aiを使った最新データ利活用事例カーリース会社さま...

Copyright © NTT Communications Corporation. All rights reserved.

AIを使った最新データ利活用事例～異常検知/品質予測/データ分析自動化技術～

NTTコミュニケーションズ株式会社ソリューションサービス部藤澤裕記

2019年10月3日


■沿革世界のAIにおける研究は、60年の歴史と言われてます。

NTTでは、R&D部門において40年にわたって、AIの研究を積み重ねております。

2015年から製造業へのAI分野に本格的参入「三井化学さまのAIを使った化学製品のガス品質予測」において 2016年日経BP社主催日経IT EXPOでアワード大賞受賞 2017年日経BP社主催日経IT EXPOでZDNet Japan賞受賞

以降、50社以上の企業さまと共同で概念実証（PoC）を実施している

「分析系AI」への取り組み

2


■セミナー概要

• 分析系AIの適用分野と最新事例どのような領域、どのような業務に利用しようとしているか？

• 概念実証（PoC）の進め方 PoC段階で重要なこと、進め方について

• 実装段階における留意点 PoCから実装へのギャップと対応方法～

本日のセミナーについて

3


分析系AI（機械学習）の適用分野と事例

4


分析系AIユースケース一覧 1/2

5

お客さまユースケース目的機械メーカーさま機器ベルトの緩みを別データから予測状態予測素材メーカーさま配合剤分量の違いによる素材性質の予測【事例５】状態予測食品メーカーさまインスタントコーヒーの完成品水分量予測状態予測化学プラントさま石油化学製品の精製後のガス性質予測【事例１】状態予測機器メーカーさま化学工場の反応炉の状態予測【事例２】状態予測電池メーカーさま大型バッテリーの状態予測状態予測特殊鋼メーカーさま製造工程における必要ガス量の予測状態予測化学メーカーさまレシピ変更時の製品品質予測状態予測電機メーカーさま製品の異常出荷検品判定状態予測食品メーカーさま製品の水分量予測状態予測通信会社さま（新規分野）ある農作物の糖度の状態予測状態予測日用品メーカーさま製造ラインの異常検知【事例４】異常検知飲料メーカーさま製造ラインの異常検知異常検知半導体メーカーさま製造工程で発生する異常の予兆分析異常検知電子メーカーさま製造工程における歩留まり向上分析異常検知部品メーカーさま製品の異常検知【事例３】異常検知機械メーカーさま炉の異常検知・予測異常検知


分析系AIユースケース一覧 2/2

6

お客さまユースケース目的

部品メーカーさま製造工程における機器異常音検知異音検知

日用品メーカーさま製品製造ラインにおける異常音発生検知・予知【事例６】異音検知

飲料品メーカーさま製造工程における不良品の検出【事例７】異音検知

カーリース会社さまドラレコデータからヒヤリハット有無の分類【事例８】映像分析

自動車メーカーさまドラレコデータからヒヤリハット有無の分類映像分析

機械メーカーさま検査工程における骨格推定を使った検査品質の管理映像分析

製造メーカーさま AutoMLツールの評価（RakuDA）【事例９】データ分析自動化

金融業さま大量の社内ドキュメントの分類データ分析自動化

金融業さま社内データサイエンティストの業務効率化データ分析自動化


「分析系AI」案件領域・事例紹介

7

状態予測映像分析データ分析自動化

異常検知異音検知

製造業（機械）：炉の異常発生を予測製造業（電子）：歩留まり向上製造業（半導体）：ライン異常予兆分析

製造業（日用品）：ライン異常予兆分析製造業（飲料）：不良品検知

：化学製品のガス性質予測

：大型蓄電池の状態予測

：反応路の状態予測

：ドラレコの映像からヒヤリハット分析

製造業（自動車）：映像から作業状態検出

予測モデル

分類モデル

製造業（部品）：品質予測モデル自動作成通信業（販売）：顧客分類モデル自動作成

データ分析自動化ツール

ヒヤリハットor

非ヒヤリハット

■案件が多い５分野のソリューション領域に着目


【事例１】プラントの測定が難しい場所の値を推定

8

測定が難しい場所のプラントの状態を他の時系列データから推定する⇒化学プラントの安全・安定運転や保全のスマート化に寄与


【事例２】連続系プラント制御への活用

9

最適なプラント制御を実現するために、AIによる予測モデルを活用


【事例３】データからベルトの状態を予測

結果・未知のデータを約９割の精度で予測・遠隔保守サービスの高度化に寄与

結果

機械メーカーさまの期待

センサー値からベルトの緩みを予測→遠隔で緩みが推定できるように→保守の最適化・効率化

工場の機械のベルト部分が経年で緩む現地で直接測定しないと緩み状態が分からない異常が発生してから修理依頼が入るため保守の稼働が

逼迫している

ディープラーニングでモデル生成

ベルト状態

青信号正常

黄信号少し緩みが生じているが運転に問題はない

赤信号調整が必要な状態

教師データ300データ

センサーデータ予測

AI予測モデル

機械メーカーさまの課題

分析系AI活用手法

10

http://1.bp.blogspot.com/-TKjTYaM3rk8/WLEuop1AmWI/AAAAAAABCFw/syyafF_VhcwrIjov-ieSP59D9rBsS6MUwCLcB/s800/computer05_businessman.png


【事例４】正常稼働時のセンサーデータから生産機器の異常を検知

結果

日用品メーカーさまの課題

日用品メーカーさまの期待

生産ラインで数か月に1回機器の異常が発生メンテナンスのためラインを停止発生原因が分からず、部品の交換コストも莫大生産計画に影響を及ぼす

生産機器の異常検知・予知→異常発生前にパーツを交換→工場の生産性を向上

…

センサーA

センサーB

センサーN

メンテナンス期間

・生産機器における異常発生タイミングを検知・ラインメンテナンス費用削減に寄与

正常状態をモデル化

最適なタイミングでメンテナンス実施

データ×AI活用手法

異常度を算出予測モデル

11


【事例５】過去の実験結果データから新素材の性質を予測

・素材の完成品の性質を約9割程度の精度で予測・新素材開発の効率化に寄与

素材メーカーさまの課題

素材メーカーさまの期待

市場のニーズが多種多さまに変化開発スピードも求められている新素材開発には多くの試行錯誤が発生市場の要求に応えられず機会損失が発生

過去実験データから新素材の性質を予測→試行錯誤（実験）工数の削減→新素材開発スピード向上

検討試作評価製造

検討試作評価製造従来：

AI導入後(イメージ)：

過去実験データ数万データ

性質予測学習

結果


12


【事例６】収音データから製造機器異常の予兆を検知

結果

日用品メーカーさまの課題

日用品メーカーさまの期待

異常発生前に機械故障の予兆を検知し、不良品を製造する前に対応したい

71%

84%

分析系AI活用手法

製造ラインにおいて、特定部位の故障により、大量の不良品が発生するケースがある

検知対象装置の稼働音を収音したデータから特徴量を抽出し、学習モデルを作成。→異常（製造機器の故障）発生の数時間前に予兆を検知することができた。

通常時パーツ故障前

製造機器の異常発生前に対処することでロスを減少13


【事例７】収音データから製造ラインにおける製品欠陥の検知

結果

不良品発生をお客さまの求める実用可能なレベルで検知

飲料メーカーさまの課題

飲料メーカーさまの期待

今後のリサイクル素材利用の増加に伴い、現状の生産ラインのままで不良品を発見し、品質レベルを向上したい飲料容器の不良品検知を、センサーデータや画像にて

行ったが発見出来なかった。今後リサイクル素材の利用により

さらに欠陥品が発生する可能性がある。

84%

Com 提案ソリューション

不良品正常品

解析AI予測モデル

集音

14


【事例８】ﾄﾞﾗｲﾌﾞﾚｺｰﾀﾞｰの画像・ｾﾝｻｰﾃﾞｰﾀから危険運転ｼｰﾝを自動分類

結果・ヒヤリハット有を約85%の精度で分類・お客さまの業務効率の向上に寄与

NCSさまの課題

NCSさまの期待

ヒヤリハット有無をAIで自動分類→安全性の自動検知→作業効率化→NCSさま安全運転指導サービスの拡充

複数人のスタッフが目視でドラレコデータのヒヤリハット有無を選別。多くの時間を要し、評価のブレも発生

ヒヤリハットなし

ヒヤリハット有

分類済みデータの確認

映像＋センサーデータ（速度、加速度、等)

自動分類

データを学習

ヒヤリハット有データに絞ってチェックすることで効率化

AI予測モデル


未知のドラレコデータ

15





【事例９】社内データサイエンティストの分析を効率化・平準化

メーカーさまの期待

分析の自動化で効率をアップ→共通ツールを利用してノウハウを共有化→社内データ利活用を加速

社内データサイエンティストが不足少人数でデータを分析モデル作成で多くの試行錯誤が発生各々でバラバラのフレームワークを利用

→ノウハウの分散

RakuDAの特徴

メーカーさまの課題

＜モデル作成で発生する試行錯誤を自動化＞

16




概念実証（PoC)の進め方

17


分析系AIシステム構築の特徴分析系AIシステム構築の特徴・過去のデータから未来の予測を行う。（新しい価値をもたらす）・データの品質が高ければ精度は高くなるが、100％ではない。・専門的な知識が無ければなぜそのような回答にたどり着いたかが判断できない。・精度はデータの品質に左右される。

●今までの受発注型のシステム構築では対応できない。●ユーザー企業とAI企業が共同実験を行い、成果を見て実装できるかを判断する必要がある。

分析系AIシステムの導入障壁を低減するための弊社での取り組み１．機械学習系アプリケーションを活用し、PoC実施（概念実証）時の効率化、短縮化を実現２．無償もしくは低額のPoCの実施

従来のシステム構築手法と分析系AIシステム構築手法の違い従来のシステム分析系AIシステム

システム環境オンプレミスクラウド（学習部）＋オンプレミス（検知部）

プロジェクト確実な成功成功が確証されているわけではない

計画綿密な計画をたてるまずはやってみる（思考錯誤）

開発方法ウォーターフォールアジャイル

運用方法定常運用都度調整しながら運用（再学習）

18


分析系AI技術のご紹介

＜OF-DA＞非線形モデル作成・評価/テスト

＜SANTA＞データ前処理

モデル作成自動化

＜RakuDA＞線形モデル探

索・評価/テスト

＜異音検知＞雑音抑圧・異常

検知

＜Node-AI＞非線形モデル作成・評価/テスト

蓄積データアップロード

センサーデータ

複数のモデル手法を同時に試行できる

AI・機械学習システム

結果

※特許出願準備中

※特許第6453504号異常検知・監視

※NTT R&D (SIC）からの成果提供※各種特許取得済み

※NTT R&D (MD研）からの成果提供※各種特許取得済み

※Com 技術開発部にて作成※各種特許取得済み

効率的な予測モデルを作成するためNTT R&D/NTTComの特許技術を活用

19


分析系AI導入方法

フェーズ

目的

期間 - PJ期間開始以降

1～12か月 ※システム規模による

実施概要

・事例紹介・課題ヒアリング・システム化要件の明確化・データの取得方法検討、データの確認、可視化

・特定データのクレンジング、分析、評価・個体、環境差確認※スコープの大きさ、難易度によりPoCの回数は増減

・お客さまのシステム連携も含めた、AIモデルを搭載した

システム導入・運用・再学習・追加学習

①適用先検討

課題の明確化、価値の共有、ゴールイメージの摺合せ

②技術検証（PoC）

③導入効果評価④導入 ⑤運用

現場で利活用をモニタリングし、現場での成

果につなげる

実運用を考慮した技術の有効性を検証、継続可否判断

実環境へのシステム化

※各フェーズで必ず継続判断を行う。各継続判断の内容および目標値に関しては、適用先検討フェーズで明確に定義する。

分析系AIに関しては、目的やデータの特性によってモデルの精度が異なるため、予め成果を担保することが難しい。弊社では、無駄な投資を抑え、導入後の効果を最大限発揮できるよう段階的なアプローチを推奨している。

20


実装段階における留意点

21


実装段階の留意点 PoCで成功したにも関わらず本格的にシステム化に導入できないのはなぜか？

PoC実施段階において最終導入イメージが明確になっていない。

段階的PoCを実施した際の次ステップへの継続判断ポイントが明確になっていない。

PoC実施後に継続判断ポイントがゆらぐ

実システムを使った運用試験ができない。

22


実装段階の留意点予測モデル実システムに導入するポイント

適応個所の選定当初は、実システムもしくはシミュレーションシステムで運用試験が可能な個所を選定する。

PoCの初期段階から実装後の価値を定義する。コスト削減／売上向上／ブランド価値の向上／リスク低減（損失リスク）

システム導入最終イメージを共有する。検知システムとして開発するのか？制御システムとして開発するのか？

最終イメージを共有化し、PoC設計を厳密に行う。お客さまの製造プロセスに合わせた段階的PoCの設定継続判断指標についてお客さまが理解できる業務指標と分析指標の紐づけ

100％予測はできないが、未来を高い確率で予測できるという分析系AIの恩恵を最大限受けるため、リカバリシステム、フェイルセーフシステムを導入する。

ＰｏＣは、システム開発ではない。研究開発、技術開発であるという認識をもって共同研究を行うことが重要

23


本セミナーでご紹介した事例の詳細は、★展示エリアでご説明可能です。

「AIを使った最新データ利活用事例～異常検知/品質予測/データ分析自動化技術～」

また、RakuDAのハンズオンセミナーに関しては、★にて実施しております。

ぜひご来場ください。

ご清聴ありがとうございました。

aiを使った最新データ利活用事例カーリース会社さま...

Documents