人工知能（AI）・機械学習ソリューション

基本情報

　運用の形態については、オンプレミスでの運用からクラウド上での運用まで、さまざまなものがあります。 ・手法：統計、機械学習、深層学習 ・運用：オンプレミス、クラウド ・学習方法：学習済みを利用、学習から始める ・データ：公開データ、社内データ 　そこで、お客様の目的や目標にあったものを選択する必要があります。例えば、あるシリーズ商品の売上を左右する要素について分析し、今後の商品開発に役立てたいという目的をお持ちの場合には、必ずしもクラウド上で深層学習を利用する必要はなく、オンプレミスで重回帰という統計の手法とBIツールがあれば十分目標を達成することができるかもしれません。 　目的によって効率の良い手法や形態は変わってきますので、お客様にあったものを選ぶことが重要です。

価格帯

納期

用途／実績例

　ここでは、少し変わった課題の解決実績例をご紹介します。 　上の図は、工場で部品のピッキングを行う動線を、機械学習を利用して最適化したものです。ピッキング作業は、熟練者が行う場合には、自ずと最短ルートでピッキングを行っていると思いますが、慣れていない作業者が行うと、最短ルートの順番で回ることができず、効率が落ちてしまいます。このシステムでは、慣れていない人でも、熟練者並みの順番で回ることができるため、作業者による効率のバラツキを防ぐことができます。 　いわゆる巡回サラリーマン問題ですが、機械学習を利用することにより、最適解を現実的な時間で求めることができます。

詳細情報

• 

  IoT、ビッグデータとの関係 　IoTなどのセンサーデータや企業活動データは、ビッグデータとして蓄えられ、データを分析して課題の原因追究、対策立案、予測を立てて商品開発に役立てるといった企業目的のために使われます。データは、AI・機械学習の学習データなどに利用されます。この結果は、下図にあるように、企業が持つ課題の解決や目的の達成のために赤い矢印のようにフィードバックして初めて有効に使われたことになります。

• 

  データ活用 　企業データのように、公開されていないデータは、そもそもデータを集めるところから始めなければなりません。このデータの取得と活用をまとめた図を下記に示します。 　データが各個人のExcelに格納されている状況からデータベースに格納されることで共有化が可能となり、統計、AI・機械学習を使用したデータの利活用が可能となります。 　弊社では、この4つの段階を積極的に支援いたします。

• 

  課題解決プロセス 　弊社では課題解決プロセスを以下の様に3工程で定義しています。ヒアリングについては費用は発生しませんが、それ以降の工程については費用が発生します。

• 

  良くある質問について 　人工知能、機械学習、深層学習及びその英語表記がどう違うのか疑問を持たれている方が多いと思います。それぞれの関係を図示すると、以下のようになります。