Data × AI でどんな業務が改善できる？ 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
0 likes693 views
2022/3/16 IoTビジネス共創ラボ 第21回オンライン勉強会 株式会社 電通国際情報サービス X(クロス)イノベーション本部 AIトランスフォーメーションセンター 部長 深谷勇次
![SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜](https://cdn.slidesharecdn.com/ss_thumbnails/ss2ssii2022-220607054716-2760bd30-thumbnail.jpg?width=560&fit=bounds)
Ad
More Related Content
What's hot (20)
Similar to Data × AI でどんな業務が改善できる？ 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介 (20)
![JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと](https://cdn.slidesharecdn.com/ss_thumbnails/d1-180906030758-thumbnail.jpg?width=560&fit=bounds)
![[Developers Festa Sapporo 2018] Azure AI ～Microsoft AzureでのAI開発のイマ～](https://cdn.slidesharecdn.com/ss_thumbnails/20181117devfestasapporoazureaipublic-181119035506-thumbnail.jpg?width=560&fit=bounds)
Ad
More from IoTビジネス共創ラボ (20)
Ad
Data × AI でどんな業務が改善できる？ 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
- 1. D a t a × A I で ど ん な 業 務 が 改 善 で き る ？ 製 造 業 様 向 け D a t a × A I 活 用 ユ ー ス ケ ー ス & M V P ソ リ ュ ー シ ョ ン の ご 紹 介 2022年3月16日 株式会社 電通国際情報サービス
- 5. 5 AI/機械学習で何が実現できますか？ • 機械学習（英: machine learning）とは、経験からの 学習により自動で改善するコンピューターアルゴリズム で、人工知能の一種であるとみなされている。「訓練 データ」もしくは「学習データ」と呼ばれるデータを使っ て学習し、学習結果を使って何らかのタスクをこなす。 機械学習のタスクは、以下の代表的な３種類のカテゴ リーに分けられる。 1. 教師あり学習 2. 教師なし学習 3. 強化学習 https://ja.wikipedia.org/wiki/機械学習 • 昨今ディープラーニングなどのAI技術が発展してきまし た。AIを使えば、今まで活用できなかったビッグデータ を元に、分析することができるのです、AIの時代です、 活用しましょう！
- 9. COPYRIGHT Agenda No. アジェンダ 内容 1 製造MVPのユースケース • 製造MVPの全体像について紹介します。 2 MVPで活用するサービスのご紹介 • ISIDのMVPにて利用するMicrosoftおよびISIDのプラットフォー ムやサービスについて紹介します。 3 ユースケース1 予知保全AIで現場設備の故障を予 知 • 製造現場にて設備が突然故障してしまうとさまざまな問題が生じま す。 予知保全AIによる解決策をご説明いたします。 4 ユースケース2 事後保全AIで設備の状態を診断 • フィールドサービスでは、事前準備の不足によりサービス品質が低 下する 恐れがあります。事後保全AIによる解決策をご説明いたします。 5 ユースケース3 文書AIで過去トラ情報を有効活用 • 過去の不具合や故障、それに対する対策など過去トラ情報は上手く 管理できていますか？文書AIによる解決策をご説明いたします。 6 最後に：製造MVPのメリット • 本セッションのまとめとして、製造MVPのメリットを説明します 9
- 10. COPYRIGHT 10 No. アジェンダ 内容 1 製造MVPのユースケース • 製造MVPの全体像について紹介します。 3 MVPで活用するサービスのご紹介 • ISIDのMVPにて利用するMicrosoftおよびISIDのプラットフォームや サービスについて紹介します。 4 ユースケース1 予知保全AIで現場設備の故障を予知 • 製造現場にて設備が突然故障してしまうとさまざまな問題が生じます。 予知保全AIによる解決策をご説明いたします。 5 ユースケース2 事後保全AIで設備の状態を診断 • フィールドサービスでは、事前準備の不⾜によりサービス品質が低下する 恐れがあります。事後保全AIによる解決策をご説明いたします。 6 ユースケース3 文書AIで過去トラ情報を有効活用 • 過去の不具合や故障、それに対する対策など過去トラ情報は上⼿く 管理できていますか︖文書AIによる解決策をご説明いたします。 7 最後に︓製造MVPのメリット 本セッションのまとめとして、製造MVPのメリットを説明します
- 11. COPYRIGHT 11 MVP(Minimum Viable Product)とは︖ MVPとは、「特定のユースケースにて価値を提供すること が可能な最小限のソリューション（ご提案パッケージ）」 ユースケースの拡張やパッケージのブラッシュアップにより 迅速かつ効率的なPoC/システム導入を実現 製造業様向けのMVPを開発 お客様向けにご提案 パッケージをお客様向けにブラッシュアップ 迅速に業務適用をスタート 製造業様の業務を知るISIDが データにより解決が可能な課題をピックアップ テンプレートとなるMVPを開発 MVPをお客様にご体験いただき、 AIやAnalyticsによる業務改善イメージを提供 ご要件に合わせてMVPをカスタマイズ 実業務へスムーズに適用し、DXを促進 ユースケース1 ユースケース2 ユースケース3 AIモデル データ 設計・開発 製造 保守・保全 ソリューション化 AIやAnalyticsで 何ができる︖ 自社にも 適用できそう︕ ISIDのMVPをご体験 アーキテクチャ 要件・要望 MVPをベースに システムを開発
- 12. COPYRIGHT 製造MVPとは 12 製造業様の実業務にフォーカスし、Data × AIで課題解決に繋がるユースケースをMVPとして定義 ISIDの強みと最新技術を掛け合わせた、エンジニアリング領域におけるユースケースになっています ISIDの 強み 設計から保守まで、製造業様の業務全体をサポート可能な広範なサービスメニュー AIやクラウドなどの最新技術を活用した製造DXの支援メニュー 製造MVP ビジョン エンジニアリングチェーン全体で、Data × AI により、さらなる品質向上を実現 品質向上 AI Data
- 13. COPYRIGHT ユースケース1 予知保全AIで現場設備の故障を予知 産業用設備の不具合を予知することで、製造品質を担保 ユースケース0 構想設計を過去知⾒AIがサポート（今回の説明範囲外） 過去知⾒から抜け漏れなく考慮点を洗い出すことで、設計品質を向上 ユースケース2 事後保全AIで設備の状態を診断 製品の不具合状況を予測することで、サービス品質を向上 As-Is To-Be As-Is To-Be ユースケース3 文書AIで過去トラ情報を有効活用 不具合情報から製品品質に関わる重⼤事象を抽出し、効率的に対策⽴案 As-Is To-Be 製造MVPの対象ユースケース 13 製造業様の実業務にフォーカスし、Data × AIで課題を解決するためのMVP 設計・開発 製造 保守・保全 エンジニアリングチェーン FB 予知保全AI 事後保全AI 文書分類AI 文書検索AI 類似検索AI 過去トラDB DRBFM 過去知⾒ （iQUAVIS DB)
- 14. COPYRIGHT ユースケース0 構想設計を過去知⾒AIがサポート 14 蓄積された過去の設計データから最適な情報をAIが提案 ※弊社製品「iQUAVIS」を利用した事例となります ISID、構想設計システム「iQUAVIS」最新版でAIを用いた「ナレッジ検索オプション」提供 〜蓄積された過去の設計データから最適な情報をAIが提案〜 https://www.isid.co.jp/news/release/2021/0426.html • 検討の抜け漏れ防⽌ • 不具合の未然防⽌ • ベテランの知⾒伝承 メリット ■利用シーン例︓FMEA（故障モード影響解析） 今回の説明からは割愛致します。ご興味ある 方は別途ご連絡ください（最後のページ）
- 15. COPYRIGHT 15 Agenda No. アジェンダ 内容 1 製造MVPのユースケース 製造MVPの全体像について紹介します。 3 MVPで活用するサービスのご紹介 • ISIDのMVPにて利用するMicrosoftおよびISIDのプラットフォームや サービスについて紹介します。 4 ユースケース1 予知保全AIで現場設備の故障を予知 • 製造現場にて設備が突然故障してしまうとさまざまな問題が生じます。 予知保全AIによる解決策をご説明いたします。 5 ユースケース2 事後保全AIで設備の状態を診断 • フィールドサービスでは、事前準備の不⾜によりサービス品質が低下する 恐れがあります。事後保全AIによる解決策をご説明いたします。 6 ユースケース3 文書AIで過去トラ情報を有効活用 • 過去の不具合や故障、それに対する対策など過去トラ情報は上⼿く 管理できていますか︖文書AIによる解決策をご説明いたします。 7 最後に︓製造MVPのメリット 本セッションのまとめとして、製造MVPのメリットを説明します
- 16. COPYRIGHT 製造MVPで活用するソリューション 16 MicrosoftとISIDのさまざまサービスを掛け合わせることで、各ユースケースを実現するMVPを実現 ソリューション （製品） インテグレーション （開発） Microsoftプラットフォームをフル活用しつつ、ISID独自のサービスを組みあわせた トータルソリューションで、MVPを開発 データ収集・蓄積・分析のためのさまざまな機能を 提供するクラウドサービス Power BI Power Apps Power Automate Power Virtual Agents 誰もが簡単にビジネスソリューションを開発できる アプリケーション開発プラットフォーム 文書AIソリューション AIモデル構築運用プラットフォーム
- 17. COPYRIGHT 画面/アプリケーション開発︓PowerBI/PowerApps 17 Microsoftが提供する「簡単にビジネスソリューションを生み出すことを可能にするプラットフォーム」 Power BI Power Apps 概 要 Microsoftが提供するBI（ビジネス・インテリジェンス）ツール 用 途 企業が蓄積している⼤量のデータの可視化・分析 特 徴 Excelの延⻑として利用可能なユーザビリティ さまざまなデータソースとの接続性 モバイル対応 概 要 Microsoftが提供するローコードアプリケーション開発プラットフォーム 用 途 ビジネス用カスタムアプリケーションの開発と提供 特 徴 ローコード開発による開発コスト・期間の低減 マネージドなデータベース・セキュリティ モバイル対応
- 18. COPYRIGHT ビッグデータマネジメント: Synapse Analytics 18 Microsoft Azureが提供する「データ分析基盤に必要なさまざまな機能を統合したデータウェアハウスソリューション」 企業に散在されたデータを一元化して蓄積・分析することで、製造DXを推進 蓄積 オンプレミスの データ クラウド上の データ IoTデバイスの データ 他システムの データ 取り込み Data Factory 前処理 Databricks 分析 SQL Data Warehouse Data Lake Storage Power BI Machine Learning 従来のデータ分析基盤 オンプレミスの データ クラウド上の データ IoTデバイスの データ 他システムの データ Data Lake Storage Power BI Machine Learning Synapse Analyticsを活用したデータ分析基盤 Synapse Analytics OSSの分析ツールやAzureの複数サービスを組み合わせることが必要 開発性 管理性 データ分析に必要なさまざまな機能を集約・強化 開発性 管理性 パフォーマンス
- 19. COPYRIGHT 文書AI︓TexAIntelligence/テクサインテリジェンス 19 「文書」を対象とした、AIモデルをお客様自身の⼿で構築し、運用していくことが可能なISID製AIソリューション 熟練者の知⾒をAIモデルに組み込むことで、若⼿や経験の浅い技術者の業務をサポートするようなユースケース多数 文章類似検索 文章自動分類 文章要約 • 文章を検索文として入⼒でき、近い意味の文章を 短時間で検索 • 特定の単語に依存することなく、意味が類似している 文章をすぐに発⾒ • 人が過去に文章を項目分けした結果をAIが学習 • 数十以上の項目を自動分類 • 解釈が難しい教師データなし分類とは異なり、人が 解釈しやすい項目で分類可能 • ⼤量の文章を圧縮し、要約 • 文と文の関係性を分析し、重要な文章を抽出 • 人が文章を読むのに掛かる時間を削減 活用例 活用例 活用例 現場で作成された製品の不具合レポートから、 過去の類似事象を検索し、対応検討に役⽴てる 製品の不具合レポートを優先度順に自動分類し、 抜け漏れのない対応の実現に役⽴てる ⼤量のクレーム文書を要約し、全体の状況変化を スピーディに抽出する 3つの機能
- 20. COPYRIGHT MLOps/AIプラットフォーム︓OpTApf/オプタピーエフ 20 Azureの最新のAI機能を簡単・迅速に業務適用することが可能になるISID製AIソリューション 機械学習やプログラミングの専門知識がない⽅でも簡単に、「データ/画像」を元にした機械学習モデルを構築・運用することが可能 データインプット データの中身を確認 ⼤量のAIモデルを自動構築 最良モデルの選択 Explainable AI → API化 データサイエンティストのタスクをユーザが自ら推進 Data • テーブルデータ（数値、カテゴリ） • 画像データ データの品質や統計情報を確認 EDAの自動化 Azure上にデータをアップロード AIモデル構築プロセスを開始 ⾼精度な機械学習モデルを自動構築 さまざまな指標でモデルを評価 最良モデルの説明性を表⽰ 自動でモデルをAPI化し、AIの業務適用開始
- 21. COPYRIGHT 文書分類AI 文書検索AI ユースケースとサービスのマッピング 21 Azure上に各ユースケースを実現するMVPを展開 Factory User 工場IoT 製品IoT Field Synapse Analytics IoT Hub Stream Analytics データ収集・蓄積・分析 故障予知AI 故障診断AI AI ビジネスアプリ Power BI 製造部門 Power Apps 保守部門 Power Apps 品質部門 ユースケース1 予知保全AIで現場設備の故障を予知 ユースケース2 事後保全AIで設備の状態を診断 ユースケース3 文書AIで過去トラ情報を有効活用 データ分析基盤
- 22. COPYRIGHT 22 Agenda No. アジェンダ 内容 1 製造MVPのユースケース 製造MVPの全体像について紹介します。 2 MVPで活用するサービスのご紹介 • ISIDのMVPにて利用するMicrosoftおよびISIDのプラットフォームや サービスについて紹介します。 3 ユースケース1 予知保全AIで現場設備の故障を予知 • 製造現場にて設備が突然故障してしまうとさまざまな問題が生じます。 予知保全AIによる解決策をご説明いたします。 4 ユースケース2 事後保全AIで設備の状態を診断 • フィールドサービスでは、事前準備の不⾜によりサービス品質が低下する 恐れがあります。事後保全AIによる解決策をご説明いたします。 5 ユースケース3 文書AIで過去トラ情報を有効活用 • 過去の不具合や故障、それに対する対策など過去トラ情報は上⼿く 管理できていますか︖文書AIによる解決策をご説明いたします。 6 最後に︓製造MVPのメリット 本セッションのまとめとして、製造MVPのメリットを説明します
- 23. COPYRIGHT As-Is To-Be 現場設備が予期せぬタイミングで故障 ダウンタイムの発生、最悪の場合にはライン停止 現場設備に不具合が内在していることに気付かず製造を継続 製造品自体の品質低下 検査不合格製品の増加による生産ロス発生率の悪化 故障や不具合の発生タイミングが分からず、場当たり的な対策 AIの故障予知結果に基づき対策（部品⼿配や修理依頼）検討 ダウンタイムの発生を最小化 AIが不具合の発生を予知することで、不完全な製造を防止 適切なメンテナンス計画⽴案をサポート 高品質な製造工程を実現し、生産ロスを防⽌ 交換部品（在庫）を適切量保管 ユースケース1 予知保全AIで現場設備の故障を予知 23 現場設備の故障や不具合の発生を未然に防止することで、製造品質を向上 & ダウンタイム最小化 不完全な製造による 品質低下 & 検査ロス増加 1週間以内の故障確率が 80%を超えています︕ 製造部門 担当者 突然の設備故障による 製造停⽌ & ダウンタイム発生 製造部門 担当者 予知保全AI • 部品在庫を確認しておこう︕ • 設備をメンテナンスしておこう︕
- 26. COPYRIGHT 26 Agenda No. アジェンダ 内容 1 製造MVPのユースケース 製造MVPの全体像について紹介します。 2 MVPで活用するサービスのご紹介 • ISIDのMVPにて利用するMicrosoftおよびISIDのプラットフォームや サービスについて紹介します。 3 ユースケース1 予知保全AIで現場設備の故障を予知 • 製造現場にて設備が突然故障してしまうとさまざまな問題が生じます。 予知保全AIによる解決策をご説明いたします。 4 ユースケース2 事後保全AIで設備の状態を診断 • フィールドサービスでは、事前準備の不⾜によりサービス品質が低下する 恐れがあります。事後保全AIによる解決策をご説明いたします。 5 ユースケース3 文書AIで過去トラ情報を有効活用 • 過去の不具合や故障、それに対する対策など過去トラ情報は上⼿く 管理できていますか︖文書AIによる解決策をご説明いたします。 6 最後に︓製造MVPのメリット 本セッションのまとめとして、製造MVPのメリットを説明します
- 27. COPYRIGHT As-Is To-Be 訪問前に、インシデントの要因に当たりを付けることが難しい 当⽇、交換部品や必要工具等の準備不⾜が発生 訪問回数増加によるサービスマンの工数および負荷増⼤ 現地にて、インシデント要因の特定に時間が掛かる サービス品質（顧客満⾜度）の低下 サービス品質がサービスマンのスキルに依存 AIがインシデント発生要因を事前予測し、サービスマンの訪問準備をサポート メンテナンスに必要な交換部品や必要工具を予め準備 訪問回数削減によるコスト低減 故障モード（発生しているインシデント）をAIが予測し、サービスマンに通知 インシデント要因特定時に参考にすることで、サービス品質を向上 経験の浅いサービスマンであっても、適切なサービスを実施可能に ユースケース2 事後保全AIで設備の状態を診断 27 AIの判定結果を参考にサービスマンが効率的にメンテナンスを⾏うことで、サービス品質を向上 顧客 保守部門 サービスマン 事前準備 現地作業 現地でもインシデント要因が分からず、 サービス品質 & 顧客満⾜度低下 電話やメールで顧客から得られた 情報が頼りであり、準備が難しい 保守部門 サービスマン 顧客 保守部門 サービスマン 事前準備 現地作業 しっかりとした事前準備により 現地でもスムーズに作業実施 AIの予測結果を参考に インシデント要因に当たりを付ける 保守部門 サービスマン 事後保全AI
- 30. COPYRIGHT 30 Agenda No. アジェンダ 内容 1 ISIDが提供するMVPとは︖ • ISIDが掲げるMVPのビジョンや、製造業様における適用ユースケースおよびソ リューションの全体像について紹介します。 2 MVPで活用するサービスのご紹介 • ISIDのMVPにて利用するMicrosoftおよびISIDのプラットフォームや サービスについて紹介します。 3 ユースケース1 予知保全AIで現場設備の故障を予知 • 製造現場にて設備が突然故障してしまうとさまざまな問題が生じます。 予知保全AIによる解決策をご説明いたします。 4 ユースケース2 事後保全AIで設備の状態を診断 • フィールドサービスでは、事前準備の不⾜によりサービス品質が低下する 恐れがあります。事後保全AIによる解決策をご説明いたします。 5 ユースケース3 文書AIで過去トラ情報を有効活用 • 過去の不具合や故障、それに対する対策など過去トラ情報は上⼿く 管理できていますか︖文書AIによる解決策をご説明いたします。 6 最後に︓製造MVPのメリット 本セッションのまとめとして、製造MVPのメリットを説明します
- 31. COPYRIGHT As-Is To-Be 現場からのトラブル報告に担当者が目を通し、優先度やラベルを割り当て ⼤量の報告の中で、重⼤トラブルを⾒逃す危険性 対応優先度の決定に時間が掛かる 担当者が過去トラDBからキーワードや自身の経験を基に類似事例を検索し、 原因特定や対策検討に活用 検索精度が担当者のスキルに依存 トラブル内容を読み込んだ上でないと妥当な検索は不可能 AIがトラブル報告を理解し、半自動で対応優先度や割り当てラベルを決定 担当者のスキルを問わず、⾒逃しリスクを低減 トラブル対応を迅速化、（AIは疲れないため）24時間365⽇継続的に監視 過去の類似事例をAIが検索し、トラブルの原因特定や対応検討に活用 報告内容自体から検索でき、担当者のスキルに依存せず類似事例を検索 担当者が逐一トラブル内容を読み込むための工数削減 ユースケース3 文書AIで過去トラ情報を有効活用 31 過去トラ管理をAIにより効率化することで社内のノウハウをフル活用し、製品品質を向上 どのトラブルから対応すべきか 判断が難しい 過去の類似事例の検索が 困難 & 時間が掛かる 類似事例 品質保証部門 担当者 過去トラDB 現場からの トラブル報告 類似事例 品質保証部門 担当者 過去トラDB 現場からの トラブル報告 文書分類AI 文書検索AI AIが対応優先度を自動判定 優先度の⾼いトラブルはリアルタイム通知 AIがトラブル内容を理解し、 過去の類似事例を自動検索 現場報告 優先度 トラブルA A トラブルB C トラブルC C 過去トラ 類似度 過去トラA 90% 過去トラB 60% 過去トラC 10%
- 34. COPYRIGHT 34 Agenda No. アジェンダ 内容 1 ISIDが提供するMVPとは︖ • ISIDが掲げるMVPのビジョンや、製造業様における適用ユースケースおよびソ リューションの全体像について紹介します。 2 MVPで活用するサービスのご紹介 • ISIDのMVPにて利用するMicrosoftおよびISIDのプラットフォームや サービスについて紹介します。 3 ユースケース1 予知保全AIで現場設備の故障を予知 • 製造現場にて設備が突然故障してしまうとさまざまな問題が生じます。 予知保全AIによる解決策をご説明いたします。 4 ユースケース2 事後保全AIで設備の状態を診断 • フィールドサービスでは、事前準備の不⾜によりサービス品質が低下する 恐れがあります。事後保全AIによる解決策をご説明いたします。 5 ユースケース3 文書AIで過去トラ情報を有効活用 • 過去の不具合や故障、それに対する対策など過去トラ情報は上⼿く 管理できていますか︖文書AIによる解決策をご説明いたします。 6 最後に︓製造MVPのメリット • 本セッションのまとめとして、製造MVPのメリットを説明します
- 35. COPYRIGHT 個別パッケージ導入 スクラッチ開発 ISIDの製造MVP 「リッチなUIや機能が即座に使える」が… • 「欲しい機能のみ利用」といった柔軟な使い⽅をしにくい • パッケージ費 + カスタマイズ費 + サポート費など 高コスト化しやすい 「やりたいことは何でもできる」が… • 0から構築となるため、人的コストが高い・スケジュールも ⻑期化しやすい • 属人化や保守性・品質低下となる可能性が⾼い • ユースケースを流用することで、早く確実にAIモデルを活 用した業務システムを構築、運用できる • ローコード開発により、低コストで業務適用できる 最後に︓製造MVPのメリット 35 「個別のパッケージでもなく、スクラッチ開発でもなく」 AIモデル AIモデル AIモデル AIモデル AIモデル ○○社 予知保全サービス XX社 文書管理サービス AI機能アドオン︕ カスタムAPI実装︕ SaaSのためカスタマイズ不可 新規参画者 開発者 Power BI Power Apps
- 36. 36 お問い合わせ先 【お問い合わせ先】 • 株式会社 電通国際情報サービス • X（クロス）イノベーション本部 AIトランスフォーメーションセンター • URL：https://isid-ai.jp/ • E-mail：[email protected] 【ISID-AI製品】 製品名 テクサインテリジェンス オプタピーエフ ディーカ 社内で活用できていない文書をAIで有効活用 ユーザーが自ら推進出来るAIモデルの開発・ 運用プラットフォーム 設計・生産技術部門等における 図面チェック・読取業務