3.4. 実施内容（結果と考察）
機械学習には多種多様な手法が提案されており、我々も有望と期待される複数の手法を試しているところである。ここでは近年のAIブームの火付け役となったニューラルネットワークに着目し、ニューラルネットワークをベースとした各手法とその結果を略述する。

① 1D-CNN
畳み込みニューラルネットワーク（CNN）は画像認識の分野でよく使われる教師あり学習の手法で、入力データに対してカーネルと呼ばれる行列を用いた畳み込みの計算を行うことによって特徴量を圧縮することができる。マッドロギングデータのような時系列データに対して時系列方向にカーネルを当てはめることで、時系列方向にデータを圧縮することができる。圧縮したデータを入力層、ラベルを出力層として学習を行い、生成された学習済みモデルにラベルを隠した未知のデータセットを入力して出力されるラベルの精度を評価する。

スタディでは現在のデータに基づいて将来の状態を分類する「予兆検知」ではなく、現在のデータに基づいて現在の状態を分類する「現象識別」から始めた。現在からΔt後に発生するイベントの予兆を検知するためにはt=Tのデータに対してt=T+Δtのラベルを対応させて学習・判断させるが、現象の識別はt=Tのデータに対してt=Tのラベルを対応させて学習・判断させる。理論的には予兆検知よりも現象識別のほうが難易度は低いと考えられ、1D-CNNの適用可能性評価のために現象識別を実施した。

計算実行の結果、学習段階において損失関数の減少が確認され、掘削データから抑留状態を表すパターンを学習していることが確認された。しかし未知のデータに対しての識別精度は表2の通りであり、ランダムにラベルを判断したケースと比較しても有意な識別精度の向上は見られなかった。これは使用したデータのうち離脱作業を含むデータ数が十分でないことが原因であると考えられる。そこで離脱作業を行っている区間のデータに対してData Augmentation（データ拡張）手法の一つであるOversamplingを適用することにより、学習データにおけるラベル1のデータ数を増やして計算を実行したところ、識別精度の向上が確認された。

② Auto Encoder
教師なし学習の例として、Auto-Encoderを用いた。Auto Encoderは中間層の次元を入出力層の次元より小さく設定し、入力と出力を同じデータにすることで、入力データから出力データをより少ない情報量で再現するモデルを生み出す手法である。今回のケースでは入力層と出力層を正常掘削区間のデータとして学習させ、評価では未知データに対する学習済みモデルからの出力値と実測値の差から復元誤差を算出した。この手法では、学習済みモデルに抑留状態区間のデータを入力すると、復元誤差が大きくなることが期待される。

計算実行の結果、ラベル0のデータと比較してラベル1のデータに対する復元誤差（平均値）が約3倍大きくなる結果が得られた。これはそれぞれのラベルが付されたデータにおいて異なるパターンが表れていることを示しており、実際にラベルが0から1に変化する直前に復元誤差が立ち上がり、ラベルが変化した後では復元誤差が増加している様子が見て取れる。

③ ニューラルネットワーク
ニューラルネットワークは上で述べたCNNやAuto Encoderのベースとなる手法であり、ここでは①②と異なり時系列データを区間特徴量（周波数応答/統計量）に変換して入力データに用いた例を紹介する。掘削作業には鋼管の回転やポンプのストロークのように周期的な運動が含まれ、抑留の予兆は周波数領域にも現れることが予想される。また瞬間的なデータの変動を逐一追うのではなく、ある程度の時間幅の中での挙動に注目して分析するために平均や分散などの統計量を作成して入力データとした。本スタディでは中間層の数を1、2、3層と変化させて識別精度がどのように変化するかを評価した。

計算実行の結果を表3に示す。上から中間層が1層、2層、3層のケースとなっている。F1値^*3での評価結果では層数に対して有意な差が認められないが、PrecisionやRecallにはある程度の差がみられた。本スタディでは識別するべきラベルが0か1の2通りしかないため、ニューラルネットワークの複雑さによって識別精度が大きく影響されなかったと考えられる。混合行列においてPrecisionやRecallに注目することは、実際の現場での運用を考えるうえで重要である。今回の例では、小さな抑留でも見逃すことなく検知するのか、それとも誤検知はできるだけ減らして重大な抑留のみ検知できれば良いとするのか、運用上での要求を考慮する必要がある。

^*3混合行列を用いた予測結果の評価尺度の一つで、精度（Accuracy）と再現率（Recall）の調和平均で表される。

4. 終わりに

掘削データに機械学習を適用することによりトラブルの予兆検知を試みたが、現時点での成果は、すぐに現場への適用が検討される段階にはない。より良い学習済みモデルを作るために必要なのは、より多くの、より正確にラベル付けされたデータであることを再認識した。世界の石油開発業界では各社が保有する掘削データを共有しようとする動きもみられ、またリグの各所に追加のセンサーを設置してトラブルや機器の故障状態を分析する研究も多数報告されている。
掘削現場への適用を見据え、本研究の成果を実用化するにあたり、現場における運用方法に関する考察も必要である。デジタルトランスフォーメーションが叫ばれる中、石油開発に関してもまだまだデジタル技術適用による技術開発の余地があり、産業としての発展が期待される。

【著者略歴】
草薙　和也（くさなぎかずや）
独立行政法人　石油天然ガス・金属鉱物資源機構 デジタル推進グループ　デジタル技術チーム

■略歴
1992年1月16日生
2016年3月　京都大学大学院　工学研究科　都市社会工学専攻　修士課程　修了
同年4月　独立行政法人石油天然ガス・金属鉱物資源機構　入構

■専門分野
Drilling Engineering（石油掘削）

３．「海外との連携技術開発プログラム」について

「１．はじめに」で述べたように、日本財団は、「2030年に向けた海洋開発技術イノベーション戦略」の提言に基づき、海洋石油・ガス市場を持つアメリカ、スコットランド、ノルウェーと連携して、技術開発に対し支援を実施している（図３（太字参照））。
まず、アメリカとの連携技術開発プログラムに関しては、日本財団は2018年５月、主要エネルギー会社が主導する技術プラットフォーム「DeepStar」^１）とMOUを締結し、共同技術開発プログラムの立ち上げに合意した。日本財団は同プログラムの実施に際し、最大で10億円を拠出することとしている。本プログラムは、海洋石油ガス分野のニーズに沿った、かつ日本の強みを活かしたイノベーティブな新技術を石油メジャーと連携して開発するという日本初の取り組みである。

第１弾では、日本企業からの案件応募、DeepStarや石油メジャー等との検討を経た結果、海底での光通信無線技術の開発（島津製作所）、水中での非接触型給電システムの開発（NEC）、海洋石油開発にかかるパイプラインのつまりや腐食を防止するための添加剤注入新技術の開発（横河電機）など、10件の海洋石油・ガス技術開発プロジェクトを採択し、現在、技術開発を進めている。第２弾の公募も、本年10月４日から開始しており（12月９日〆切）、日本財団は、海洋石油・天然ガス開発分野の参入を目指す日本企業を引き続きサポートしていく。

次に、スコットランドとの連携技術開発プロジェクトに関しては、日本財団とスコットランド開発公社は、お互いの強みを活かして2030年に海洋開発分野をリードするために、2017年９月にMOUを締結し、共同技術開発プログラムを開始した。本MOUに基づき、日本財団とスコットランド開発公社は双方10億円ずつを拠出して技術開発を促進していくこととしている。
第１弾では、「海洋石油・ガス」をテーマに日本、スコットランド企業からの案件応募を昨年度行い、日本財団とスコットランド開発公社、別途設置した有識者委員会（第３者委員会）で検討を経た結果、効率的な海底機器検査技術システムの開発（三菱重工業）、光通信の導入による海底での環境モニタリングシステムの開発（NECネッツエスアイ）、産業用ロボットアームを活用した自律型メンテナンス技術の開発（川崎重工業）など、５件の海洋石油・ガス技術開発プロジェクトを採択し、現在、技術開発を進めている。

第２弾では、海洋資源を生かし経済成長を目的とする「ブルーエコノミー」をテーマに日本企業とスコットランド企業から海洋開発における環境保全や地球温暖化対策（例： 洋上風力発電、二酸化炭素海底貯留、石油・ ガス開発における環境モニタリング等）に関する技術開発に係るプロジェクトを今年度公募し、浮体式洋上風力発電の係留の寿命予測手法と新係留材料の実用化（戸田建設）、浮体式海洋構造物の船体寿命予測モデルの開発（三菱造船）、ドローンを活用した遠隔操業・保守役務システムの開発（横河電機）など、５件の共同技術開発プロジェクトを採択し、本年10月に横浜市で発表を行った（表１）。

最後に、ノルウェーとの連携技術開発プロジェクトに関しては、2018年８月にノルウェーの産業クラスターであるGCENODE^２）と公的機関であるNORCE^３）とにおいてMOUを締結し、共同技術開発プログラムを設立した。本MOUに基づき、日本財団とGCENODE、NORCEは双方６億円ずつを拠出して洋上風力発電をはじめとする海洋エネルギーに関する技術開発を促進していくこととしている。現在、GCENODE、NORCEと公募を開始すべく準備をしているところである。

４．おわりに

本解説では、日本財団が進める「日本財団オーシャンイノベーションコンソーシアム」と「海外との連携技術開発プログラム」について紹介した。日本財団は、日本が将来の海洋開発をリードしていくことができるよう、引き続き、人材育成と技術イノベーションとを車の両輪として進めていく。

【著者略歴】
辰野　誠哉（たつの　せいや）
日本財団　海洋事業部　海洋開発人材育成推進室　アドバイザー

2015年　東京理科大学大学院　理工学研究科　機械工学専攻修了。
2016年　国土交通省　入省
2016年-2018年　国土交通省　海事局　海洋環境政策課
内航船の省エネ化、次世代船舶（LNG燃料船、自動運航船）の推進等に従事
2018年　現職

他にも、筆者らは、海中の生物の生活環境を乱さず観測できる魚ロボット（図１０－図１５等）を開発している。本物そっくりに泳ぎ、カメラを搭載すれば海中生物の自然体な生息状況を観測できる。

ロボットによる海洋観測は、観測の総合効率化を鑑み、将来的には図１6に示すような海中から海上、空、宇宙まで、それぞれのロボットがネットワークで統合されてロボット群として海洋探査ができるものを目指していきたいと考える。^２）３）

次週に続く－

【著者略歴】
山本郁夫（やまもと　いくお）
長崎大学副学長・教授

1983年3月　九州大学工学部航空工学科卒、同大学院工学研究科修了、博士（工学）。
1985年4月　三菱重工本社技術本部、
2004年4月　海洋研究開発機構、
2005年4月　九州大学大学院総合理工学府教授、
2007年4月　北九州市立大学教授、
2013年4月　長崎大学教授、
2019年4月　同大学副学長。

GlobalScot（スコットランド名誉市民）、フランス国際賞受賞。
専門はロボット工学。実用的なロボットを世界に先駆けて開発することで定評がある。三菱重工業株式会社で10000m(10900m)無人潜水ロボットやB787主翼、JAMSTECで300km(317km)以上を自律で航走する水中ロボットを開発してきた。大学では小型飛行体や小型水中ロボット、本物そっくりにおよぐ魚ロボットを世界に先駆けて開発している。宇宙遊泳する魚ロボットも開発した。30年以上のロボット研究歴の中で英国、フランス、日本などでPractical Roboticsの創出法に関する本など多く執筆している。

２． スコットランドと日本の技術開発協力

スコットランド政府経済開発機関のScottish Enterprise(SE)とScottish Development International(SDI)は、２０１２年頃から、両国企業間の技術の強みを持ち寄り共同開発を通して共に市場に参入すると言う戦略発想持って活動を続けてきた。エレクトロニクス、ロボット技術、製造・品質管理技術など基礎技術に優れる日本企業と、海洋産業の現場で培った技術・経験を持つスコットランド企業は補完的な関係になり良いパートナーになり得る。この発想に賛同を頂き、次世代センサ協議会、JAPIC、エンジアリング協会、日本舶用工業会とともに協業機会を探った。またサンケイビジネスアイのご理解を頂きSensorExpoに併設する形で、Subsea Tech Japanを開催する事となった。

２０１７年に、（公益財団法人）日本財団とSEで合計20億円の助成金を用意して、海洋開発に関して技術開発助成事業を行う事となった。同年９月にAberdeenにおいて調印式が行われた。日本企業とスコットランド企業が共同開発グループを組んで（1対1に限定されない）、その内容を審査して助成金を提供する仕組みである。その際、外部有識者委員会JAC（Joint Advisory Committee、両国から各３名）を作り提案プロジェクトへのアドバイスや評価をおこなっている。最終的に日本側企業は日本財団が、スコットランド側企業はSEから判断をしてそれぞれ助成金を付ける仕組みとなっている。ここでの採択の重要なポイントは、市場性があるかどうかと言う点にある。

第一回目の募集は、２０１７年末から開始した。テーマは、石油ガス生産に関するデジタル化（Digital　Oil Field）とその他技術とした。https://www.nippon-foundation.or.jp/who/news/pr/2017/20171120-22783.html
２０１８年９月に最終的に以下の５つのプロジェクトを採択した。

パートナーを見つける作業は各企業の努力とSE/SDIのサポートの２本立てであったが、採択に至ったすべての日本企業はAberdeen・Scotlandを訪問しており、その結果パートナーが見つかっている。
プロジェクトは、いずれも日本側がSystemでスコットランド側がその為のキーソリューションの組み合わせになっている。当初予想した日本側の強みであるエレクトロニクス、ロボット、製造・品質管理技術などが生かされた内容となっている。

次週に続く－

【著者略歴】
松枝　晃（まつえだ　あきら）
英国大使館・スコットランド国際開発庁　上席投資担当官
金沢大学 工学部 電気工学科卒、
１９８１年オリンパス光学株式会社（当時）。研究開発部門で回路設計、新規事業開拓、オープンイノベーション等経験。
２０１０年スコットランド国際開発庁。センシング技術を中心に日本スコットランド間の技術案件を担当。２０１２年から海洋関係。北海のSubsea技術と日本の海洋関連技術のコラボレーションを促進。