【Google Cloud Day: Digital ’22】パートナー セッション
Visual Inspection AI という製造業に特化したGoogle Cloud の外観検査AIサービスをご存知でしょうか？
VIAIは外観検査を今すぐ開始することができる超高精度な学習済みAIサービスで、製造業様のスマートファクトリー実現を素早くサポート可能です。
本セッションでは弊社が取り組んでいる業種特化型 AI の最新活用事例を他社サービスとの比較を踏まえてご紹介いたします。
【書き起こし】製造業の方必見！Google Cloudの外観検査AIの威力とは？
(00:02) みなさんこんにちは scsk の気象かと申します 本日はですね製造業の方必見 google cloud の外観検査 ai の威力と はと題しまして google cloud の持つですね最新の外観検査 ソリューション visual inspection ai というもの についてご紹介をさせていただこうと思っ ておりますよろしくお願い致します はいまずはじめに自己紹介をさせて頂けれ ばと思います 改めまして scsk 株式会社 騎士様が学ぶと申します 私 scsk の中でですねクラウド ソリューションのプリセールスのチームを 担当しています 弊社れ csk は google cloud aws マイクロソフパー ジュール後は自社クラウドのいうサイズと 幅広くですね日本のお客様に向けて クラウドサービスの提供を行っています 私はですね2020年 c つけないの google cloud の代理店契約 からですねあー変わっいただいておりまし てビジネスの立ち上げまでおですね今日 行ってきてまいります 腹にですね製造業金融病うつ病と幅広いお 客様に向けて最適なクラウドサービスのご
(01:08) 提案というものに日々従事しております 好きな google クラウドサービス はもちろん本日ご紹介させていただく ビジュアル21ミリとなっております本日 何卒よろしくお願い致します こちら本日の味んだとなります まずは弊社へ csk のご紹介をさせて いただきます その後ですね google の持つ ai サービスの全体像についてインプットさせ て頂き本日のですねメインテーマである visual inspection ai のご紹介および他のクラウドサービスの 比較といったところについて言及していき たいと思いますそして4点目こちらで外観 検査をですねもとにさらにそのデータを常 どう上手く使っていこうかとということで 友好活動は活用いったところについて インプットできればと思ってます 最後にですね弊社ですチーズ券を提供する visual inspection ai ですね poc のキャンペーンみたいな ものをご紹介できればと思っておりますの で是非最後までお付き合いいただければと 思いますよろしくお願い致します はいまずはですねひとつ目として会社のご 紹介をさせていただきます
(02:12) 弊社立 csk はですね左側の方に書い てございますが ip のコンサルハード コールセンタービジネスプロセス アウトソーシング あとアプリケーションの開発基盤の構築 システム運用ということでお客様の ビジネスに必要なすべての it サービス こちらを触れられになってでご提供する 東京都本トーク様子見ですね本社を構える 約従業員15000いう総合 si やと 思っております 右側の方にございますけれども約8000 者のお客様とですねお付き合いがござい まして特徴といたしましては右側の チャートにございます通り製造業流通業 金融業通信運輸業ということで幅広くです ねお客様分け隔てなくいろんな楠本を付け をさせて頂いておりその中でシステム構築 並びに業務知識を持ちながら it の 婚活支援といったところをさせていただい ております 我々のですねクラウドサービスに対する ですね取り組みについてご紹介させて ください 左側の方にございますが我々ですねいう サイズという名前でクラウドサービスを 提供しています
(03:15) 言われのですねデータセンターにあるん ですねクラウドサービスを提供シェア度で 提供していくシアードのモデル あとお客様口座もですね専用環境を提供 するプライベートの方へ あとはですね右下オレンジのノアブリック グラードモデルということで aws microsoft azure そして google クラブこちらの3 大メガクラブすべてを取扱しておりまして 我々ですね付加価値を付けてへメガ クラウドのサービスをご提供するという モデルを実施させて頂いております また右側に映りまして我々2020年6月 にですね google cloud の 代理店契約を締結してビジネスを開始して みますそこから急速にですね google ガードの技術者育成を進めておりまして現 時点でですね認定技術者200名というと か あと我々の特徴としてこの200名のうち ですね約9割が他のクラウドの認定技術を 持っているエンジニアであるという点が 挙げられますそのためですね google クラウドの技術力はもちろん他のクラウド だとどうだといったところですねお客様 用途に応じて最適なクラウドサービスのご
(04:18) 提供を提案を実施できる体制が整っており ますエイ はいで我々の考えですね google クラウドの活用ポイントというところで 我々 google cloud はです ねあーその領域が非常に強いという風に 考えております大きくですねこちらの3つ のキーワードに関して尖っているとこう いう思っておりまして引き合いも多数頂い ております まず1点目はですねマルチクラウド コンテナというところでこちらは空満室の 本家本元である google の作って いるクラウドであるという あとはですね後発クラウドと氏の戦略と いうことでマルチがクラウド間のデータ 連携だったりパのクラウドにある環境を データ分析だで google したりと いったことですねデータのの d で みたいなことが容易にできるという点で マルチクラウドといってキーワードだっ たりコンテンツ集起爆あると google cloud ですね我々ていただいており ます 2年目がですねデータ皇后分析なります こちらはですね google の持って いる検索エンジおよびビッグデータの解析 技術というものをふんだんに使ったですね google のクラウド型データウェア
(05:21) ビッククエリというキラーソリューション もございますし蓄積したデータをですね 可視化していくビープラッド本部 いうところもありますのでデータを貯めて かしか活用していくというところですね こちらは google の非常に強い2 点目という風に考えてございます そして3点目こちらがですね本日ご紹介 する ai 機械学習の領域になります こちらもですね google といえば やはり最先端の d プランニング技術 みたいなところをイメージされる方も多い と思います 体験たのディープラーニング美術は もちろんなんですけれども google の持ってる ai サービスの特徴として ですね膨大なサンプルデータを持っている とそのサンプルデータを google 脳 で事前に学習させてですねメディ愛でる すぐ使えるレイヤーパイプというものを 多数持ってございます なのでへ非常にですね精度の高い プランニング技術に加えて学習済みの ai サービスといったところがグーグルの持つ aill サービスの特徴となっており ます で本題に移る前にですね scsk の 提供する google クラウド サービス全体像というところでインプット させて頂ければと思います
(06:25) 左側にあるピンクの部分ですねまず第一と というところになりますこちらはまず環境 を google クラウドに持っていく ところのご支援になります 我々のほうでですね マイグレーションサービス for google クラブというサービスを 持っております ツールによる一括移行に加えてですね きめ細かい主導でのにこういったところも サービスメニューを持っておりますので まあお客様の環境 google クラウド に持っていくところのリフトの星へという ものをまずさせていただくことができます そして2点目シフトになりますこちらは ですね環境をクラウドに持って行った後 ですねクラウドネイティブ化していくと いう部分ですねクラウドネイティブ開発の ご支援ならびにデータベースもですね立つ 商用データベースということでクラウドの ですねデータベースのマイグレーション カーブス思ってい あとは他のクラウドと連携して使っていき たいというところに対してはマルチ クラウド接続のネットワークサービスを 持っていないということでお客様がですね クラウドネイティブにシステムは構築して ビジネス動かしていく所の暮四えっていう ものもさせていただきます このリフトからシフトの流れにですね並行
(07:26) して3フレンジのところに内製化という 言葉を入れておりますこちらはお客様が 入ってるんですねクラウド人材の育成と いうことで我々のほうでヒロで meet you ですねクラウド認定資格をですね 取得するためのツールを持っています さらにはデータ活用のワークショップと いうことでお客様のビジネスにとですね どういったデータ活用が合うのかみたいな ところをワークショップ形式でやらせて いただきですねお客様にデータ活用を進め 方を学習したと言った言葉ご支援もさせて いただいております ただにクラウドスキルシフトということで 構築運用テンプレートみたいなものも思っ ておりますこれらをですね一体型で真ん中 にございますが軍室提供ということで我々 ねえ水がお客様環境で変えず運用支援する いう明るいぞ提供しておりますし一番下に なりますがその他のサポートリソースと いうことで我々のクラウド技術専門チーム がいたりですねあとはデータ活用に関して はデータエンジニアデータ サイエンティストまあプロとああああああ さらにはアプリケーション開発においては オフショアに足を絡めた開発リソースの 提供されにはお客様と競争でですね dx を実現して言って実績ノウハウがござい
(08:31) ますのでお客様のですねクラウド ネイティブなですねシステムでビジネスを 動かしていくといったところについてパン ストップフルラインナップでご提供できる ということをご理解いただきればと思い ます できましてグーグルの ai マシン ラーニングのサービス全体像ということに ついてご紹介していきたいとおもいます 詳細の説明に入る前にですね初めに ちょっと ai と ml サービスと いうところについて定義をさせて頂ければ と思います 大きくですね ai マシンラーニング サービス三つに分かれるというふうに我々 は考えております下からいきます緑色の ところですねインフラストラクチャー サービスということでこちらは何かという と機械学習の環境をお客様のほうに開放し てですねお客様の方で一から プログラミングして機械学習環境をつくっ ていくオーバーインフラを提供する サービスになっています そして真ん中青い部分ですね ml サービス こちらはですね機械学習のプロセス全体に おける開発をですね効率化するマネージド 型のサービス支援できるサービスという風 に考えていますこちらは例えばですね学習 のデータをお客様のコーディよういただい
(09:36) てでその学習に関してはクラウドのほう ですね自動であっていくというような cm できるサービスこちらを ml サービス というふうに我々ん そして一番上 ai サービスということ でこちらは何かというとですね gui と かですね簡単な操作でですね機械学習の 深い知識なくプログラミングもなしで 使えるレディーメードの ai の サービスというものを ai サービスと いう風になっております もう既にご存知のことと思いますが右側の 矢印の通りですね下に行けば行くことです ね以上に自由度が高くぴ代わりに開発が 必要となっていくと上に行けば行くほど 開発アフよただしもうすでにレディー メードの型にはまったものを可能で自由度 が低く自由なたて付けとなっております 各クラウドにてですね豊富に ai マシン line のサービスを保有しております エイダブレイズ google cloud by kuro ソフト azure と いうことでそれぞれですねしたりから行き ますがインフラストラクチャのサービス マシンラーニングのサービスというものを それぞれ思っております ですねやはり各クラウド色が出てくるのが ですね赤い部分の ai のサービスで
(10:41) ございましてこちらもですね各クラウド ベンダーが強い領域というものに特化しし ながらですねえ ai のモデルという ものを準備しております 本日ご紹介させていただくのはこの google cloud の中のですね 赤字になっているビジュアルへ移籍証明愛 という差別になっております ですね各クラウド化ですね持っている豊富 な aa のサービスこちらですね最適な 用途を見極めて活用していくということが ユーザーにも求められているという風に 考えております クラウド各社のですね ai サービスを ですねマトリクス化したものがこちらの表 になっております 横の軸がですねええのサービスで行くその 用途になります例えばですね可視化する 用途であったりあとはデータを与えたもの から自動で分類する検出分類というと後は 将来遅くするよソックス衛生9 u あとはですね与えられた条件下で最適な 組み合わせを選ぶ最適化という あとは決められたですね集合の中からです ね類似したものを検出するマッチングと 言うよと
(11:44) 後はですねデータからで正常の範囲を 超えるものを堅実異常検知する用途ですね これらの用途に対して縦の軸がですね データの種類になっております 構造化の泥ば首構造化データと非構造化の データんですね保存でプリ画像映像だっ たりあとは音声テキストといったものが 当てはめられます 例えばですね構造化のデータに対している ねえかしかのタスクをいる pict 後 は売上データ分析ができたい あとはですね構造化データに対して異常 検知みたいな事をですねすると外れ値の ケースがみたいということで各社がすでに ですねレディーメードの影アナサービスと いうものをそれぞれ持っています 一方で非構造化データんですね画像映像を ですねクラウドに食わせて例えば検出分類 ルータ救っていくと訴えの検出であった ですね人物の特定みたいなことができる 優子だとなっております ですね船と画像映像の一番右側が物体認識 外観健太と書いておりますがこちらが本日 ご紹介するビジュアルにセッションへの 領域となっております
(12:48) aws さんのですね look out for ビジョンというサービス脱退あと は azure だったですねカスタム ビジョンというサービスがあったでしょ 一方でですね音声に感謝ですね音声 テキスト化ということでスピーチ2 テキスト向きのだったしあとは text to speech の決まったものが あったり あとはですね音声をですね検出分類タスク で温めると音声のですね感情認識したい ですねって言ったことができると 最後テキストになりますこちらに関して いくとテキストをですね検出分類すると目 がポジの分類ができたんですねあとはです ねマッチングのタスクにかけると6時 ワード検索ができたりっていうことですね 見て頂ければと思いますが緑字のあるん ですね google クラウド ソリューション非常に多くの心を網羅して いるということがご理解いただける方も なのでですね google が非常に 幅広くエアサービスに取り組んでいると いうことがわかるかと思います 今回はですね外観検査領域というところで もうマクラウド各社でサービスを保有して いるので muse ケースごとに最適な 使い分けというものがユーザー様の彼に 求められていたいうところとなっており
(13:51) ます 続きましてですね本日の取材外観検査と いうところに入っていきたいとおもいます 外観検査はですね今まで熟練工の方がです ねえけっあの結果を見抜くというところと が求められる製造用のですね生産工程は 最終のプロセスとということで製品部品の 良否判定を行うというのが映画移管計画 なっています 外観検査ですが属人化ということでやはり 熟練工の方がですねやられるので属人化と いうのが問題になったりあとは人手不足が 問題って いうのとあとはですねやはり人によって 検査の精度でバラバラになってしまったり あとはですね人が検査するのでどうしても その検査したデータがですね1の中になれ 印残ってしまってデータを活用したいです ね可視化して分析したりというところに つながりにくかったりという仲だよ各社 からを抱えられていることと思います そんな中でですね外観検査の方法が大きく 3つあるという風に考えてみます 1点目がですね目視の検査 こちらはですねメリットとしてですね人 さえいればですね人に学習させればその
(14:55) 食器の音導入およびコストといったところ が容易にできるという部分が入って あとは検査項目の変更こちらも人に対して レクチャーするということでできるので 非常に良いというのがメリットとして挙げ られます 一方でですねデメリットとしてはですね やはり1依存してしまうので継続的な人員 加工だったりあとは検査の精度にばらつき だってあとは検査データの活用ができなと いうことがネックになっていたりします そういったですね目視検査に対して出てき たのが懸垂よう検察装置の導入という手段 になります こちらですねやはり犬専用の検査装置を 納入する高い検索生徒を追い切り機という ところとあと自動化によりですね安定した 対応ができ後検査画像をデジタル化でき いったところがメリットになっております 一方でですねデメリットとしてですね初期 のポストがやはりかかってきてしまうと いう部分と事前学習を呼び検波項目の変更 に時間がかかったところがデメリットと なっております そんな中でてきているのがクラウド サービスを使った外観検査なりますこちら ですねクラウドを使ってスモールスタート
(16:00) することで初期運用コストですね tco 削減ができるという部分と後は検査項目の 変更が容易 さらにはですね検査画像デジタル化して データ活用につなげやすいといったところ がメリットかん 一方でデメリットとしてですねやはり事前 学習に時間がかかるというのとあとは工場 などねじ環境とクラウド間の通信遅延に よって生産ない外観検査工程生産ラインが 止まってしまう いったことがへ犬事項として挙げられ あとはですね ai 実装の技術力が必要 というところもデメリットとして挙げられ ます 本日ご紹介するですね visual inspection ai はこの クラウドサービスによる快感検査この デメリットを解消するサービスとなって おります では続きまして visual inspection へのご紹介と後は たクラウドサービスとの日かなということ についてお話ししていきたいとおもいます まずはですね外観検査特化型へある visual inspection や ですね本日ご紹介するサービスとなって おります こちらですね google クラウドの ほうが事前にですねユースキスを決めて ですね学習させている会館検査
(17:05) ソリューションとなっています 使用事例の一部を下に書いてございます 例えば自動車パーツですね自動車パーツの 表面の品質管理令伝チェックをしたりあと は衣類ですね衣類のこっつで穴あきみたい なところの品質がん あとは送信ですねクッキーが割れてる買わ れてないかと奔走しが破れてるか敗れて ないかみたいなところの品質を管理するの あとはですね半導体ということで半導体の 旋盤の上ですね正しいパートが新しい場所 に半田事書かれているかどうかといった ことを見る変だと言ったところがもうもの に付けすして挙げられております こちらに出ているのはほんの一部でして他 のはですね多数ユースケースを持っている サービスとなっております 特徴3点ございます まず1点目がですね目的に応じてモデルを 選択できるという点になっています google がですね事前にモデルを つくっているというので大量の学習データ なく高精度な a 外観検査の結果を得る ことができるというのがポイントの1点目 になります ポイントの2点目 こちらですねもうすでにあるモデルに対し てある程度やはりお客様の製品によって
(18:10) ですねスイカで学習というものが必要と なってくると思っていますそのあたりの 追加学習ですね独自ネット用意にできて ですね独自の推論モデルにか蓋無いとか でき いうの学校に言うとの2点目となってい ます そしてポイントの3点目 こちらですね完成したモデルこれを先ほど コンテナに google が強いお話を させて頂きましたがドッカーのイメージ 形式で出力することが出来ますこれにより ですね先ほどクラウド型外観検査のですね 猫となるという風にお話をさせて頂いた 工場のようなエッジ環境とクラウド間の 接続とネットワーク遅延により外観検査工 っておよびセンサないが止まるといった ことを防ぐことができます 行動などのエッジ環境ですねこのどっかの イメージをでプロして稼働させることで エッジの中でですねクローズの環境でこの 外観検査ができるというところがポイント となっている visual inspection や が持っているモデル3種類ございます そちらについてご説明します まず一番左ですねピンク色の部分こちらが アノマリーフィクション異常検知という ものになります こちらですね
(19:12) 部品パーツに対してですね ok の可能 ですね学習させてその大きいの画像に対し て異常があるかないかというものを写真 全体俯瞰で見てですね判断するという タスクになっています で2店目真ん中黄色い部分ですが アセンブリインスペクション組立検査と 思っていますこちらは先ほどですねユース ケースの中で半導体の事例をあげました けれども 正しいハート柄で正しい場所に組み込まれ ているかどうかということをこちらもです ね正しい画像を学習さアプリですね異常が ないかどうかというものを判別するという モデルになっております で一番右コスメティック inspection 表面検索こちらは ですねえっと今まで述べた2つのモデルと はですねアプローチ方法が変わっており まして逆にですね血管の部分を学習させて あげる6がモデルとなっております 製品表面にあるですね凹みひび割れ秋水 みたいなところをですねそれぞれ血管を 学習させてあげてそのですね血管を ピクセル単位で特定して異常検知をさせる というはタスクになっております
(20:16) はい実際にですねどのような形で visual inspection air を使っていくかということについ てでも形式ですね実際の画面をご覧 いただきながら説明したいと思います先 ほどお話ししました通りですねあの丸い ディクションアセンブリーにすぺくしょん コスメティックに停車3つのモデルがあり ますのでそれをまず選んでいきます 今回はですね表面検査コスメティック インスペクションでのエイドもとなって おります まずはですね 実際に検査する製品のですね画像をこちら をまず google クラウドに アップロードしていくという作業となって おります 画面観ていただいた通りですね自由は移送 されですねええgoogle クラウド ストレージファイルパスを入れていてです ね画像をアップロードしという作業となっ ております 実際にアップロードしたですね画像に対し てですねここが結果んですということを アノテーションというんですね傷で囲んで ここは結果んですということを 機械学習側に教えてあげるというな作業を しています 今回のデモはですね携帯電話の背面の画像 でのでもになっています
(21:20) 観ていただければと思いますが君のリード で囲っているところですねこちらが件と 凹みですこれが位は凹みという欠陥として a 見極めてください で紫色で囲っているところここが吹くラっ て引っ掻きキズですというのでこちらを 引っ掻きキズとして検知してくださいと いうことをクラウド側の方に学習されます その次にですねモデルの敵ゴール再現率と いうところのチューニングを行なっていき ます これはですね実際に検査する製品によって ですねやはりどれぐらいですね ok を ですねアド ng を見逃してはいけない かというところだったりにょのさじ加減と いうのがやはり製品やって違う いうところなんでその成否に合わせた チューニングというものを買ってきます このしきい値をですね上げれば上げるほど ng のですね血管を見のですね見逃して ものは減っています代わりに ok だ けれども ng というふうに版でしまう 可能性が高くなった逆にの敷地を下げれば 上げるほど ok って通過するものが増えていきます が逆に ng だけれども ok として しまうケースが付
(22:23) ならこちらを実業務に合わせて チューニングしていくという作業となって います チューニングした後にですね 学習制度のテストということで実際に画像 をですね クラブがに投げてみてですねちゃんとこの 画像の結果のようにですね黄土色の部分 ですねここは掻き傷スクラッチですと紫の 部分は伝統凹みですということがクラウド がの子で認識できて8としても問題ないよ ねということが確認できました学習制度で ね確認した後にコンテナ出力というところ で実際6ですねあーモデルを出力すると いうことになっていますこちら特徴の3点 目ですねお話したとおりコンテナーに出力 できるというのが via の特徴となっ ております こちらのですね前にありますが麻生サイズ というところに全8 gb という風に 書いてございますがこの通りですね2.
(23:13) 8 gb ぐらいのサイズになりますのでこう いう状態になるんですね簡易サーバーだっ たりですね構成の pc のでも稼働させ ないですよということでエッジの環境でも このやモデルをかどうかということが できるということがも理解いただけたかと 思いますエイ 実際の poc 実績についてお話をさせ ていただいております こちらがですね実際に ok ガード 184万 ng 画像集60000系 200枚の画像をごですね円弧また器科と なっております 生徒枚数がですね179万 ng 画像集 6万に出して16万円ということで ng はすべて見極めることができ ok に 関しては a 5枚ほどですね8 ng と いうふうに振ってしまったというような 結果となっております こちらについてはですね 事前にちょっとお伝えしておりますけれど も ok ng とも20万ほどの学習を させてやるのみのですね結果となっており ます などですね ok 画像をもう少し多く ですね学習させることでこの ok 部分 の後前のコアの誤った回答ということの チューニングできるというふうに考えて おります 逆にですね ok 抜き20枚削ってこれ だけの制度を行うことができるということ をご理解頂ければと思います
(24:20) はい続いてパファービスと via の 比較ということになっについて説明させて いただきます こちらですねまず物体認識ということで 外観検査タスクのですね大きくです4つ タスクがありますということについてお話 をさせていただきます一つ目はクラス分類 になります こちらはですねぇー画像に写ってる打った よ分でいいということで例えばいいぬと先 最近と猫がクスっていう中で犬が写って いる写真はどっちかめこが写ってる写真が どっちかということを見極めるのがクラス 分になります 続いて市特定こちらですね先ほどのです new 空けずに加えて犬と猫がですね どの位置にいるかということまで見極めて たっけ 続いて物体件数こちらはですね犬止めろ 当時に映っていてもそれぞれの位置まで 判定するような そして最後がセグメンテーションという ことで犬と猫ですねピクセル単位で1も 撮っペイするというものになっております こちらに対してですね各クラウドサービス の持っている外観検査ソリューションを プロットしてみました 観ていただければと思いますが先ほどの セグメンテーションの部分こちらがですね ピクセル単位に傷とか凹みを見極めると
(25:24) いうことで先ほどご紹介した via の コスメティック e セレクションこちら が a子のセグメンテーション領域に描い とする助けとなっております またですね組立検査に関しては物体検出佑 抜きをカバーしており異常検知ですねあの はリジェクションに関してはクラス分で1 特定の領域のタスクをカバーしているも ものとなる そのためですね google の via ああはですねこちらの4つのバスクすべて をカバーしているサービスというふうに 良いことができると思っています 一方でですねぱクラウドサービスはです 願い関係の数しょんだったり画像認識の ai サービスに関してはですねやはり クラス分類の領域に特化しているもので あったりね位置特定のルーキーに特化して もらったというっていうことでここまで 幅広い多数がカバーしていいのでビジュ アリン宿舎 a は幅広い予定ですねはい 大することができる会館検察リっしょんで あるということが署名でいるかと思ってい ます はいさきほばがですね google cloud の紹介の中で google クラブ非常にデータ活用に強い喰らうで あるというお話をさせていただきました 本日ご紹介したですね visual
(26:27) inspection や糸ですねこの データ活用を絡めて外観検査のデータを どのように活用できるかという村について 3点をどうお待ちしましたのでそちらに ついてご説明させていただきますエイ まずはですね ng の数をこちらに 関する活用案になります 青ファン検査配送納品という工程に沿って ですね説明していきたいとおもいます 製品をですね生産した後の検査工って こちらですね visual inspection a で画像も検査 をしていますその中でですね ng と 振った画像についてですねこちらはまず google クラウド上に蓄積していき ます その際ですね作った生産ラインの情報で あってですね工場長みたいなことをた続け して蓄積していきます それをですね google cloud のマシンラーニングのサービスに買わせて いくと例えばですね血管が多い場所とか ですね血管が多い生産ラインいったものを 可視化分析することができます ですねこのですね分析により実際に血管が 多い生産ラインやですね血管郡工場に対し ですね血管情報をフィードバックして製品
(27:32) のですね品質向上につなげると及び副具合 傾向の分析ができるというのが ng カードに対する活用という風になっており ます 一方でですね今度は ok の加増こちら に関して何か活用できる方法はないかと いうことで考えていきました こちらもですね検査工程でているですね 画像のデータ ok と振ったものをです ねこちらに対してですね製品番号を尋ねし て画像同じく google クラウド上 に蓄積していきます に配送工程でですねはいそうデータをです ね同じクァク付で入れていきます先輩主的 に延命剤納品された持ちですね納品後に不 具合が発覚したとしたその際ですね蓄積し た外観検査の画像及び配送データを パクつきしてますのでこちらからですね二 階発生したプロセスを特定することが できるということでとりあえずアビリティ の向上につなげることができます ですねこのですね蓄積したデータをですね bi プラットフォームを経由しですね エンドユーザー天に向けて情報を開示する
(28:36) ことで納品後のアフタープロにつなげる ことができたいあとはお客様ないのですね 品質管理担当にデータを連携することで here till を向上リコール防止ア ティ頃にですねちゃんとつないでいくこと ができるというのがクラウド型なんですね 外観検査ソリューションもいいという風に 考えております それでは最後にですね本日ご紹介した ビジュアリゼーションいないですね poc に関する弊社の提供するキャンペーンのご 紹介ということでお話をさせていただき ます 短編の趣旨ですね一番上に書いてますが 先着10社さんにですねメジャーりん ステーションへ無償 p をしをご提供 すると プランとなっております こんなお客様にというところになりますが 自社製品に合うですね観客がモデルが わからないやっぱりですね ai サービス
(29:41) 触れられる技術者がいないあとはですね新 製品開発中で初期コストを抑えて導入検討 したいといったようなお客様に対して絶え ないですね100枚まで画像をですね学習 させている e 8 c として結果お 届けするということを開くとしてねご提供 させて頂きますお客様にはですね visual inspection ai に読み困ってるんですね製品のカード ok 数 ng がぞと言ったところをご準備 いただくだけというので実際にお客様の 製品をビジュアリゼーションやで検察と ドナー蹴るかといった結果を通っ いきます 下の方にですねお問い合わせ先を記載して ございます詳細を聞きたいんだったりです ねどのモデルがか相談ししてみたいといっ たところについてですねどんな些細なこと でも構いません我々 csk の方にです ねご相談いただければと思っております 以上申しましてですね私の プレゼンテーションを終了させていただき ます 本日はご視聴頂きまして誠に有難うござい ました弊社へ7 s けどですね google クラブサービス気づきがい たぞよろしくお願い致します
#GoogleCloudDay
