エイシングは2021年11月16日、機器の状態を監視しながらメンテナンス時期を決定するCBM（Condition Based Maintenance：状態基準保全）向けの異常検知アルゴリズム「MSAT++」を開発したと発表した。モデルサイズは数KBと省メモリであるとともに、正常データからモデルを構築しての異常検知が可能で、逐次学習によりモデルの精度を向上できることなどが特徴となっている。

定期点検などで機器の保全作業を実施し、消耗部品は劣化状態に関係なく定期的に交換するTBM（Time Based Maintenance：時間基準保全）に対して、IoT（モノのインターネット）やAI（人工知能）によって機器の状態を監視し、最適なタイミングでメンテナンスを行えるCBMへの注目が集まっている。ただしCBMの導入では、大まかに分けて「設備からデータを収集・分析するための一連のシステムが複雑になってしまう」「トラブルが発生しない限り異常データが取れないため、異常検知モデル構築が困難」「搭載先の個体差／環境差などに合わせて数多くの異常検知モデルを構築する必要がある」という3つの課題が存在している。

MSAT++はこれら3つの課題を解決できる異常検知アルゴリズムである。まず、「設備からデータを収集・分析するための一連のシステムが複雑になってしまう」という課題については、モデルサイズが数KBと小さいことで解決できる。機械や装置、PLC、モーター、センサーなどに搭載されるマイコンで動作可能なので、IoTデータを蓄積するシステムやAIが動作するコンピュータなどを別途用意する必要がない。 「トラブルが発生しない限り異常データが取れないため、異常検知モデル構築が困難」という課題については、異常データがない状態でモデルを構築してCBMの運用を開始できる。運用中にデータを追加して逐次学習することで、モデルをより高精度にしていくことも可能だ。また、当初は教師なし学習によるモデルで運用を開始し、運用が進み正常データと異常データの判別が付くようになってから、逐次学習の際に正常と異常のラベル付けをしたデータを用いた教師あり学習も行える。

「搭載先の個体差／環境差などに合わせて数多くの異常検知モデルを構築する必要がある」という課題については、先述した逐次学習によって、搭載先の機械や運用環境、原材料のデータ特性を学習することで個体差／環境差へ適応することができる。