機械学習（マシンラーニング）

現場のデータを活用！機械学習で最適解を模索する Neural Designer

プログラミングが必要ないAIソフトです。専門的な知識を持たなくても利用できます。GUIが用意されており、マウスを用いた簡単操作で扱うことが可能です。予測モデルを作成することで、シミュレーションの効率化や、装置の設定条件最適化を図れます。

【プロセスの最適化】
産業分野やエンジニアリング分野において、プロセスの改善は常に大きな課題です。その課題に対して機械学習が適用された事例は数多く存在します。多くの情報がシステム・プロセスから収集され、プロセスの最適化に活かされてきました。

収集されたデータセットに基づいてモデルを作成し、そのモデルを活用して最適な動作条件を探します。シミュレーションを通じて制御変数を調節することで効率を向上。最適解の模索を機械学習の力で高速化し、生産性向上を実現します。

【品質改善】
設計に基づいた、製品の品質予測に機械学習が役立ちます。シミュレーションによって設計を調節することで、品質改善を目指すことが可能です。

機械学習を用いることで、ニューラルネットワークにより製品の品質を数理モデル化します。物理・化学的性質に基づいてワインにおける好みをモデル化したり、コンクリートの圧縮強度をモデル化したりと、幅広く応用されています。

【予知保全のコストカット】
予知保全を行えば機器の故障を未然に防げます。しかし、タイミングを見誤ると余計な人件費がかかったり、思わぬタイミングで故障が発生したりします。機械学習を用いて機器の状態を調べれば、最適なタイミングで予知保全を行えるようになります。

具体的には、過去の動作記録や故障の測定データに基づき、機器の故障を数理モデル化することで分析します。ニューラルネットワークを使うことで、与えた条件における機器の正常動作をモデル化。異常動作を検出できるようになります。

Neural Designerは、以下のような課題の解決に用いられてきました。

◇騒音の予測
飛行機の翼が発生させる騒音の予測に使われた事例があります。翼の形状や空気の流速と、騒音の間にある関係性を機械に学習させます。そして、設計段階で重要な、翼まわりに発生する乱流がもたらす騒音の予測を行いました。どの程度の騒音が予測するのか、設計の段階で把握できます。

◇自動車が排出する二酸化炭素量の予測
二酸化炭素の排出量は、車種やトランスミッション形式、排気量といった特性によって左右されます。また、街中や高速道路における燃料の消費量と、二酸化炭素排出量の間にも関係があるため、これらを機会に学習させます。結果として、走行距離に対する二酸化炭素排出量を事前に予測できるようになりました。

◇コンクリートの強度測定
コンクリートに含まれる成分と、圧縮強度との関係を学習させることで、どのような組成のコンクリートがどのくらいの強度を持つのか、事前に予測できるようになりました。実際にコンクリートを用いて実験をする必要がなくなり、効果的な設計が実現しました。

◇アルコールの分類
アルコールの種類を推定できるようになった事例があります。気体の種類・濃度によって左右される周波数を出力するセンサーのデータを学習させ、センサーの測定結果からアルコールを分類できるようになりました。

◇風力発電量のモデリング
風力発電はほかの発電方法と比べて発電量を予測しづらい傾向にあります。しかし、機械学習を用いることで現実的な予測値を得ることが可能です。実測値に基づいて風速と発電量の間にある関係を学習させることで、予測できるようになりました。