SERVICE

ALBERTができること

お客様の課題解決において、ALBERTの各サービス(AI・分析プロジェクト、プロダクト、データサイエンティスト育成支援)が実現できることを、
テーマ・活用データ・分析手法・産業別にご紹介いたします。

ピックアップ

旅行者の行動パターン分析・可視化

旅行者の行動パターン分析・可視化

位置情報データを用いてエリア別の滞留ユーザー数・滞留時間を分析して可視化し、一時的な通過や居住者カウントされないよう除外するアルゴリズムを構築。旅行者の滞留状況を細分化することで、移動者と滞在者それぞれに最適な施策を展開。

産業
分析テーマ
活用データ
分析手法
データ活用プロフェッショナル人材の育成

データ活用プロフェッショナル人材の育成

企業様におけるデータ活用のプロフェッショナル人材育成を目的とし、高度な育成カリキュラムを用いて、ビッグデータ解析基礎プログラムを実施。分析手法理論を学び、実データを用いた演習を行うことで、実務で即戦力となる専門的な知識と実践力を習得。

バッテリー劣化予測

バッテリー劣化予測

車輌から取得したデータを用いて、バッテリーの劣化状況を予測するアルゴリズムを構築。数ヶ月以内の劣化を予測し、交換が必要になる会員に事前通知する仕組みを実現。

産業
分析テーマ
活用データ
分析手法
正常な画像データのみを活用した外観不良検知

正常な画像データのみを活用した外観不良検知

不良データがない場合にも、正常時の画像データを数百枚学習し、正常ではないと判断された画像に対して「不良」と判定する外観不良検知アルゴリズムを構築。これにより、人の目による再検査が大量に発生する従来の外観検査装置とは異なり、人の目による判断に近いアルゴリズムを用いて再検査を減らすことで、人手不足を解消できます。また、注目箇所の可視化により画像内のどこを重視して判断したのかを確認できるため、判断のブラックボックス化を回避可能です。

詳しくみる
複数のセンサーデータを活用した異常動作検知

複数のセンサーデータを活用した異常動作検知

正常時のセンサーデータのみを用いてアルゴリズムを構築し、検査データ中に現れる異常を検知することで、それまで熟練者の感覚に頼っていた異常検知をAIで代替。技術伝承と省人化の両面から人手不足を解消できます。異常データが存在せず教師あり学習ができない場合でも、時系列的な変化・複数の要因を考慮できる隠れマルコフモデル(状態空間モデル)を用いて正常時から逸脱する値を異常と判定することで、アルゴリズム構築が可能。また、複数種類のセンサーデータの組み合わせに対応可能のため、人間では認識しにくい異常も検知できます。

産業
分析テーマ
活用データ
分析手法
詳しくみる
複数のセンサーデータを活用した製品劣化度合い判定アルゴリズム

複数のセンサーデータを活用した製品劣化度合い判定アルゴリズム

使用に伴い摩耗・劣化していく製品の状態を判定するためのアルゴリズムを構築。現状は高価なセンサーを用いていたが、複数の安価なセンサーに置き換えることで安価かつ高頻度に製品状態を判定できるように改善。様々な種類の特徴量を作成することにより、製品の劣化度合いや劣化の種類を正確に判定できるアルゴリズムを実現。

工業生産の最適化

工業生産の最適化

人が生産時のパラメータを調整する場合には時間も検討できる組み合わせも限界がありますが、AIで代替することで、従来手法では検討できなかった組み合わせも検討対象に含めた上で加工条件の予測を最適化。既存データで実行可能性を十分検証した上で従来手法をベイズ最適化に置き換えて自動化し、効率的に最適値を求めることが可能です。これにより、品質の安定と省力化を実現し、歩留まり率を高めます。

詳しくみる