AIサービス開発

現場で使えるAIを

Avintonではお客様に「現場で使えるAI」、即ち本番環境でも通用するAIソリューションを提供する事を念頭に置いています。こちらのブログ記事にも記載の通り、お客様のDX（デジタルトランスフォーメーション）推進のために、実証実験のPoCで終わらない、商用環境へのAI導入を見据えたサービスを提供しています。

既に製造、通信、金融や鉄道業といった幅広い業界向けに、機械学習・深層学習・ニューラルネットワーク・画像解析・音声解析・文字認識といった技術を用いたプロジェクトの実績があります。

当社はAIコンサルティング、データのアノテーション（ラベル付け）からモデルの学習、既存システムへのAIモデルのの組み込みまでを一貫して行っております。まずは当社のAIコンサルタントまでお気軽にお問い合わせ下さい。

コンサルティングからAIシステム導入までを支援

コンサルティング

お客様のサンプルデータやプロジェクト要件をもとに、ユースケースの定義を行います。技術的実現性が不透明な場合には、PoCを実施する可能性があります。納品形態が現場環境への導入の場合は、現場訪問の調整も可能です。また、この段階でプロジェクトの全体タイムラインを策定します。

学習データの収集

AIモデルを学習するためのデータを収集します。既存データが存在しない場合は、ユースケースの要件に沿った当社のガイドラインをもとに新規データを収集して頂きます。新規データの取得が困難のケースにおきましては、データの拡張を検討する必要があるため別途ご相談下さい。

学習データのラベル付け

収集したデータにラベル情報を付与します。異常検知等のプロジェクトではドメイン知識（高度な専門知識）が求められるケースが多く、そのため当社よりラベル付けのガイドラインを共有します。また、案件次第ではデータのラベル付けを追加要件として当社にて行う事も可能です。

AIモデルの学習

ラベル付けしたデータを用いてAIモデルの学習を実施します。学習に伴う全てのプロセスはAI・ビッグデータの処理に求められる最新技術を備えたAvintonの環境で行われます。同一のデータセットより複数のアルゴリズムとハイパーパラメータの組み合わせを用いて並列学習を行う事により、複数のAIモデルより最適のものを選択する事が出来ます。

AIモデルの導入

検証済みのAIモデルを本番環境へ導入します。例えばエッジAIカメラの場合、AIモデルは動画より画像データを収集する光学デバイスに接続されたナノコンピューターに実装されます。要件がモバイルアプリの場合は、OSに応じてAIモデルの最適化を行った上でモバイル端末への実装を行います。

事例紹介

数千枚の半導体ICチップより欠陥品を検知

半導体ウェーハには一枚あたり約3千枚の微小なICチップが埋め込まれております。当社は、ICチップ内の欠陥を検知するためのAIソリューションを開発しました。。僅か数秒もの間にウェーハ全体の画像を読み込み、これまでの人間の目による検品では検出不可能であった非常に小さい欠陥ー傷、すれ、色むらをも発見できるようになりました。

従来は作業員が専用の顕微鏡を用いて行っていたプロセスを当社のソリューションと置き換える事により、検品作業に費やされる時間の大幅の短縮とヒューマンエラー防止を達成しました。お客様が数千枚ものラベル付けされた画像データを準備する事が出来たのも、プロジェクト成功の一つの要因でした。

本ソリューションの活用により、製造コストの削減・品質の向上・業務の効率化を実現する事が出来ました。

製造現場における作業員の安全確保

製造現場には設備管理や作業員の注意を徹底していたとしても、事故が発生してしまう危険が潜んでいます。AvintonではAI画像解析技術を用いて、包装製品や高機能素材を製造する企業向けに安全確保兼リアルタイムアラート通知ソリューションを提供しました。

カメラに繋がれた小型パソコンに作業員の身体部分を検知する学習済みAIモデルを搭載し、現場環境に複数台のＡＩカメラソリューションを構築納品しました。これらのデバイスは大型産業機器等の危険エリアへの身体部分の侵入を即座に検知し、その場で対応ができるような仕組みづくりを実現する事により、より作業員の方が安全に作業できるような環境づくりに寄与しました。

製造現場の工具管理をAI画像解析で実現

数多くの工具を取り扱う製造現場では、工具部屋等の特定箇所を用いて工具を管理します。工具の現場での置き忘れは重要災害を引き起こす原因となり得るため、工具の追従性が目的となります。従来の方法では、作業員による目視確認が一般的です。

AvintonではAI画像解析により工具の種類や数を検知し、既存の工具管理ワークフローと適合したモバイルアプリを開発し、国内の大手鉄道会社のデジタルトランスフォーメーションを推進しました。物体検知のモデルは工具の増減や特定の種類に対応すべく、再学習が可能です。

従来のマニュアル手法の置き換えにより、ワークフローの自動化とヒューマンエラーの防止を達成しました。

鉄骨の大型構造物の設備不良を物体検知で検出

鉄骨の大型構造物は時間の経過に伴い錆や結合箇所の緩みといった不良が発生し、災害リスクや操業性の低下に繋がります。これらの不良を全て目視確認で検出する事は非常に時間とコストの掛かる作業となります。

当社では、現場より撮影された動画または画像データより物体検知を用いて不良を検出するためのAIモデルを開発しました。作業員はマニュアル点検のために現場に留まる必要がなくなり、大幅な操業コストの抑制を実現しました。

AI×データ分析による産業用ボイラーの故障予測

ボイラー設備より収集した時系列データより通常稼働や故障の履歴を分析し、事前に故障を予測した上でレポート発行までを実現する仕組みを構築しました。

従来の統計手法や最新の機械学習アプローチ等を幅広く駆使する事により、高い精度でボイラーの故障を予測する事に成功しました。これにより、人によるマニュアル監視の必要がなくなり、操業コストを大幅に下げる事が出来ました。

AvintonのAIやデータ分析における知見とクライアントのドメイン知識を組み合わせる事により、ソリューションの実現に至りました。

物体検出とデータ分析による農業収量のモニタリングと予測

風、霜、暑さ – 環境への影響は、農家の方々にとって大きなリスクです。収穫量の減少は、経済に大きな脅威をもたらします。 IoTデバイスが「スマート農業」を実現させることができるようになりました – カメラやセンサーを搭載して果樹園、田んぼ、茶畑などの情報を収集できる、汎用性が高くカスタマイズ可能なデバイスです。

AI モデルを既に利用可能なデータ (過去の気象や作物の収穫量など) でトレーニングし、新しく収集したセンサーデータと照らし合わせることで、成長率と収穫量に関する予測を生成できます。このようなAI、IoTソリューションを上手く活用することで、農家や大規模な農業オーナーは、人件費や手間、肥料の使用量を削減できると同時に、作物の収量を増やし、食料自給率を高めるという国の目標に貢献することができるかもしれません。

デモアプリケーションをお試しください。リンゴの木の画像をアップロードするだけで、AI が果物を自動検出してカウントします。こちらのデモンストレーションは、豊作のカウントの自動化・効率化を想定して開発されました。

Avintonの強み

Avintonはその創業以来、ビッグデータを多く扱う移動体通信の分野を中心に数多くのデータ関連プロジェクトを支援してきました。現行プロジェクトの半数以上は、お客様のデジタルトランスフォーメーション（DX)を目的としたAI導入やビッグデータ活用です。こちらのブログ記事では、企業にとってのデジタルトランスフォーメーションの重要性についてより詳しく記載しています。

開発は外部に委託せず、全て自社内で行っております。社内には幅広い年齢・国籍のエンジニアが多数在籍しており、あらゆる分野のエキスパートとして活躍しています。そのため、お客様の変化しつづける要望に柔軟に対応することが可能になっています。

AIサービス開発支援プロジェクトのメンバー構成は、要件定義プロジェクト管理を担当するAIコンサルタント、AIモデルの学習を行うAIエンジニア、そしてAIモデルを現場に導入するハードウェア・組み込みエンジニア等のメンバー構成となります。