●複雑なセンシング時系列波形から数100の特徴量を自動抽出
●特徴量と特性の相関を計算
●AIによる時系列波形からの特性予測を実現

1.背景・目的

●背景
IoTの普及により、膨大なセンシングデータが取得可能になりました。しかし、複雑な時系列波形から手作業で有益な情報を引き出すには、高度な専門知識と膨大な解析工数が必要です。
多くの企業が「データはあるが、特性との関連性が見出せず活用しきれていない」という課題に直面しており、解析の自動化・高度化が急務となっています。

●目的
AIを駆使し、時系列波形から高精度な特性予測を実現する技術をご提供します。

2.KRIのセンシング技術例

脈波のウェアラブル測定
●超薄型圧電素子を用いた脈波センサ

●2点の脈波の時間差から血圧を算出

3.KRIの新規センシング AI解析技術

●脈波と血圧のデータベースを構築→手首1か所の脈波から血圧予測を実現

4. センシング x AIにおける、KRIからのご提案/期待される成果など

1. 睡眠状態に関する研究
脈波センサおよび血圧予測で、睡眠状態の定量評価

2. ストレス状態に関する研究
日常的にどのような場面で人がストレスを感じるのか評価

3. 脈波以外の時系列波形から予測モデルを構築
脈波に留まらず同様の手法で時系列波形の解析が可能。波形→特性の予測を実現

4. 機械故障、設備異常の事前予測
振動波形や電流波形を常時モニタリングすることで、故障・摩耗・異常等を予測する