ジールは長年、BIの領域で経営の意思決定をサポートしてきました。
現在ではそのノウハウを活かして、先端技術を使用した様々なシステムの開発・導入にも取り組んでいます。
技術を導入することが目的ではなく、実際の業務プロセスにいかに組み込むかをお客様と一緒に考え、
開発から運用、定着支援までを一気通貫で行っています。
CASE01
不良品を
発見するAI
画像認識による精密加工業務の高度化支援
主なデータソース
- ・連続で撮影した画像
- ・加工条件
- ・加工結果画像
技術要素
- ・深層学習
- ・回帰学習
- ・画像分類
- ・画像認識
- 課題
- 精密加工において、量産の品質と効率に課題を抱えていた。
原因は、金型の摩耗や破損による故障、不適切な金型の選択による不良加工など多岐にわたる。
- ソリューション
- 加工機内のカメラで取得した加工前後の画像を保持する仕組みを構築し、加工条件と結果画像を社内のエキスパートユーザーによって評価（分類、状態、品質スコア）を実施。これらのデータを利用したDNNモデルを開発し、カメラの画像と加工条件からリアルタイムに予測を行い、メンテナンスや部品交換、加工停止の警告を行うことで量産品質と効率の向上に成功した。予測結果を定期的にエキスパートユーザーが確認し、誤差を修正して追加学習を行い、モデルの予測精度をメンテナンスする運用を継続中。
CASE02
作業者の
危険を守るAI
製造業界における
モーションセンサーを利用した危険行動の検知
主なデータソース
- ・関節位置座標
- ・位置情報
技術要素
- ・深層学習
- ・行動識別
- 課題
- 作業者の危険行動を予知することで事故を未然に防ぎ、作業者の安全性を高めたい。
システム導入にあたっては、データを収集するセンサーの検討・データ基盤構築・解析方法など、一連のプロセスを構想段階から一緒に取り組んでほしい。
- ソリューション
- カメラ型のモーションセンサーを用いて作業者の動きをセンシングし、収集した行動データから危険行動に至る予備動作を深層学習によって識別する実証実験を実施。プロジェクトは基礎調査・予備実験段階からお客様を交えた検討会を開催し、データの取得から蓄積・解析まで一連のプロセスを共有することで、お客様と二人三脚で、お客様のビジネスに役立つ行動データを活用したAIシステムの形を検討することに成功した。
CASE03
退会を予測するAI
機械学習で通信事業者の
顧客離反を事前に予測
主なデータソース
- ● お客様保有データ
- ・売上データ
- ・在庫データ
- ・人事データ など
- ● 外部データ
- ・オープンデータ
- ・SNS
- ・ブログ など
技術要素
- ・機械学習
- ・WEBスクレイピング
- 課題
- これまで独自のロジックで顧客離反を予測していたが、その精度に欠けていた。
顧客の属性、契約関連、問い合わせ履歴など様々なデータを保有していたため、機械学習を活用して予測の精度を向上できないか悩んでいた。
- ソリューション
- お客様が保有しているデータの調査からスタート。お客様と密にコミュニケーションを取りながらデータの理解を深め、予測に利用できそうなデータ項目を洗い出した。その後、課題にマッチする予測アルゴリズムを選定し、説明変数やハイパーパラメータの調整を繰り返しながらシミュレーションを実施。最終的に機械学習モデルを構築し、予測精度の向上に貢献した。
