　東芝は2020年6月2日、異常検知性能が向上した時系列波形異常検知AI（人工知能）技術「Learning Time-series Shapelets for optimizing Partial AUC（LTSpAUC）」を開発したと発表した。同技術の論文は、AI、データマイニング分野の難関国際会議「SIAM International Conference on Data Mining（SDM2020）」での発表論文に採択されている。

　LTSpAUCは、製造装置やインフラ設備の異常を時系列波形データをベースにML（機械学習）によって検知、診断するAI技術。これまでの技術では困難だった、異常の見逃しと誤検出の抑制、異常判断の高度な説明性を両立させることに成功した。

　同技術には、正常か異常のクラスを自動分類する分類器の学習に加えて、クラス分類に有効な部分波形パターンを同時に学習する手法を採用。さらに、見逃し、誤検出を特定範囲に抑えた分類性能「pAUC（partial Area Under the receiver operating characteristic Curve）」を最大化する学習を導入した。

　例えば、見逃しを抑制する場合、トレードオフの関係にある誤検出を、許容可能な数％以下の範囲に収めることができる。その上で、見逃しを最大限抑えるために必要な複数の波形パターンを学習する。公開時系列データセットを用いた性能評価では、見逃しまたは誤検出を低く抑えた状態で、異常検知性能を示すpAUCが従来比約7％向上した。

　また、従来手法では学習できなかった、希少な異常波形パターンの学習も可能だ。異常と正常を分類した部分波形パターンを提示できるため、AIが判断した根拠を波形パターンから確認することもできる。

まれにしか発生しない異常も検出（クリックで拡大）出典：東芝

「FAニュース」バックナンバー

“人をお手本にするAI”は製造現場に何をもたらすのか
協働ロボットなど機械が人と共に働く場面が増える中で、円滑に人と協調する能力が機械にも求められるようになっている。これらの要望に応えるため、三菱電機では「人と協調するAI」を開発した。同技術により得られる価値や狙いについて、開発陣に話を聞いた。
製造現場で活躍広がる「画像×AI」、どういう場で生きるのか
グルーヴノーツは、「製造×画像AI」をテーマに2020年4月14日、オンラインセミナーを開催。グルーヴノーツアカウントエグゼクティブ岩野敦氏が製造業向けのインフラ設備・機械の保全・安全管理業務における画像AIの活用事例などを紹介した。
デンソーがタイで取り組む製造現場のAI活用
「第4回スマート工場 EXPO～IoT/AI/FAによる製造革新展～」の特別講演にデンソーインターナショナルアジアのバイスプレジデントである末松正夫氏が登壇し、「製造AIによる生産性向上」をテーマに、タイの製造現場におけるAIを活用した生産性向上の取り組みを紹介した。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。