本研究は商船に搭載された航海機器や無線機器の異常予兆検知を対象としている。これらの機器は、衛星を通して陸にある業務管理センターと音声通信等を行うために用いられている。特に音声通信は、主に航海中に緊急事態が発生した時の遭難通報に使用されるため常に使用可能な状態でなくてはならない。しかし、これらの機器は経年劣化や負荷により異常を引き起こし、音声通信等が行えなくなる。本研究では、その異常の予兆をデータの特徴から自動で判別し、機器の交換を促せるようになることを目的とした。本研究での異常予兆とは，専門家が経験上ここは異常予兆と判別して欲しいと指摘した箇所を指す。本研究では、電圧値やCPUの温度などを特徴量として使用し、2種類の手法で実験を行った。ひとつ目は、異常予兆検知の基本であるホテリング理論を応用したMT法である。ふたつ目は、機械学習手法のひとつであるOCSVMを用いた。このふたつの手法を用いて異常予兆検知の特徴の違いを分析した。その結果、MT法では専門家が異常予兆と判別して欲しいと指摘した全ての箇所を見つけることは出来なかったが，OCSVMでは全ての箇所を検知することができた。
