ポンプ設備のバックアップ電源診断

浄水場ポンプ設備の ESS データを Machbase Neo に保存し、しきい値・変化率・パターンを分析して異常を早期に検知します。

このデモでは、浄水場のポンプ用バックアップ電源（ESS）から収集したセル・ラック単位の温度と電圧を Machbase Neo に保存します。固定しきい値だけでは見逃す兆候を、変化率とパターンの分析で検知します。停電時にも運転を続ける必要があるポンプでは、バッテリーによるバックアップ電源が常に待機しています。1つのセルの熱暴走がラック全体の火災に広がると給水停止につながるため、セル単位の監視が重要です。

4つのラックと48個のセルの温度・電圧にポンプ負荷を加えた98個のタグを、1秒間隔で収集します。24時間分の846万レコードを28秒（毎秒約30万レコード）で取り込みます。タグテーブルでは METADATA 句にサイト、ラック、セル、計測項目を保存するため、タグ名を文字列として解析せずに where rack='R02' and metric='TEMP' のように直接検索できます。秒・分・時の3段階のロールアップも自動生成され、846万件の元データを保持したまま集計結果をすぐに確認できます。

8つの TQL スクリプトを使い、しきい値、変化率、異常パターンの順に検知を段階的に強化します。温度55℃という単純なしきい値では、1秒間のセンサースパイクに反応する一方、熱暴走中のセルを見逃すことがあります。これに対し、5分間のロールアップから温度上昇率を計算すると、絶対温度がしきい値に達する前の51.6℃で、毎分0.27℃の上昇を検知し、同じセルを危険と判定できます。温度が正常でも電圧だけが低下する劣化セルは、同じラック内のセル間の電圧差の推移から特定できます。1分間の最大値と平均値の差を使えば、一時的なセンサーの誤検知と持続的な過熱も区別できます。

最後に、上昇率・温度・セル間の偏差・電圧低下という4つのリスク要因に重みを付けたルールベースの健全性スコアで、48個のセルを1つの表に並べます。熱暴走中のセルは18.9点で「危険」、電圧のみ低下した劣化セルは74.0点で「注意」と判定されます。スコアを下げた主な要因も併記し、同じようなリスク値でも原因が異なることを説明します。

個別の分析基盤や学習済みモデルを用意せず、タグテーブルと TQL だけで固定しきい値に達する前に設備異常を検知し、その判断根拠を Web 画面で確認する方法を紹介します。