Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

10:12 lt1 skydisc

64 views

Published on

2018/10/12に行われた「世界の最新AI動向を知る!AIカンファレンス」でのLT資料です。

Published in: Technology
  • Be the first to comment

  • Be the first to like this

10:12 lt1 skydisc

  1. 1. SKYDISCのAI基盤(SkyAI)の製造業現 場導入事例について 平成30年10月
  2. 2. 取締役兼 最高技術責任者(CTO) 伊藤 俊介 1974年大分生まれ。 1997年福岡工業大学情報工学 部卒業。 SI企業で製造、金融、物流等のシステム開 発に従事。 その後、システム開発会社を起業。 AI による時系列データ分析を用いたトレーディングシ ステムを開発し金融事業に応用。 AIによる時系列 データ分析のノウハウを元にコアメンバーと共に SKYDISCを起業。 2 【自己紹介】
  3. 3. 社名 株式会社スカイディスク 拠点 福岡(本社)、東京、大阪、名古屋 ベトナム ダナン、ハノイ、ホーチミン 従業員数 44名(2018年9月現在) 資本金 8億6,700万円(資本準備金を含む) 代表者 代表取締役 橋本 司 創業 2013年10月1日 事業内容 AI×IoTサービスの提供 - スマートファクトリー 化推進サポート - 自社パッケージの提供 3 株式会社スカイディスク 会社概要
  4. 4. 4 スカイディスクのミッション データ化されていない事象のデータ化 集まったデータを分析してサービス化 AI×IoTで 人々の生活を豊かにする
  5. 5. 5 事業領域① スマートファクトリー化推進サポート 工場 製品 Smart Factory Smart Machine 工場での製品製造から、実際の製品に対する付加価値付与まで、全領域に対してビジネスを展開しています。 また、AI/IoTを搭載した製品の共同開発もしております。 材料 加工・製造 検査 ・材料の品質分析 ・不良品発生要因分析 ・歩留まり率向上 ・機器の稼働最適化 ・画像検品 ・音による検品 新製品 ・AI/IoTを搭載した製品 ・可動性のUP ・コスト低減 浄水処理 排水処理・水質データの解析 ・最適な逆洗タイミングの予測 ・水質調整 工場機器のメンテナンス ・音/振動による異常診断 ・PLCデータ監視による故障予測
  6. 6. スマートフォンのマイク機能で音を拾い、AI搭載済みのアプリが機械の異常診断をする アプリケーションサービスです。 事業領域② 自社パッケージ スマート聴診棒 できること 機器の診断 必要なもの 軸受けや歯車の音の録音データ 異常時の音データ(異常の原因判定が必要な場合) 対応OS Android 5.0 以上 6 スマホのアプリで 音を録音 AIで処理しやすい データに変換 AI学習モデルを 作成する 正常/異常の判定 異常の場合は 詳細判定 ベアリング 異常
  7. 7. 「SkyAI」について
  8. 8. SkyAI SKYDISC ライブラリ 分野別AI学習モデル SkyAIとは、IoTセンサデバイス等で収集した時系列データから、正常異常などの判定結果をAPIで提供するサー ビスです。 時系列データからAI用のデータを整形、解析するために最適なSkydiscライブラリと、学習分野別AI学習モデル を保有しているので、精度の高い判定結果をご提供できます。 (スカディスクのクラウド、またはお客様のローカルな環境(オンプレミス)でも作成が可能) また、ご希望のお客様には、 弊社が作成したAI学習モデルに対し、お客様ご自身により、閾値を変更することが 可能なAPIを提供します。 8 SkyAI(スカイエーアイ)とは 保全モデル 歩留まり向上 モデル データ整形 ツール オープンソース AIフレームワーク 歯車 ベアリング 設備機器 制御装置 セ ン シ ン グ デ ー タ 画像検品 モデル ・・・ ・・・ Input 判 定 結 果 Output 解析 モジュール API ・閾値設定
  9. 9. 9 取り組み事例 電力会社 電子部品工場 自動車部品メーカー プラントエンジニアリングプラントエンジニアリング 検品 生産性向上 生産性向上 生産性向上 多様な製造現場の多様な課題に応じて最適な解決策を提案可能です。 保全
  10. 10. 課題 設備機器の巡視点検の際、聴診棒を使い異常点検を行っていた。 しかし、技術者の高齢化が進んでおり、技術伝承に不安を覚えていた。 10 取り組み事例① 保全モデル サマリ 解決策 Before • 熟練の技術者しか点検業務ができなかった • 故障の原因まで特定することができなかった After • アルバイトでも95%の精度で 故障予知が可能に! • 故障の詳細まで特定できるようになった! 異常状態を再現できる機械を使い、正常時だけでなく異常時の音と振動の時系列データ を取得、解析。さらにシミュレーションによって異常データを作り出すことで、機械で は再現不可能な異常状態も検知できるモデルを構築した。 設備機器の故障予知 大手電力会社様
  11. 11. 聴診棒による巡視点検での結果がデータ化されていなかったため、センサーを設置し設 備機器のデータを収集する必要があった。 軸受異音体験装置という特定の故障状態※を再現できる機械に振動センサーを設置し、 波形データからAutoEncoderで学習モデルを作成した。 ※ベアリングに傷、油切れ、ミスアライメント等 11 取り組み事例① 保全モデル 詳細 TEST01 加速度(振動) TEST01 本体
  12. 12. 課題 地下水の浄水作業のなかで、地下水をろ過するためのフィルター「ろ 材」を洗浄するための「逆洗」という仕組みがある。しかし、この 「逆洗」は1日1度決まった時間に実施されており、タイミングが最適 化されていなかった。 12 取り組み事例② 歩留まり改善モデル サマリ 解決策 Before • 一定時間ごとに「逆洗」をしていたので、汚れ を落とす必要がない時にも無駄に水が使われて いた。 After • 浄水・廃水設備負荷の低減および下水道 料金の低減を実現。 水処理(浄水)時の逆洗タイミング予測改善 中島工業様 センサで取得していた水の水質データを解析し、最適 な「逆洗」のタイミングを予測。逆洗制御システムに フィードバックをした。
  13. 13. 13 取り組み事例② 歩留まり改善モデル 詳細 逆洗モデル(浄水の水量アップ) 逆洗とは、フィルターに溜まった汚れを洗浄することを言います。 上流から下流への流れを一時的に逆に流すことで、逆洗を行います。 勾配ブースティング回帰で水量を予測することによって、1日に1回行っていた逆洗を3日 に1回にし、浄水の水量を増やします。 10月から人とAIの平行可動を行っており、11月からAIによる自動運転を行う予定。

×