例　　
(a)　小型ガソリンタンク
(b)　国家備蓄原油タンク
(c)　AE波の伝播試験
(6)　検討
(a)　AE発生源
(b)　AE計測時における環境雑音の影響
5.3.3　おわりに
5.4　地下貯蔵タンクの腐食損傷評価
5.4.1　はじめに
5.4.2　試験原理
5.4.3　AE波の計測手順
5.4.4　試験タンクの諸元
5.4.5　データベースの構築
5.4.6　地下タンクの定性的腐食損傷評価
5.4.7　腐食速度とAE活動度との相関
5.4.8 まとめ
5.5　バルブリーク検出・評価への適用（VPAC評価）
5.5.1　背景
5.5.2　バルブリークの理論
5.5.3 データベースの作成による実用化
5.5.4　現場における実バルブへの適用
5.6　スマートコンビナート（化学プラントにおけるデータ マネジメント システム）

第6章　IoTにおける情報セキュリティ
6.1　はじめに
6.2　近年における情報セキュリティ上の事案
6.3　情報セキュリティ ガイドライン
6.4　民間企業へのサイバー攻撃に対する危機管理の事例
6.4.1　危機の発生
6.4.2　情報の公開
6.4.3　対策チームの編成と方針の決定
6.4.4　顧客への対応
6.4.5　対策チームの使命
6.4.6　最高責任者（社長、役員室）の対応
6.4.7　外部からの支援
6.4.8　問題解決への道筋
6.4.9　事前のリスク管理
6.4.10 対策チームの活動
6.4.11　一般顧客対策
6.4.12　記者会見
6.4.13　企業責任と自己防衛
6.4.14　担当者の健康（精神）管理
6.4.15　経験の蓄積と継承
6.4.16　まとめ、および危機の収束

第7章　終論
7.1　日本の優位性と課題
7.2　課題の解決法
7.3　おわりに


執筆者担当一覧

湯山茂徳：第1章　
第2章　2.1～2.4
第4章
第5章
第6章
第7章

西本重人：第2章　2.5

安藤康伸：第3章

トップに戻る
(C) Copyright 2014, Nippon Physical Acoustics, LTD., A Member of MISTRAS Group, Inc. All right reserved