AI
AI (人工知能)
製造現場にAIソリューションを
ご提案します
Independent of manufacturer
We offer machine vision.
We offer machine vision.
AIの進化と技術発展は、近年特に目覚ましいものがあります。
製造現場においても、人やルールベースによる従来の工程管理だけでなく、
生産工程や検査工程へのAIの導入が進んでいます。
私たちはAIの導入にあたって、PoC（概念実証）から運用保守までサポートします。
- Machine learning / deep learning
マシンラーニングとディープラーニング
マシンラーニング
- 基本概念 : マシンラーニングは、コンピュータがデータから学習して、特定のタスクを自動で行えるようにする一連の手法です。
- 学習方法 : データとアルゴリズムを用いて、モデルを訓練します。
- 用途：分類、回帰、クラスタリングなど、多様な問題に適応可能です。
- 特徴：手動で特徴量を設計する場合が多いです。
ディープラーニング
- 基本概念 : ディープラーニングは、マシンラーニングの一分野であり、人間の脳のようなニューラルネットワークを模倣しています。
- 学習方法 : 多層のニューラルネットワークを用いて、データから自動で特徴量を抽出します。
- 用途：画像認識、自然言語処理、強化学習など、複雑な問題に特に有用です。
- 特徴：自動で特徴量を学習するため、手動での特徴量設計が不要です。
主な違い
- 階層性 : ディープラーニングは多層のネットワークを用いるため、より複雑な特徴を捉えられます。
- 特徴量の自動抽出 : ディープラーニングは特徴量を自動で抽出するのに対し、マシンラーニングは多くの場合、手動で特徴量を設計する必要があります。
- 計算負荷：ディープラーニングは多層のネットワークと大量のデータが必要なため、計算負荷が高いです。
- ディープラーニングはマシンラーニングの「進化版」であり、より複雑な問題に対処できるように設計されています。しかし、それには高い計算負荷と大量のデータが必要です。
"AIで可能になるテクスチャ・形状の検査
従来の画像処理では、うどんの中の髪の毛など、ランダムな形状であったり、テクスチャや形状が似ているものを区別することが非常に困難でした。
AIを使用することで、これまでできなかった検査が可能になります。
（赤いオーバーレイがある画像が検出した領域のイメージです)
AIを使用することで、これまでできなかった検査が可能になります。
（赤いオーバーレイがある画像が検出した領域のイメージです)
表面状態分類
- 画像をタップして拡大
ワークの表面状態をモデル化して分類
サンプル画像の表面状態をクラス分けしたフォルダより学習を行い、AIモデルを作成します。
がん細胞自動抽出
- 画像をタップして拡大
数千万の細胞中からがん細胞を自動抽出
シグナル強度やサイズに関わらず、がん細胞が混在している画像を認識して自動抽出します。
- Edge computing system
エッジコンピューテイングシステムのご提案
エッジコンピュータにAIを実装した、AIユニットをご提供しています。
PLCと連携させることで、PLCに集約されている温度、圧力などのデータを使用したAI処理を実現します。
AIを制御盤内で利用できるユニットにすることで、運用時に推論用のPCが不要となるほか、クラウドAIと比べてリアルタイム性やセキュリティの面で優れています。
画像処理（２次元データ）
- 画像をタップして拡大
画像判定するAI モデルをエッジコンピュータに実装し判定結果をPLCへ出力します。
トレンド予測（１次元データ）
- 画像をタップして拡大
センサーからの過去データより、今後のトレンドを推論し、予測結果をPLC へ出力します。
- Flow of system construction
システム構築の流れ
事前検討
- 自動化に関するニーズをまとめる。
- 予算規模を勘案しながら概算見積を立て、投資回収の目安を検討する。
- 成果物の例：要求仕様書 / 構想イメージ図 / 概算見積書
企画構想
- 現状の作業工程における課題を抽出し、その原因を分析する。
- 整理した課題の解決手段を検討し、ロボットシステム全体を構想する。
- システム構築の実施計画を作成する。
- 成果物の例：現状分析資料 / 全体構想図 / 実施計画書
仕様定義
- 実施計画に基づき、達成手段や実現方法を要求仕様として定義する。
- システム全体と処理の流れを決定し、信頼性・利用性・保守性・復旧性の観点から精査する。
- 成果物の例：仕様定義書 / システムフロー図 / プロジェクト計画書
設計 ( 基本・詳細 )
- 具体的なロボットシステムの方式や詳細の設計を行い、運用と能力の妥当性を検証する。
- リスクアセスメントを行い、安全性確保に関する方針を策定する。
- 成果物の例：全体レイアウト図 / 図面一式 / 納入前テスト計画書 / 残留リスク報告書
製造・納入前テスト
- 設計に基づきロボットシステムの製造やプログラミングを行う。
- 実稼動環境への据付けや調整を行い、内部テストを経て、総合確認を行う。
- 成果物の例：ロボット・自動機一式 / プログラム一式 / 完成図書 / 操作マニュアル
本稼働開始
製造・納入前テスト
- ロボットシステム稼動後も定期点検を行い、不具合があれば修正する。
- ロボットシステムの障害発生時に復旧支援を行う。
- 成果物の例：作業報告書
