GitHub 注目リポジトリ
yzhao062/pyod
異常検知の手法比較
製造業★★★★☆人気★★★★☆★10,052PythonBSD-2-Clause更新 2026年10月12日
A Python library for anomaly detection across tabular, time series, graph, text, image, and audio data. 60+ detectors, benchmark-backed ADEngine orchestration, and an agentic workflow for AI agents.
注目されている理由
異常検知の手法を60以上まとめて比較できる点が、長く使われている理由です。表形式・時系列・画像・音声を同じ枠組みで扱えます。
製造業での使いどころ
検査記録や設備ログの外れ値を見つける初期段階で、どの手法が自社のデータに合うかを比べるのに向きます。手法選定が済んだ後は、個別の実装に移すほうが運用しやすくなります。
基本情報
| リポジトリ | yzhao062/pyod |
|---|---|
| 主な言語 | Python |
| スター数 | 10,052 |
| ライセンス | BSD-2-Clause |
| 最終更新 | 2026年10月12日 |
数字は2026年10月21日時点でGitHub Search API(製造業に関わる語での検索と週間トレンド)から取得した値です。ライセンスは掲載時点の表記のため、導入前に配布元で必ず確認してください。「製造業」の星は用途の近さとライセンス・導入のしやすさから編集部が付けた5段階、「人気」の星はスター数から機械的に決めた5段階です。
関連テーマ
関連する記事
-
Honeywell Forge Cognitionは工場で使えるか:「不要アラーム90%減」を疑う5つの問い
-
ウェハテストで1サイトだけ不良が増えた夜:Advantest・NVIDIAの診断AIを想定の工場に置く
-
時系列データの異常検知AI入門:統計・予測残差・再構成型の3方式と選び方
-
異常検知の誤報を減らす:1日あたり誤報件数とイベント単位評価で設計する
-
時系列異常検知の評価の落とし穴:71手法×967系列の比較で分かった3つの事実
-
多変量SPC(MSPC)入門:Hotelling T²とQ統計量で相関のある工程を監視する
同じ一覧の他のリポジトリ
CONSULTATION
「AIで何ができるのか分からない」段階からご相談ください
AI導入テーマの選定、PoCの設計、データ基盤・MESとの連携、本番運用と人材育成まで。株式会社サオスの実務者が、貴社の現場とデータに合わせた進め方をご提案します。
AI導入の相談をする相談は無料です。特定製品の売り込みは行いません。