Recommended
More Related Content
Similar to SOINN社製品のご紹介
Similar to SOINN社製品のご紹介 (20)
More from SOINN
Recently uploaded
Recently uploaded (8)
SOINN社製品のご紹介
- 2. Copyright (C) SOINN Inc. All rights Reserved. 2 牽引車両（制御システム搭載） トレーラー （レーダー搭載） SOINN社 AIの 提供実績 コンパクト 大規模 チップ上で学習・推論する AI 個人向け AI 医療向け AI ドローン、ロボットの制御 省エネルギー インフラ点検 広域災害予測 国の支援で開発
- 3. Deep Learning SOINN® SOINN®は脳の側頭葉（記憶）をモデル化した AI （Deep Learning は後頭葉（視覚）のモデル化） SOINN® は重要な情報だけ覚え、 それ以外は効率よく「忘れる」 メカニズム
- 4. Deep Learning vs SOINN® 学習データが同条件なら、 精度は Deep と同等以上も
- 5. SOINN社の AI 開発方針 SOINN® を含むあらゆる選択肢から、最適な手法を選択して AI 構築 重点ポイント お客さまの手間を抑える 膨大なデータの整理やラベル付けは非常に面倒 コストを抑える AIの導入コストやランニングコストを抑えたい（ハード含む） AIの実態を把握できるようにする お客様は AI が何をどこまで学習し、どう稼働するのか事前に確認・理解して使いたい 必要に応じ微調整や再学習を手元で速やかに行いたい ➡ お客さまのデータとニーズに合った「道具」を使い分ける 無償トライアルで AI の機能・性能をご確認頂いた後、有償の議論へ Copyright (C) SOINN Inc. All rights Reserved. 5
- 6. SOINN 社 AI の主な学習・運用方式 ① 「データから勝手に学習」 データを投入するとエッジ側で自動学習 予測、異常検知、制御などのタスクに有用 ② 「人の教示を受け学習」 安全性や個別性など、人の指示をエッジ側で学習して稼働 プラント制御・医療といったエキスパートの模倣に有用 ③ 上記①, ②の併用 運用例 ⇒ 次ページ 要所を指導された新人が、経験からの学びも含めて成長する 過程に似ている 6
- 7. 少数のサンプルデータに 基づき、以後学習・成長 するようAI を初期調整 育成 お客様の閉じた環境 弊社にデータやAI開示の必要なし 設定後、納品 エッジ側でベテランの「教示」やデータ入力を受け、さらに学習・成長。 学習・成長した AI は、お客様の閉じたセキュリティ環境で管理可能。 新人のように 現場で仕事を覚え、機能する AI 顧客は「機密情報を秘匿できる」
- 8. エネルギー管理 AI E-1 エネルギーコスト削減、CO2排出削減、省エネに即効 Copyright (C) SOINN Inc. All rights Reserved. 8
- 9. 「省エネは AI 利用が常識」 の時代へ 大規模でもCPU１台分 （GPU不使用） の超省エネで対応 全自動運転で、初期設定後は全てE-1任せ 需要を先読みして対応（FF制御)することで高効率 常時自動学習でモデルを最適化し高精度を維持 Copyright (C) SOINN Inc. All rights Reserved. 9
- 10. CO2排出削減は喫緊の課題 10 • 「SOINN E-1」は CO2排出 ＆ エネルギーコスト削減に即効性ある、 ①低コスト、②簡単運用、③省エネ AIです。 • 市販PC (CPU) 1台分の演算量で、大規模地域冷暖房 (DHC), BEMS, FEMS, HEMS, ZEB, ZEF, ZEH等多彩な対象に適用できます。 • 計算が非常に軽く、家庭用PCやタブレットでも学習から稼働する ため、プライバシー保護やセキュリティの面でも安心です。 Copyright (C) SOINN Inc. All rights Reserved.
- 11. Copyright (C) SOINN Inc. All rights Reserved. 11 実装事例 BEMS （次ページ） 従来：大型施設や地域冷暖房の熱源システムでは、ベテランの設定値手動入力により、高効率運転を実現 課題：近年の省エネ化とともに導入されたインバータ制御により、熱源設備の設定が複雑化 最適値は気象条件と連動し変化 手動設定での対応が困難に 各ビルへ熱供給 熱供給プラント：冷凍機、冷却水ポンプ、ボイラー等 制御の複雑化 AI による運転最適化 システム全体の消費コストを 最小化する最適化モデル作成 制御担当者 コスト削減 課題 • 機器の発停順序 • 発停時刻 • 各機器の設定値 をベテランに頼るが限界 写真はイメージ
- 12. E-1 を構成する3つの AI の関係 12 本日 過去データ （予測 AI の学習に利用） リアルタイム 最適化AI （現在） 需要予測 AI 運転計画 AI （翌日以降） 過去 翌日以降 CO2排出削減に即効 都内数か所で大規模運用中
- 14. Copyright (C) SOINN Inc. All rights Reserved. 14 2022年3月2日 日本経済新聞電子版 皇居 東京駅 https://www.nikkei.com/article/DGXZRSP627573_S2A300C2000000/
- 15. 15 東京都政 課題解決 スタートアップピッチイベント UPGRADE with Tokyo 2022年11月22日開催 電力使用を「減らす」技術で優勝 東京ビッグサイト様（大規模展示場）への導入に向けて開発中 Tokyo Big Sight : https://www.bigsight.jp/english/ Copyright (C) SOINN Inc. All rights Reserved. イベント動画 https://www.youtube.com/watch?v=9QLn7SK5G- o&ab_channel=%E6%9D%B1%E4%BA%AC%E9%83%BD%E7%94%A3%E6%A5%AD%E5%8A%B4%E5%83%8D%E5%B1%80%E3%83%81%E3 %83%A3%E3%83%B3%E3%83%8D%E3%83%AB
- 16. 16 SOINN 省エネ AI の展開先例 SOINN E-1 ビル(BEMS) 工場(FEMS) 生産ライン 商業施設 エッジ/クラウドの環境を問わず様々な領域で提供可能 住宅 / マンション Copyright (C) SOINN Inc. All rights Reserved.
- 17. 異常検知・予知保全 AI A-1 Copyright (C) SOINN Inc. All rights Reserved. 17
- 18. Copyright (C) SOINN Inc. All rights Reserved. 18 A-1 導入前 故障発生後に急行！ いつ何が壊れるかわからず、 スペアパーツを大量に在庫 急な故障発生に即応 できる体制を常時確保 多大な人的、 物的コスト
- 19. Copyright (C) SOINN Inc. All rights Reserved. 19 A-1 導入後 (１) 1.監視対象が問題なく稼働している状態を 学習（正常学習からスタート） 2.上記 1 から外れた事象を逐次確認しつつ 学習成長 3.徐々に監視対象の「正常」を正確に学習 高精度に異常検知 4.学習済 A-1 は類似対象に転用できる
- 20. Copyright (C) SOINN Inc. All rights Reserved. 20 A-1 導入後 （２） エッジ運用 クラウド運用 5. 学習済 A-1 は、異常度が上昇し始めたタイミングで保守員に通知 ⇒ 保守員は計画的に在庫調整、保守点検を実施 6. A-1 は、機器や装置に組込みのエッジ運用のほか、クラウド（一括）運用 など、ニーズに合わせ、多様な運用が可能。 異常度が上昇 してきています OK
- 21. Copyright (C) SOINN Inc. All rights Reserved. 21 異 常 度 N日前※から 異常度が増加 機器の稼働パターン（ご指定により調整可能） 運用インタフェースの表示例 ※この事例では 10日～2週間前
- 22. Copyright (C) SOINN Inc. All rights Reserved. 22 異常度と、寄与度の上位4つの元データ 異常度が高い日時のピンポイント表示 各パラメータの異常度への寄与度 パラメータ 運用インタフェースの表示例
- 23. Copyright (C) SOINN Inc. All rights Reserved. 23 デスクトップPC* Raspberry pi 4** 学習時間(最適化なし) 4.2 秒 54秒 学習時間(最適化あり) 約130秒 約1,800秒 推論時間 10ミリ秒 20ミリ秒 * デスクトップPCスペック • CPU: Intel(R) Core(TM) i7-6700K CPU @ 4.00GHz • 4コア、8ロジカルプロセッサ、32 GBメモリ A-1 ポンプの予知保全タスクへの適用例 学習・テストデータの質と量 パラメータ数: 約40項目の実数値、整数値。 データの量: 時系列データを約1日分程度(約65,500行) 精度 24時間・リアルタイム監視のためベテラン保守員と同等以上 ** Raspberry pi 4スペック • CPU：1.5GHz クアッドコア Cortex-A72、4 GBメモリ
- 25. 予測 AI F-1 Copyright (C) SOINN Inc. All rights Reserved. 25
- 26. センシング データなど投入 予測AI 「F-1」 Copyright (C) SOINN Inc. All rights Reserved. 26 特徴 ・センサノイズ自動除去 ・モデルパラメータの自動調整 ・軽量学習(数秒〜10分程度) ・クラウド/エッジ問わない ・転移学習が可能。 予測したいデータや関連情報を入力し、将来予測を実施。 売上予測、熱需要予測、電力需要予測、価格予測など幅広いタスクでの活用が可能。 [活用シーン] • 商品の売上/販売数を予測。仕入れ/在庫管理に活用。 • コロナ対策で気象、店舗規模、人出などから将来の密状態を予測。 • 気象情報や過去の熱需要をもとに将来の熱需要を予測。効率的な熱源の運転計画に活用。 • 電力需要を予測。蓄電/売電の最適化に活用。 センサノイズ除去 パラメータ自動調整 学習 予測 クラウド/エッジ いずれでも運用可 監視PC SOINN AI データベース/ csvファイル 関連データ 予測結果 書込／読出 学習用 各種データ
- 27. 予測AI 「F-1」：災害対策への応用 Copyright (C) SOINN Inc. All rights Reserved. 27 ◆ ため池災害対策用の IoT 水位予測（クラウド運用） シンプル：センサノイズ自動除去、モデルパラメータの自動調整、軽量計算。 汎用 ：同種のため池（皿池同士・谷池同士など）に対して転移学習が可能。 IoTセンサから、ため池の現在の水位、降水量データをクラウドで受信。運用開始後2ヵ月程度で実運用レベル に到達。学習済みモデルを他の池に転用する場合は、設置時点から仮運用開始、自動追加学習で精度向上 。 IoT センサー 監視PC 仮想PC 水位予測 AI データベース 予測水位 学習時間： 一般なCPUで約10分 水位・降水量 データ蓄積 (学習時に使用) クラウド運用 センサノイズ除去 パラメータ自動調整 学習 水位予測
- 28. Copyright (C) SOINN Inc. All rights Reserved. 28 「人工知能」 はSOINN社 提供技術
- 29. Copyright (C) SOINN Inc. All rights Reserved. 29 応用例：集客予測、売上げ予測、食品ロス低減
- 30. 制御 AI C-1 Copyright (C) SOINN Inc. All rights Reserved. 30
- 31. SOINN® によるマルチモーダル・ロボット制御のイメージ マスタ スレーブ マスタを通じて、スイカを 切るお手本を見せるよ！ 入力と出力の対応関係を学習 ロボットが受けて いる力を AI へ 人間のお手本 動作 AI による操作 人の動作を簡単に再現 ロボットが受けて いる力を人へ 学習したから、力加 減の調整も含めて スイカが切れるよ！ SOINNによるロボット制御 SOINN 関連情報の入力を受け、 軽量マルチモーダル学習
- 32. 32 SOINN® によるマルチモーダル・ロボット制御（１） マスタ・スレーブ操作による学習 AI動作 人が操作して 学習させる 力覚と軌道を学習 教えたとおりに 円の内側をなぞる動作が可能 教えたとおりに 床と壁に沿う動作が可能 人の感覚的な入力動作で、複雑な挙動のロボットへの教示が可能 倣い動作 軌道指定動作 力覚と軌道を学習 学習は CPUで 約3秒。
- 34. Copyright (C) SOINN Inc. All rights Reserved. 34 さらにSOINN社は「転移学習」の特許を日米で保有
- 35. Copyright (C) SOINN Inc. All rights Reserved. 35 バッターは、バットの振り方を学習している。 素振りをすることで、速やかに個々のバットにあわせたスイングができる。 このとき、バッターは無意識に、自分の持っている基本的なスイングを個々の バットにあわせたスイングに「転移」している（この場合は自己転移）。 同義の機能をロボットに実装し、ロボットの汎用性を飛躍的に向上させる。 「転移」をロボット間にも拡げ、学習済みロボットに他のロボットを教示させる。 ロボットが ロボットに 教える時代へ 同義を実装 ロボット間転移 に拡張
- 36. Copyright (C) SOINN Inc. All rights Reserved. 36 SOINN® による力触覚マルチモーダル転移 一連の力触覚動作を 学習したSOINN® 転移後ネットワーク 転移元の ある動作 A A に対応する転移 先での動作 A’ A と A’ を合致させるよう SOINN® を変形・回転。 約１秒で転移が完了。 力触覚空間
- 37. 画像認識・検査AI Switch Vision® Copyright (C) SOINN Inc. All rights Reserved. 37
- 38. ２種類の学習・運用形式 1. 良品学習 100～200枚程度の良品画像のみ利用 どこを、なぜ不良にしたのか確認可能 ノート PC でも運用可能（クラウド・GPU不使用）、超軽量演算 ３次元対象や、食品などにも幅広く対応 2. 教師あり学習 良品、不良１、不良２などラベル付き画像を利用 AI の可視化・調整機能と通信機能を標準装備 各クラス100～200枚程度の画像から高精度に到達 ノートPC でも運用可能（クラウド・GPU不使用） Copyright (C) SOINN Inc. All rights Reserved. 38
- 39. Switch Vision® 適用事例 1. 良品学習 ペットボトルの外観検査 Deep Learning 系 AI では手間がかかりすぎると判断された 10万円程度の PC で数十秒で学習、推論は 50 msec 程度 OK/NG 識別、不良個所ヒートマップ表示、不良の理由を提示 2. 教師あり学習 食品パック工場の外観検査 従来、数万枚のラベル付き画像を Deep Learning で10時間以上かけ学習 数百枚の OK/NG 画像を ノートPC で学習させ Deep 相当の性能に到達 AI の可視化・調整機能でベテランの知見を統合学習、品質保証も Copyright (C) SOINN Inc. All rights Reserved. 39
- 40. １．良品画像 Copyright (C) SOINN Inc. All rights Reserved. 40
- 41. Copyright (C) SOINN Inc. All rights Reserved. 41 良品学習アプリ 学習画面 運用例 学習用 良品画像一覧 必要に応じ、トリミングと 背景除去が可能
- 42. Copyright (C) SOINN Inc. All rights Reserved. 42 良品学習アプリ 予測画面 運用例 ワッシャ上のキズや 汚れに反応し、 ヒートマップ表示 テスト画像一覧 キズや打痕、 汚れを検出
- 43. Copyright (C) SOINN Inc. All rights Reserved. 43 良品学習アプリ 予測画面 運用例 ワッシャ上のキズや 汚れに反応し、 ヒートマップ表示 正常と異なれば検出するので、 「異常」の面積や形状に左右されない
- 44. 「良品学習」 による異常検例 （ベルコン上のワッシャ） ・ キズの個所も表示可能 （この例では学習用OK画像は約50枚。学習時間 CPU で数十秒。） 2023/8/15 Copyright (C) SOINN Inc. All rights Reserved. 44
- 45. ２．教師あり学習 多クラス分類 Copyright (C) SOINN Inc. All rights Reserved. 45
- 46. 事例で解説 ● Fashion MNSIT データベースを用いて説明 ● この中の Ankle boot, Sandal, Sneaker の3サンプル ● （各1000個：学習800, テスト200）を利用 Copyright (C) SOINN Inc. All rights Reserved. 46
- 47. 47 学習中 各クラスの学習サンプル：800枚 3クラス合計 2400枚のとき デスクトップ Core i7 で約８分で学習
- 48. Copyright (C) SOINN Inc. All rights Reserved. 48 データの全体像を 3D で俯瞰的に確認。 SV には 3D 表示機能が標準装備されている。 学習サンプルをフォルダ入れ「学習実行」 ボタンを押すと、右図のような3Dプロット が自動的に表示される。 Fashion MNIST 青：Sandal 緑：Sneaker 赤：Ankle boot ドットは個々の画像に対応。 ドットをクリックすると対応画像が表示される
- 51. 51 Switch Vision の通信I/F について 現在 SV がご提供できる通信・運用形態は、以下の２通りとなっ ております。 ① SV に接続されたカメラで撮影・推論 • SV に撮影トリガーを送信 • SV は画像を撮影し推論結果を返信 ② SV は推論のみ実行 • SV に他のカメラで撮影した画像を送信 • SV は受信画像を解析し推論結果を返信
- 52. Switch Vision GigE カメラ（Basler社製） USB カメラ 対応カメラ拡充予定 産業用機器 PLC等 User Program ・HTTP ・Socket（近日対応予定） SV に他のアプリで撮影した画像を送信 SV は受信画像の推論結果を返信 サンプルプログラム提供可能 Switch Vision に接続可能なカメラ Switch Vision 通信I/F概略図 ・EtherNet/IP ・ HTTP ・Socket（近日対応予定） SV に撮影トリガーを送信 SV は画像を撮影し推論結果を返信 サンプルプログラム提供可能 他のアプリに接続されたカメラ 画像の撮影・推論 ① ②
- 54. Copyright (C) SOINN Inc. All rights Reserved.