https://www.youtube.com/watch?v=JwN0cRyzEuU
製造業のAI導入、内製化できる？
～外観検査・予兆保全・プロセス異常検知AIなど、全てを現場で作る～
0:00…ご挨拶
0:33…製造業にある三大データ
1:04…MANUFACIA(マニュファシア)とは
1:58…操作デモ
6:35…MANUFACIA(マニュファシア)運用工程
7:22…MANUFACIA(マニュファシア)活用ステップ
8:30…結び
【書き起こし】 製造業のAI導入、内製化できる？
(00:01) [音楽] 製造業のAI導入はどうあるべきか 内政化できるのか 混ぜてみキャストの中沢です 株式会社 クロスコンパスの高倉さんですよろしくお 願いいたしますこんにちはクロスコンパス の高倉と申しますよろしくお願いします そして続いてはパーソルプロセス& テクノロジー株式会社の渡辺さんです よろしくお願いいたします どうぞよろしくお願いいたします 清掃現場の3大データとは1つ目時系列2 つ目 振動3つ目画像のデータです スマートファクトリー実現にはまずデータ 収集ですそして本日のメインとなるAIも このデータを活用します製造業には様々な 課題がありますが 多くのケースはこの3大データの時系列 振動を画像のデータに分類されます時系列 振動のデータならばCSV形式画像データ ならばビットマップjp 1位などで収集することができます
(01:05) 製造業の 三大データと言われる時系列振動画像の データに対応し異常検知予知補選を行う ための判定エンジン推論エンジンとも言い ますがこれを簡単に開発できるAI開発 ツールですマニファシアはこの3大データ に対応し時系列 振動のデータならば CSV形式画像データならばビットマップ JPEGTNGに対応していますまず 丸1最初にデータを取り込むタイプを フォルダーかファイルで選択しますそして 2でデータをドラッカーのドロップで 取り組みます3でデータにラベル付けを 行って 読んでカラーの選択やリサイズなどの 前処理を設定しますまるこで学習開始と なりますここまで 簡単な数ステップでノーコードでguiを マウスで操作するだけで AIの生成つまり学習が完了しますまず ここの画面なんですが 基本的に ブラウザアプリアプリケーションとして 動いていますこれはGoogle Chromeを使っているものとなります
(02:08) Windows上で動作させております スタートボタンをクリックして 任意のラボ名データを管理するラボ名を ユニークにここで入力していただきます ここでは石材条件値と入力しております この石材条件値のラボが立ち上がりました ここで先ほどのフォルダーですがファイル ですかという画面が出てまいりますここで はフォルダを選んでいきますそして右側に これWindowsのエクスプローラー ですね正常アノーマリ以上ノーマルという フォルダがあってそこにデータの格納され ていましたこれをドラッグ&ドロップで 取り込んでいきますするとこの中で サムネイル表示がされたら すいませんちょっと画面が飛んでしまい ましたはいサムネイル表示がされたら ファイルをアセットに追加とすると アップロードが行われますはい アップロードされた後もこのように ファイルの確認することができます正常の ノーマルのデータ異常アノーマリいわゆる 傷のあるデータですねこれを確認できます 次に学習方法を決めるためにプロジェクト というもの打ち上げますこちらもユニーク な名前で石材異常検知プロジェクトという ふうに入力しておりますここで異常検知と タクラス分類があります今回は2つの分類
(03:13) だけなので異常検知を選択します 表示あり学習教師の私学習が選択できます がここでは教師割を選んでいきます 次に 先ほど取り込んだデータのシートのデータ を使うかというものを選択する画面になり ますここでは 異常アノーマリーと正常ノーマルこれしか 取り込んでいないのでこの2つのデータ 全て選択しますが場合によっては複数の データセットの中から一部分だけを使って 学習したいというケースもありますので その時にはここで選択していきます 全て選択をクリックしますここでは ラベルズ表を行います正常と異常のラベル で正常というラベルに先ほど Windowsのフォルダの正常の ノーマル以上のラベルに異常泡のマリーを 紐付けしていきますこれでラベル付けは 完了です 続いて データの分割方法というものを聞かれます 先ほど正常のノーマルと異常なのマの データを入力したんですが 学習するデータと検証するデータを分け なければいけません学習しただけですと どのくらいの性能かというものを確認でき ないので データセットを学習用と検証用と分ける ことになりますここでは割合で分割を選択
(04:19) していきます 割合で分割では任意の比率で学習用と検証 用を分割できます 初期治療は80対22になっています スライドバーで変更することもできます ここで初めて時系列振動データ画像データ を聞いてきますつまり 工場の中で生成される三大データの 分かれ目はこの部分になっています今回は 画像データを扱っているため画像データの このプリセットを使うをクリックしていき ます 前処理の中ではグレースケールのチャネル 選択あるいは リサイズ ノーマライズなどが選択できますそして これが終わりますと最大で200個まで AIのモデルをシリーズで一度に作ること ができますここでは10個にしています今 まで設定してきたアセットラ 前処理それと学習用と検証用のデータの 振り分けを確認できますあとは学習を開始 するだけですこのように 円の 進捗が表示されて学習は完了しましたと なりましたすると結果を見るをクリックし ていきますはい縦軸にネットワークサイズ つまりはAIのモデルの大きさ横軸に正解 率が出てきますこの一番右にあるのは
(05:23) 100%のものですそして一覧表で出して それを正解率あるいは学習誤差で ソーティングすることもできますここで一 つお気に入りでクリックして中身を見て いきますするとこのように 近藤行列マシューズ相関係数あるいは ロック&aucといった 性能指標が出てきますそしてこちらは学習 が作曲線良好な0への収束が見て取れます 以上データを見ていきましょう30の ところをクリックすると異常データがずら となりますすると 前処理で処理したものが右側左側にAIが 反応したところがこのようにポイントされ ますつまり傷の箇所がハイライトされて おりますこれらの結果を全てハードコピ するのは大変なことなので レポート機能というものを利用します選択 したモデルのレポートを作成をクリック するとそうするとブラウザーに別 ウィンドウが新たに開きますこのように 性能指標とか学習誤差それとAIが前処理 したものに対してAIがどのように反応し たかあるいは 正常な状態異常な状態どのくらい正常なの かどのくらい異常なのかというものも数値
(06:26) でここで確認することができますそして この画面をPDFで印刷することで データとして保存することもできるように なっております今回ご紹介した マニファシアがこちらですね AI開発であったりですとかAI評価に 特化したようなツールとなっております ただですね実はこのマニファーに接続する 例えばデータの収集であったりですとか モデルを作った後ですね例えば 機器であったエフェクトとか 指令システムであったりですかパトラップ 接続を例えば光らせるであったりとかそう いった接続に関しましてはお客様にて 例えばコードを書いていただく必要があっ たりですとかが 必要となっておりますもちろんですね こちらに強いメンバーの方がいらっしゃれ ばその方を旗振り役として進めて いただければと思うんですけれども会社様 によってはそういったメンバー いらっしゃらないというケースのござい ますといった時には我々の方でご支援させ ていただくこともできますのでこういった ところでもですねもしご要望がありまし たらお声掛け頂ければと存じます実はこの 4ステップですね大きく分けて2つに さらに分類することができます分類します とこの一番左ですねAIFactoryと
(07:31) その右ですねマニファーcpulより右側 の2つに分類することができますこちら何 が違うかという話になってくるんです けれどもこのAIモデルを作るそして 作るところに関しましてお客様の手元で やっていただくかそれとも 我々に対して委託していただいて分析 そしてレポートマップするかこういった ところが2つになっておりますは使う人が どちらかといったお話になっております AIツールこういったAIを推進する メンバーが決まっている方に関しましては その右側に歯車 移行を使いいただいてどんどん手元でAI の 進めていただければと思うんですけれども なかなかそういった リソースを避けないであったりですとか ある程度の結果を用いないと思う人を貼る ことができないっていうお客様には一番左 AIファクトリーをおすすめしております こちらが先ほど申し上げた通り例えば画像 データが今ちょっと足りていないので 増やしてくださいやったりですがちょっと あの角度があまりよろしくないのでこうし てくださいであったりとかさあもしくは今 完璧なのでどんどん参りました進めていき ましょうこういった会話ができるかなと 思っておりますこちらあのパーソル製造業 DXで検索開いていただいても結構ですし
(08:34) こちらから直接リンクで飛んでいただけれ ばと思います以上になりますご清聴 ありがとうございました
★講演資料はこちらから無料でご覧いただけます！
https://majisemi.com/e/c/persol-pt-20220831
【現場へのAI導入が求められている】
現在、製造業においては外観検査・予兆保全など、IoTにより取得したデータをAIで分析・活用することが求められています。
2021年度のプラントメンテナンス協会の実施した調査によると、3年以内に投資が決定している技術として、
・画像解析・3D – 40.4%
・解析技術 – 37.7%
・予測技術 – 35.6%
と、現場へのAI導入が進んでいます。
引用：https://www.jipm.or.jp/company/report/images/202204.pdf
【AIに何をやらせるのか？AI導入にはプログラミングが必要なのではないか？】
しかし一方で、ひとことでAIといっても、外観検査、予兆保全、需要予測など、適用する箇所によって導入する技術も異なり、専門的な知識も必要です。一般的にはプログラミングスキルも必要だと言われています。
また、自社にどのようなAIを導入すればよいのか、それでどのような効果が得られるのか、確信を持てない方も多いと思います。
【製造業に特化したノーコードAIで専門知識不要に】
今回のセミナーでは、上記の課題を解決するために、製造業に特化して「ノーコード」でAIモデルを自動的に生成する「MANUFACIA」を紹介します。
製造業に関するAIであれば、外観検査、予兆保全に止まらず、プロセス異常検知、異音検査などのAIが、「現場で簡単に」構築可能です。
そのため、現場でAIを構築・運用できるだけではなく、現場ならではの理解をAIに導入可能です。
・ノーコードでどこまでAIを構築できるのか？
・実際にノーコードでAIを構築するにはどうしたら良いか？
など、製造業に特化したノーコードAIだからこそできるAI化を、実際のデモ画面もふまえてご紹介します。
是非あわせて講演資料をご覧ください！
https://majisemi.com/e/c/persol-pt-20220831
本気の問題解決セミナー「マジセミ」
https://majisemi.com/service/
セミナー開催のご依頼はこちら
https://majisemi.com/service/#inquiry
#ノーコード #製造業 #dx
