　「NEC DX Factory共創スペース」では、NECの物体指紋認証技術による個体認証技術や音声認識技術、RAPID機械学習技術や異種混合学習技術などのAI技術などさまざまな技術を投入し、ロボットを採用して自動化を実現した製造ラインを構築している。部品投入から加工、組み立て、検査までの一連の流れを再現するが、この実証ラインのポイントはその裏側にあるデータの活用フローである。

　NECではこれらの製造ラインから上がってくるデータを「ものづくりデータベース」に収集し、そのデータを「NEC Industrial IoT Platform」として活用していくコンセプトを打ち出している。実際にこの実証ラインからはさまざまな情報を取得できるようになっており、ものづくりデータベースにあらゆるデータが収集されている。

　これらを活用することで、機械や設備の稼働状況や製造実績などの遠隔監視をリアルに体験できる他、AI活用などによる保全などの使い方も再現できる。そうした中で大きな価値として訴えたのが、同社の異種混合学習技術を用いた品質の要因分析である。

　異種混合学習技術とは、NECの中央研究所が開発した、ビッグデータに混在するデータ同士の関連性から、多数の規則性を自動で発見し、分析するデータに応じて参照する規則を自動で切り替える技術。これにより、単一の規則性のみを発見し参照する従来の機械学習では分析が困難な、状況に応じて規則性が変化するデータでも、高精度な予測や異常検出が可能となるという。

　これをものづくりデータベースに当てはめて、製造情報から不良の要因分析を行うことで、熟練者でも特定しきれなかった不良の要因を特定できるようになったという。「位置ズレによる不良が発生するある工程があったが、熟練工はその部品を置くところに要因があると考えた。しかし、異種混合学習による品質要因分析をかけると、そもそも部品を取るところの関係度が高いという結果が出た。実際には部品をロボットが取るときに位置がずれるために、置く位置がずれ、位置ずれが起こっていたというのが真相だった。このように不良の真因を特定するのに非常に意味がある」（NEC）としている。

　要因の表示方法も、フィッシュボーン図やツリー図のように分かりやすく表示し、生産技術者が親しみやすい形で不良要因の相関性を表示できるようにしているという。