ID:61706さん

① プロジェクト概要 自社工場の生産性を向上を目的として、設備の異常検知のシステムの開発と工場への導入を行った。現在パイロットラインにてPoC中であり、今後海外工場へも展開予定である。 ② どのような機能・課題に対して 設備の突発停止による生産性低下、原因の特定スキルが属人化している課題があった。 ③ どのような技術を用いて 設備のセンサーデータ（ビッグデータ）をAIを用いて解析、抽出された特徴量をSQC（統計的品質管理）の1手法である多変量解析法を用いて現場に落とし込むことで、設備の異常予知（異常度の予測と可視化）、異常発生時の要因の可視化を行った。 特徴量抽出には各種クラスタリング、決定木などを用いた。異常予知にはマハラノビス・タグチメソッドを用いた。 ④ どのような工夫をし 現場エンジニアの暗黙知をAIでの解析に活かせるよう、センサーデータと現場の知見を組み合わせた情報のセットを作成した。 また、工場のKPIを達成できるよう取り組むべき異常を重点指向で選択、AI開発の要件定義を行い、工場部門と合意を取り付けた。 さらに、現場でAIシステムを活用いただけるよう、GUIや業務フローを使い易くなるよう工夫した。具体的には、従来の手法を一新するのではなく、一部をAIで代替することで現場の戸惑い低減するよう工夫した。 ⑤ どのような成果を生み出せたか 設備の異常予知（異常度の予測と可視化）を行うことで、不良を発生させる前に設備を止めることが可能になった。また、生産中の突発停止を防止し、計画停止中の修復が可能になった。これにより、1カ月当たりの不良数を0にするとができた。さらに、異常予兆を捉えた際の要因を可視化することで、停止～再稼働までの時間を70%削減することができた。これらにより、年間１千万円程度の工数削減できる見込みである。これらの手法は同型ライン、装置に展開できるため、今後海外拠点を含めて展開予定であり、更なる効果が見込まれる。

① プロジェクト概要 大手化学メーカーからマテリアルインフォマティクス用のデータ成形システムの研究開発と実装を受託した ② どのような機能・課題に対して お客様で保持されている過去の実験データは様々形態で保存されていた（例えば、PDF、紙、ワード、excel）。また、記録形式が統一されておらず、お客様のマテリアルインフォマティクス用システムで活用できないという課題があった。そこで、千差万別の形式の実験データをある統一フォームの自動的変換するアルゴリズムが必要であった。 ③ どのような技術を用いて 自然言語処理分野の1つの指標であるレーベンシュタイン距離を用いて、実験データにある文字列が統一フォーマットにある文字列（評価項目、実験結果、材料名、実験者名等）どの程度近いかを計算し、最も転記場所として可能性の高い箇所の転記するようにした。 ④ どのような工夫をし 上記、自然言語処理の技術だけでは、転記精度に限界があった。そこで、①実験者の習慣、②罫線などの情報（excelで2重罫線の上下には異なるカテゴリの項目が記載されることが多い等）の知見をアルゴリズムに加えることで、精度向上を図った。また、実験データには日本語と英語が混在するためPythonからGoogle翻訳を呼び出して（googletransの利用）表記揺れを統一した上でアルゴリズムに入力するようにした。 ⑤ どのような成果を生み出せたか 実験データ→統一フォーマットの転記精度を70%を達成した。これにより、従来人による転記を行っていた大部分を自動化でき、一つの実験データを統一フォーマットに転記する時間を60%削減できた。これにより、さらに自動化により人件費を年間300万円削減するとともに、お客様のマテリアルインフォマティクス活用を加速することができた。