課題：
お客様は、産業用ファンのベアリングの運転状態をAIで予測することを望んでいました。
HBLABのソリューション：
• 64台のファンに取り付けられた約300個のベアリングセンサーから得られる温度、振動、潤滑剤の使用量などのデータを分析・修理する
• 履歴データを解析し、ベアリングの将来のパフォーマンス（温度と振動）を予測するためのAIモデル（時系列モデル）をトレーニングする
プロジェクトの詳細：
■ 体制：AI エンジニア２名+AI PM 0.5名
■ 開発期間：３ヶ月
■ 技術：時系列モデル（PatchTST, TFT）
効果：
温度の場合（範囲値 20 -> 60℃）：MSE~2
振動の場合（範囲値 ~0.7 -> ~1.2 mm/s）：MSE~ 0.05
*平均二乗誤差（MSE）とは、実際の値と何らかのモデルに基づく予測値があるとき、両者の差を二乗して平均した値。予測モデルの評価に用いられる。
