🔒 機密保護: 全処理ブラウザ完結 — TF.js モデル学習・推論もローカルで実行
USE CASE 1
予知保全
振動・温度センサー逸脱を製品不良前に検知
USE CASE 2
不良流出防止
外観検査前段で異常パターンを自動アラート
USE CASE 3
工程逸脱モニタリング
プロセスパラメータの組合せ異常を捕捉
⚡ 5秒で試す
① 「サンプルデータを読み込む」をクリック
→ ② 閾値スライダーを調整（任意）
→ ③ 「AI学習 & 異常検知」をクリック
PRESET
SETTINGS
70%
先頭のデータを「正常」として学習に使用します
50
2.0
学習後もスライダーで閾値変更可（再学習不要）
DATA
CSV形式: timestamp,sensor1,sensor2,sensor3
センサーは最大5列。1行目はヘッダー行として自動スキップ。
学習ボタンクリックでAI起動準備
検知モデル
Ctrl+Enter で実行
このツールについて
🤖 Autoencoder
ニューラルネットワークで「正常データのパターン」を学習し、そこから大きく外れたデータを異常と判定。複雑な相関関係を捉えられるが、学習に時間がかかる。TF.js使用。
🌲 Isolation Forest
「異常なデータは少数の分岐で孤立しやすい」という性質を利用。ランダムな木構造でデータを分割し、孤立しやすさで異常スコアを算出。学習不要で超高速。
📊 しきい値の意味
低め（1.5σ）: 敏感に検知。誤検知が増える。標準（2.0σ）: バランス型。高め（3.0σ）: 確実な異常のみ。製造ラインでは用途に応じて調整。