SERVICE

産業

製造業

PoC(概念実証)だけでなく工場など現場への導入を見据えたAI活用「ビジネス実装を前提としたAI開発」を提供するALBERTで解決できる製造業の課題の一例をご紹介します。

多くの現場や工場をもつ製造業では、スマートファクトリー化で収集したビッグデータ(装置の稼働状況や人やモノの動き)の解析により、

製造装置の異常検知や保全生産品目の変更や生産量など生産計画の最適化人員配置や物流の効率化、業務プロセスの自動化といった複雑な課題の解決に取り組んでいます。

AI活用が進むにつれ、課題は高難度化し、最近では、製造業の多くが属人的な経験と勘に頼っていた工場の最適運用に対しても、

AI(人工知能)を導入した高度な分析・改善サイクルにより業務プロセス・コストの最適化が期待されています。

 

ALBERTでは、製造業のお客様における複雑な課題に対し、様々なソリューションを提供しています。

収集したビッグデータの解析や活用について、PoC(概念実証)、AI導入や精度向上などお気軽にご相談ください。

製造業のケース一覧

複数のセンサーデータを活用した異常動作検知

工場内の複数センサーデータを活用した異常検知

正常時のセンサーデータのみを用いてアルゴリズムを開発し、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、アルゴリズム開発が可能。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可能。

産業
分析テーマ
活用データ
分析手法
工業生産の最適化

製造プロセス・生産パラメータの最適化

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。

正常な画像データのみを活用した外観不良検知

良品学習による AI 外観検査と判断根拠の可視化

不良データがない場合にも、正常時の画像(良品データ)を数百枚学習し、異常検知により「不良」と判定する良品学習アルゴリズムを開発。これにより、アノテーション(ラベル付け)作業をせずに不良検知できるほか、未知の不良検知にも対応。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。(Explainable AI, XAI:説明可能なAI)

3次元点群データを活用した工場内作業の自動化

ロボティクスの要素技術である「3次元点群マッチング」により、工場内ライン作業等、作業員が手動で行っていたピッキング等の作業を自動化。3Dセンサーを用いて得られた3次元点群データを元に対象の物体を検出し、3次元空間上におけるロボットと対象物の相対位置、角度情報を算出します。人が行っていた作業をロボットによるピッキング作業に置き換えることで自動化が可能。

3次元空間上での位置・姿勢推定(点群セグメンテーション)

3次元点群情報の点にラベルやカテゴリを関連付ける「点群セグメンテーション」の技術を活用し、従来のRGB画像による2次元のセグメンテーション(領域検出)では不可能だった3次元空間上での位置関係や姿勢を推定することができます。自動運転における障害物、野菜等の不定形の物体のピッキング、災害予測等にも応用可能。

単眼カメラによる深度推定

単眼カメラによる深度推定

単眼の車載カメラ映像を用いて距離の推定を行い、複眼カメラ同様の精度を実現。学習の際は複眼で撮影した動画を使用して深度推定アルゴリズムを構築しており、実運用時には、単眼で撮影した映像を用いた推定が可能です。また、車・人・信号・標識などの物体を認識するアルゴリズムと組み合わせることで、認識した物体までの距離も推定可能です。小型の単眼カメラで実現可能のため、コストダウンと省スペース化に繋がります。

産業
分析テーマ
活用データ
車載カメラ動画から車両識別・構造物識別

車載カメラ動画から車両識別・構造物識別

車載カメラの動画データを用いて障害物、走行車、歩行者等を自動的に識別するアルゴリズムを開発。これにより、レーンごとの車両有無を特定し、自車が走行しているレーンの特定が可能。また、従来の画像認識手法をディープラーニングに置き換えることにより、道路上の白線や縁石などの識別困難な画像の識別精度向上を実現。

産業
分析テーマ
活用データ
バッテリー劣化予測

CANデータを活用した自動車のバッテリー劣化予測

車両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開発。CANデータの値の変化から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

3次元空間における位置推定・地図作成

自動運転やAGV、ロボティクス等の分野で採用され、近年注目を集めている3次元データの活用方法の一つである「3次元SLME(Simultaneous Localization and Mapping)」を用いて、LiDARやDepthセンサーのような三次元センサー、またはRGBの単眼カメラ、IMU等のセンサーを使用して3次元空間における位置特定と地図作成を同時に行います。これにより、GPS等の使用できない屋内やトンネル内での自動運転、自走式ロボットの要素技術を実現。

社内プロジェクトを推進できるAI人材育成と内製化支援用サムネイル

社内プロジェクトを推進できるAI人材育成と内製化支援

現場に活きるAI教育には、企業の実際の課題に基づくケーススタディがとても重要です。製造業の現場で取得しているデータがあるならば、これを実践的な教材とし、OJT(伴走型教育)で実際に課題解決に取り組みながら育成することが可能です。オリジナルの育成プランを作成し、講義演習型のAI人材育成で学んだことをアウトプットし実用化させる「実践」を重視した人材育成支援です。

産業
分析テーマ

分析、AIプロジェクトマネジメント人材育成支援

AI・分析プロジェクトのマネジメント担当者様向けに、プロジェクトガイドラインの策定方法から、目的・KPI設計・評価方法、AIアルゴリズムの概要などを学ぶことで自社でのAI・分析プロジェクトを円滑に進めるための知識を習得。

データサイエンティスト育成支援

データサイエンティスト育成支援

データドリブンマーケティングを促進することを目的として、マーケティング担当者様向けに、ALBERTのデータサイエンティストが基本的な統計学やRの基礎プログラム等の講義を実施。データに対しての正しい見方や評価方法を学ぶことで、実践で活用できる知識を習得。

UNIX不正コマンドの自動検知

不正アクセス検知

異常(不正処理)データが存在しないため、正常データのみで学習し、不正コマンドを自動検知するアルゴリズムを開発。当てはまりが著しく悪い場合を異常と判定しサーバー管理者にアラートを出す仕組みを開発することで、社内業務における不正行為(情報漏洩行為など)を抑止できます。

産業
分析テーマ
活用データ
分析手法

dotDataを活用した 伴走型​データドリブンDX支援

さまざまな業種や分野で、DX(デジタルトランスフォーメーション)への取り組みが推奨されています。日本でも経済産業省が推奨するなどして、DXへの注目度が集まっています。しかし、企業もDXの重要性を理解していても、日本国内において未だ成功事例が少ないのが現状です。DXを本来の意味で推進していくためには、システム、分析、組織が一体となり経営目標に向かって取り組む必要があります。

AI活用を見据えたデータ設計・プラットフォーム構築

生データ(機器から取得したデータや保守・点検作業のデータ等)を収集する「データレイク」や、生データを再利用可能な形にして蓄積する「データウェアハウス」等の既存システムとは別に、それと共存する形で、AI活用に適した「データマート」を新たに構築。数多くのAIアルゴリズム構築・システム開発実績で培ったノウハウを用いて、データの欠損や異常値を考慮した設計や、異なるデータ形式を共通化した上でサマライズ。AI活用を見据えたデータ設計を行うことで、迅速なデータ利活用のPDCAサイクルが可能に。

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。

半教師あり学習による生産初期の画像分類モデル開発

アノテーションラベル付きデータが少量の場合に、半教師あり学習(Semi-Supervised Learning)を活用し、不良種別毎に分類する画像分類モデルを構築。教師ラべルが付与されてる少量のラベル有りデータと、多数のラベル無しデータを用いてうまく学習を進めていくことで、ラベル付けコストを抑え、生産初期からAI活用した歩留まり改善を実現。

画像検査装置の疑似不良(過検出)をAIで自動分類

画像検査装置の過検出画像を目視判定から自動化へ。既存の画像検査装置が不良判定した画像を、不良種類によって細分化(多値分類)する他、過検出された疑似不良画像を分類するモデル(AI)を構築。過検出を自動検知することで歩留まりを改善。