製造製造現場でのAI活用

AI使いこなせていますか?
本気でAIを活用したい企業様向け
AI PoC
を実施しています。
~データ分析に精通した技術者が
現場でのAIを活用した課題解決
をご支援します。

メーカーの
生産技術/生産管理/品質管理/設備管理
のみなさま
こんな課題を感じていませんか?


課題改.png 下向き矢印.png
課題設定のためのコンサル的な提案(PoV)や、
PoCを実施しております。
お気軽にお問合せください。
課題設定はできているが、
他社に頼んだけれど難しかった

ものも、まだ諦めないでください。





製造業の製造現場での活用事例


先生.png
◆プレス加工機や産業ロボットで故障予測をすることにより、生産機会ロスを軽減

◆射出成型機の稼働データを基にメンテナンスの要不要を判定

◆熟練者の経験と勘で判断していた製品外観の仕上がり状態を定量化して半自動化

◆標準工程や人のくせなど様々な要因で発生する「ムダ」を視覚的に把握




疑問.png

AIの導入に興味はあるけど、
実際にどうやってやるの?
本当にできるの?


弊社ご支援による、解決実績の一部をご紹介いたします。
弊社実績

Type 1:運用中の設備で、予期しない異常が発生!
  突然の運用停止や事故発生のリスクもある場合


解決策:



異常発生の予兆を検知して早期に対処することで、
問題発生前に迅速に対応を行う
対象データ例 :  振動、 電流、 電圧、 トルク、 電波波形、電波強度 など

ご支援事例:

◆某 重工業メーカー 様 『回転機械の異常検知 ・ 故障予測』 各時刻のデータが正常か異常かを判定 ( 判定分析 ) /回転機械のセンサーから状態を把握し保全の要不要レポート ◆某 自動車メーカー 様 『生産設備の異常検知 ・ 故障予測』 各時刻のデータが正常か異常かを判定 ( 判定分析 ) /産業ロボットの故障予測による生産機会ロスを軽減 ◆その他    『設備モニタリングデータ変位』 設備の将来の変状を予測 /設備の変位センサから劣化状態を判定し修繕計画を立案

関連対外発表:

日産自動車様との取り組み 機械学習を用いた生産ロボット減速機の故障予知手法の開発 自動車技術会論文集,2019年50巻2号, p. 585-590 田中 康裕,高木 徹,太田 悠太,タン ドンジャオ 詳しく見る


Type 2: 設備の劣化状況判断が主観的判断で、
    判定結果にバラつきが発生!
    技術者教育にも時間を要する場合

解決策:

点検者の勘や経験を定量化し客観的な評価方法に置き換え、 現場の点検作業をノウハウ化

ご支援事例:

※メーカ様向けの事例はお問合せください。
東北電力株式会社 様 『各種鋼構造物の劣化度診断技術の検討 ・ 開発』
鋼管内部の劣化状況を自動で診断する技術の開発
某 道路管理会社 様 『各種構造物や設備の劣化度診断技術の検討 ・ 開発』
路面画像からひび割れ形状を検出し内部破損度の推測 など

関連対外発表:

部品刻印シリアル番号の自動認識
エンドツーエンド深層学習による生産管理のための刻印シリアル番号認識
第25回画像センシングシンポジウム,2019.
小川 陽子,坂元 一雄
詳しく見る


Type 3: 紙や PDF の設計図面から、

    部材と数量把握に膨大な時間と手間が発生!

解決策:

図面記号、 サブ部材の用途や大きさ、 位置関係を学習させ、
CAD システムへ連携することで
自動割り付け、自動編集による作図や数量拾いで業務を効率化

ご支援事例:

Type 4: 過去、 業務において人為的ミスや失敗が発生!     その一部が改善されないまま     同様な現象が繰り返されている場合

解決策:

過去の文書から学びや教訓を生かすとともに、 担当者へ事前に情報提供することで失敗を未然に防止

ご支援事例:

現在取組中につき詳細はお問合せください。


どのようなことができるか知りたい方は、
データ分析の雰囲気を実感してください。

データ分析ツール Deborah -デボラ-

このプログラムは、センサーなどの各種計測データに対して、データマイニング技術を用いた異常検知を行うための試用プログラムです。
近年、機械等の設備は多様化しています。一方で、多様化・大規模化したデータから有益な情報を抽出するには、これまでの(古典統計などの)データ分析方法では不十分なこともあります。
「データマイニング技術」はそのようなデータを有効活用するための1つの解決策として注目・活用されていますが、専門家以外の方にはやや「とっつきにくい」技術であることは否めません。
このプログラムは、データ分析手法やパラメータ設定を限定し、お客様ご自身で「データマイニング」を行っていただき、データマイニングによるデータ分析の雰囲気を実感していただくために作成した試解析プログラムです。

Deborah_smp.png

機能概要

解析手法

現在搭載されているデータ分析機能は「異常検知」関連3手法および主成分分析となっています。異常検知手法に関しては、分類問題、つまり「正常か異常か」という2つの判定結果を出力する分析方法を使用できます。なお、一部の手法では、異常度(正常度)を定量的に出力する機能を有します。
また、主成分分析では、入力されたデータの2次元主成分スコアグラフおよび固有値・固有ベクトル・累積寄与率の確認を行う機能を有します。

解析機能

手法名称 概要
MTS

品質工学の分野での実績が多いシンプルな異常検知手法
データのバラつきを考慮した距離に基づき、「正常なデータの集合」からの距離を指標に異常検知を行う

1-class SVM パターン認識技術の1つであるサポートベクトルマシン(SVM)に基づく異常検知手法
正常データが存在する領域を学習し、そこから外れているか否かにより正常・異常を判定
密度比推定 2つのデータの「確率密度分布」の違いをモデル化し、データが発生しうる可能性の大小により異常検知を行う
主成分分析 入力データの固有値・固有ベクトルを算出し、第2主成分までのスコアを使用した2次元グラフを描画
固有値・固有ベクトル算出対象データとは別のデータを2つ目のデータに指定することで、「標準データ」と「評価対象データ」の散布図を2次元に可視化

入力機能

入力データ書式:テキストデータ書式(CSV形式)
一行一データとして処理します
欠損値の補完、質的データ(カテゴリデータなど)の処理は行いません。

出力機能

ソフトウェアGUI上で以下の結果を表示します:
・分析時および分析結果の要約情報
・異常度や正常・異常判定結果、主成分スコアなどのグラフ

結果ファイルとして、以下のファイルを出力します:
・要約情報データ(CSV形式)
・各種グラフの元データ(CSV形式)
・各種グラフの画像データ(PNG形式)

チュートリアル

データ分析の雰囲気をチュートリアルでご確認いただけます。 PDF(1.17MB)
体感をご希望の方は、以下のお問合せより体感ツールをご請求ください。
追って担当よりツール送付差し上げます。