製品ラインナップ
製造現場のエッジ診断から、既存システムへのAPI統合、 データサイエンティストの探索的分析まで。toorPIAの技術を用途に応じた最適な形で提供します。 価格・ライセンスについてはお問い合わせください。
vibeCheck
低速回転でも、予兆は音に出る。
コンベア、減速機の低速段、撹拌機、冷却塔ファン、回転乾燥機。回転が遅い設備ほど、従来の振動診断は効きにくくなります。
vibeCheckは、解析エンジンtoorPIAを内蔵した手のひらサイズの診断アプライアンスです。 巡回点検で採った音を本体に入れるだけで、正常時のベースマップと比べて「いつもと違う」を見つけます。 ソフト導入もクラウド契約も不要。社内LANにもクラウドにもつながないので、情報セキュリティのリスクを抑えられます。
- 常設センサー不要
- iPhoneや汎用レコーダーで約1分の録音
- スタンドアロン。クラウド不要
大手化学メーカーの低速回転設備で稼働中
現場で、録る
iPhoneや汎用レコーダーで設備の音を約1分。現場に持ち込むのは録音機だけ。設備の停止も防爆対策も要りません。
執務室で、入れる
持ち帰った録音をUSB・SD・スマホWi-Fiで、執務室のvibeCheck本体へ。設備に割り当てるだけで、重複取り込みは自動で防ぎます。
その場で、わかる
取り込むたびに自動判定。「いつもと違う」を正常・警告・危険の3段階で示し、報告書PDFを出力します。
4日目に「いつもと違う」が見えた
送風機の音を毎日1回録り、高域（10〜20kHz）をベースマップと比べた例です。 地図の緑が正常領域、赤がその日の録音。 1日目・2日目は赤が緑の内側に収まり正常。3日目に赤のかたまりが緑の外へ出て警告、4日目には大きく離れて危険になりました。
下段は正常重心からの距離（ゆらぎ比）の推移です。2日目はゆらぎ比1.1でも緑の内側なので正常のまま。 どの周波数を見るかを人が決めなくても、日々の変化が地図上の位置と距離として積み上がります。
vibeCheckデモ機の出力（設備は例示）。判定の仕組みは技術ページ「予兆監視の仕組み」で解説しています。
巡回点検が、予兆診断になる
歩いて録るから、対象は工場中に広がります。巡回のたびに正常データが積み上がり、ベテランの「いつもと違う」を数値で共有できます。
- •1台で、工場中を — 録音機を持って歩くだけ。設備の追加は登録だけ
- •回るたびに、育つ — 正常な音が巡回ごとに蓄積し、基準の地図が精緻になる
- •耳の勘を、数値に — いつもと違う音を数値にして、担当が替わっても引き継ぐ
- •周囲のノイズに強い — 話し声、ホイスト、台車、打撃音などは内蔵の前処理モジュール（10種）で抑え、設備の定常音だけを取り出してから判定
できること・できないこと
分かるのは「いつもと違う」までです。どの部品が傷んでいるかを言い当てるものではありません。原因の切り分けと処置の判断は現場の技術者が行い、vibeCheckはその判断を早い段階で始められるようにします。前提として、正常時のデータと、収録位置・当て方をそろえた運用が必要です。
正常な音だけを、基準にする
- •可聴域の響きで軸受の状態を捉える — 傷が当たる周期は毎秒数回でも、一回一回の衝撃は構造を励起し、高い帯域まで広がった音として現れます。vibeCheckが見るのは、この帯域の変化です
- •スペクトル全体を1つの形として扱う — 周波数スペクトルを高次元のベクトルのまま、toorPIAが2次元の地図に射影します。どのピークを見るかを人が指定しません
- •判定は3段階 — 正常時の録音3件以上からベースマップ（正常領域と重心）を作り、新しい録音を追加プロット。正常領域の内外と、重心からの距離（ゆらぎ比：正常時のばらつきを1とした距離）で判定します。目安は正常 1.0未満／警告 1.0〜2.0／危険 2.0以上
なぜ低速回転機器は、従来の振動診断で難しいのか▾
- •信号そのものが小さい — 設備を揺らす力は回転が速いほど大きくなります。不釣り合いによる力は回転数の2乗に比例しますし、軸受の傷を転動体が叩く勢いも、通過速度が下がれば弱くなります。一方で周囲のポンプやモーターが出す暗騒音は変わらないため、弱い信号が埋もれます
- •欠陥の繰り返しが毎秒数回まで下がる — 傷が当たる周期は回転数に比例して遅くなります。周波数の見分けやすさは窓の長さの逆数で決まるため、0.1ヘルツ刻みで分けようとすれば10秒以上の窓が必要。しかし窓を長くとるほど時間の分解能は落ち、一瞬の衝撃はならされて消えます（前処理のトレードオフ）
- •回転数が揺れるとピークがぼやける — 負荷変動やベルト・チェーンのすべりで回転数が動くと、探すべき周波数も一緒に動きます。長く平均するほどピークは広がり、背景に沈みます。回転計を使って追従する方法はありますが、対象設備すべてに回転計を付けることになります
- •包絡線解析は「答え」を先に必要とする — 取り出す帯域に加えて、軸受の転動体の数と寸法、歯車の歯数、段ごとの回転数が分かっていないと、探すべき周波数を計算できません。多段の減速機やコンベアの駆動系、撹拌機では、その情報自体が現場に残っていないことが少なくありません
- •振動速度の判定基準には回転数の下限がある — ISO 10816／ISO 20816の振動速度による評価区分は、適用範囲がおおむね毎分120回転までと定められています。それより遅い設備に判定表をそのまま当てはめることはできません。振動速度は変位と周波数の積なので、同じ傷でも回転が遅いほど小さな値として現れます
異常の種類を事前に知らなくても、正常から外れたものを外れとして描けるか。正常データだけで地図を作り、未知の異常を後から投入する手順で、公開ベンチマークでも検証しています検証結果を見る→
vibeCheck本体
届くのはこの箱ひとつ。電源を入れれば動きます。
本体・解析エンジン
Raspberry Pi 5（8GB）ベース、約10×7×4cm。toorPIAを本体に内蔵し、外部サーバ不要。NVMe SSD 500GB（1分の録音 約2万件分）
録音・入力形式
iPhoneマイク、汎用オーディオレコーダー（ピエゾピックアップ・32bit float推奨）。WAV（16/24/32bit）、M4A・MP3・FLACは自動変換
取り込み・操作
USB・SDの自動取込、スマホWi-Fi、PCからアップロード。操作はHDMIモニタ、またはPCとLAN直結。ルータ不要・PC設定変更なし
ネットワーク・保守
スタンドアロン。社内LAN・クラウドに接続しません。遠隔保守はSoracom回線で、必要時のみアダプタを装着
日々の点検に、そのまま
ダッシュボード（カードの色が最新判定）、設備別・巡回サマリーの報告書PDF、取り込むたびの自動判定・自動更新、定常区間だけを切り出す非破壊の分割・複製
拡張
AIエージェント連携（MCP標準対応）。前処理モジュールはPython 1本で追加でき、設備ごとにプリセット管理
1ヶ月無料お試しプログラム受付中
実際の現場でvibeCheckを1ヶ月評価。技術評価・運用評価の2階建てレポート付き。
この運用手法を現場に根付かせる進め方は導入アプローチ→
toorPIA API
toorPIAの次元削減エンジンと予兆監視システムをREST APIとして提供。 お客様の既存システムやデータパイプラインに組み込むことで、 高次元データの可視化・分析、そして中間領域に現れる予兆の早期検出を実現します。
ベースマップの作成、新規データの射影、診断スコアの取得までをAPIコールで完結。 数万点のマップをバックグラウンドで常時監視し、ステータスやタグによるフィルタリング、 API Key発行による外部システムからの自動連携に対応しています。
主要エンドポイント
- •マップ作成 — 高次元データからベースマップを生成。正常領域の自動学習
- •データ追加・射影 — 新規データをベースマップに射影し、2次元座標を返却
- •予兆監視 — 正常領域からの距離スコアと推移段階（NORMAL/WARNING/DANGER）を返却。異常に至る前の予兆を定量化
- •マップ管理 — ステータス・タグによるフィルタリング、ダッシュボード連携
技術仕様
- •REST API / JSON形式
- •バッチ処理・ストリーミング両対応
- •API Key認証
- •既存のETL/MLOpsワークフローに統合可能
LLM連携
PythonクライアントtoorpiaにはMCPサーバーが同梱されており、Claude等のLLMからtoorPIAの次元削減・予兆監視を直接実行できます。
- •
pip installでクライアントとMCPサーバーを一括導入 - •LLMが対話的にデータ分析・予兆監視を実行可能
エンジンの性能の裏付けは公開ベンチマーク→
ベースマップ作成（高次元データ投入）
新規データを既存マップに射影
診断結果を取得
{
"map_id": "m-2026-0401-001",
"status": "warning",
"score": 0.73,
"position": { "x": 0.42, "y": -0.18 },
"distance_from_rg": 1.84,
"threshold_rg": 1.0,
"in_normal_area": false
}
JupyterLab上でtoorPIAを実行し、MapInspectorでクラスタ分析を行う画面
システム構成：Webブラウザ → JupyterHub → toorPIAエンジン（Dockerコンテナ内）
toorPIA 分析パッケージ
JupyterHub + JupyterLab環境でtoorPIAを利用できるオンプレミス分析基盤です。 お客様のプライベートクラウド上のDockerコンテナにインストールし、 社内のデータサイエンティストがブラウザからJupyterLab環境にアクセスして、 toorPIAによる高次元データの探索・分析を行えます。
JupyterHubがユーザー認証とセッション管理を担当し、各ユーザーは独立したJupyterLab環境で作業。 toorPIAエンジンは解析コマンドとして呼び出され、結果はNotebook上でインタラクティブに可視化されます。 データは社外に出ることなく、セキュアに運用できます。
- •オンプレミス導入 — データを社外に出さずにセキュアに運用。プライベートクラウド上のDockerコンテナで動作
- •JupyterHub統合 — マルチユーザー認証・セッション管理。ブラウザから即座にアクセス
- •MapInspector — 射影されたマップ上でクラスタを選択し、主要属性の差異を即座に比較。ヒートマップ・散布図の切り替え表示
- •インタラクティブ分析 — Notebook上でコマンドを実行し、マップ作成・クラスタ比較・属性抽出をリアルタイムで探索
高次元データを見分ける仕組みは技術ページ→
