鉄道車両 APU の状態診断

鉄道車両 APU のセンサーデータを Machbase Neo に取り込み、可視化から状態診断まで行う時系列データ処理の流れを紹介します。

https://github.com/machbase/neo-train-apu-demo

このデモでは、UCI Machine Learning Repository の MetroPT-3 データセットを Machbase Neo に保存し、鉄道車両の空気供給装置（Air Production Unit、APU）の状態をインタラクティブなダッシュボードで確認します。

データセットに記録された空気漏れの故障区間とセンサーの変化、説明可能な健全性スコアを時系列で分析できます。

主な機能

• MetroPT-3 データセット全体（約151万時点）の探索
• 鉄道 APU の空気流量と装置状態の可視化
• 圧力、温度、電流、バルブ、スイッチなど15種類のセンサーデータ分析
• データセットに記録された空気漏れの故障区間を表示
• 説明可能なルールベースの健全性スコアとイベントを表示
• 時系列でセンサーデータを再生・探索
• 英語・韓国語 UI に対応
• Machbase Neo JSON Rollup による高速な時系列照会
• Live Query に基づく Frame / Window / Signal API
• SQL、実行時間、ロールアップ情報を確認できる Evidence API

このデモの健全性スコアとイベントは、機械学習モデルによる予測ではなく、プロジェクトで定義した説明可能なルールに基づいています。

データセットに含まれる故障区間と、プロジェクトで計算したイベントを分けて表示するため、実際のセンサーデータに基づく分析過程を明確に確認できます。

Industrial AI や予知保全では、異常を予測するだけでなく、センサーデータを時間軸で分析して結果を説明することが重要です。

Machbase Neo は大容量の時系列データを保存し、JSON Rollup で必要な区間をすばやく照会できます。Web ベースのモニタリング・分析画面にも自然に連携できます。

このデモでは、鉄道車両 APU の時系列データをリアルタイム分析と説明可能な状態診断画面につなげる方法を紹介します。