SOINN社事業のご紹介

1. あらゆる”モノ”に考える力を。
SOINN社事業のご紹介
2020年夏版 (Ver.1.1)
https://soinn.com

2. 2020/6/4 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社のカバー領域コンパクト 大規模
チップ上で学習・推論する AI
個人向け AI
ドローン、ロボットの制御
大規模プラント制御
インフラ点検
広域災害予測

3. Deep Learning vs SOINN社 AI

4. SOINN社 AI の特長（１）
クラウドはもとより、現場のPCでも学習・運用可能
現場でのOJTを通じて（半）自動で成長
現場で「何がどこまでできるか」を確認・微調整しながら
運用可能
現場で再調整や追加学習が可能

5. SOINN社 AI の特長（２）
投入可能なデータに限定なし （テキスト、画像、地図、天
気、時系列、センサ、制御信号、外部情報 etc.）
当社へのデータ開示は必須ではなく、「学習済AIモデル」
はお客さまの管理下に置けます。
何を学習させ、どう使うかは、お客様のアイディア次第！
当社技術は、どちら様にもご提供いたします。
必要に応じて、カスタマイズ後のご提供も可能です。

6. 現場で「育てる」 AI の運用例
弊社納品時
お客様社内
PCごと納入
ライセンス運用開始

7. ・ ベテラン運転員の操作を学習・実行
・ 操作スキルの外部流出なし

8. 2017/6/5 物理探査学会第136回学術講演会 8
地中レーダによる
路面下空洞探査
安全確保のため
ベテランの知見を学習
極めて高い要求精度
学習画像400枚強
牽引車両（制御システム搭載）
ト レーラ ー
（ レーダー搭載）

9. 2017/6/5
物理探査学会
第136回学術講演会
9
検出
検出例

10. 2020/6/4 Copyright (C) SOINN Inc. All rights Reserved.
熊谷組様 （複数重機の自動運転）
安全を確保しつつ、管理オペレータ数を削減。

11. 11
公開気象データと併せて
自動学習・自動運転
エネルギー需要予測
インテリジェントBEMS

12. ・ フィナンシャル・プランナーの知見を学習
・スマホアプリ上でユーザにあわせ自動運用
・ オンプレ運用、データの外部流出なし

13. セブン銀行様 トライアル（ATM 22,000台，5年分）
 市販PC の CPU のみで2時間強で学習
 追加学習は3分
台数 1台
CPU Intel Core i7-6700 3.4GHz（論理８コア）
メモリ 32GB RAM
ディスク 3TB ハードディスク(USB3.0接続）
処理時間（分）
１日分の追加学習処理 3
９０日分の予測処理 10
計 13

14. さらに、オープンデータ（地図、天気、人口 etc.）との連動も可能
公開地図画像の
自動収集機能
地図画像の
取り込み機能
地図のメッシュ
分割機能
画像中の施設
アイコン探索機能
メッシュごとの
需要描画機能
需要可視化ツール
公開統計データ
取込機能
地図のメッシュ
との紐付機能
需要の統合学習機能
影響が大きいものを追加
空港 キャンプ場
昼間人口
メッシュ
公開統計データ
出力データ
施設情報と統計データの情報を総合した
需要を描画
（地図上にあるものは何でも可）
入力データ
顧客の既存店舗
売上データ等

15. 例：
人 ⇒ ロボット ⇔ ロボット
の動作スキル転移
Skill
refinement
Unrefined
skill
Direct human
transfer
Direct human
transfer
Skill
refinement
学習済み AI を使いまわす
「転移学習」技術を確立
日本、米国、欧州で
特許取得

16. プライバシー ファースト
“AI パーソナルコンシェルジュ” by SOINN®.

17. スマホで育てる、自分専用 AI。
 スマホのプライバシー情報から、スマホの中で、学習・成長。
 プログラム不要で、誰でも利用可。
 自分に代わって情報収集や機器操作。

18. “FEMS” powered by SOINN®
大規模プラント
エネルギー需要予測実績例

19. 学習・推論方針
1. 工場全体、設備ごと のエネルギー需要を同時予測
2. 季節と昼夜の変化への対応
3. 生産品の変化によるエネルギー需要変化への追随
（追加学習）
4. ノイズに対する耐性
上記のすべてを、単一の学習モデルで対応
この事例では、説明変数は約50
（説明変数が約2000個の処理実績あり）
19

20. 20
「オンライン学習」
予測・評価
セルフチューニング
A工場
実測・計測データ
常時投入
SOINNの予測データ
予測モデル
FEMS by SOINN® 運用概念図
※

21. ※常時オンライン学習
 常時、予測誤差最小を目指して学習し続ける構成を選択可
 すなわち、ノイズ、処理の不安定要素などを含めた「誤差」が
最小になるよう、パラメータをセルフチューニング
 学習済のモデルは容易にバックアップ可
 複数の学習済モデルのアンサンブルなど、将来の発展の可
能性あり
21

22. 22
モデルの「成長」イメージ：様々な条件下での経験が蓄積される
年末・年始
梅雨稼働
夏稼働
閑散期
低稼働
追加された
新データ
冬稼働
繁忙期
最大稼働
A工場データ

23. 23
学習済みモデルの転移運用 概念図
B工場
部分的に調整・更新し
初期モデルとして転用
さらにB工場のデータで学習

24. 2020/6/4 Copyright (C) SOINN Inc. All rights Reserved.
当社技術を、ぜひご活用ください。
お問い合わせ、ご相談は無料です。
本資料の詳細や、お費用面もご説明致します。
ご連絡をお待ちしております。
contact@soinn.com
https://soinn.com

25. 2020/6/4 Copyright (C) SOINN Inc. All rights Reserved.