　そのため、包装資材の研究開発の効率化と高度化を目指し、機械学習ツールのWALLを導入。同サービスを活用し、これまで作業員が経験により行っていた素材混合や設計の過程を、過去の開発記録と照合しながら機械学習を行うことで最適化するなどで、研究開発工程を効率化。これにより、商品開発力が強化され得るという。

　SUPWATは今後、同サービスの学習精度向上のため、研究開発データの取得や管理に関するコンサルティングサービスもリュウグウに対して提供するとしている。

⇒その他の「製造IT導入事例」の記事はこちら

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。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
製造業はDXとどう向き合うべきか、鍵となる「正しいデータ」と「試行錯誤の数」
製造業のDX化への取り組みが加速している。DXを成功させるための考え方やポイントについて、「データ収集」の支援をしてきたアプトポッドの代表取締役である坂元淳一氏と、「データを蓄積し活用する」ところを支援してきたアマゾンウェブサービスジャパンテクノロジーパートナー本部セグメントリード（AI/機械学習・IoT）小澤剛氏に話を聞いた。
偽相関の罠に陥らない、製造業における機械学習を用いた要因分析のコツ
製造業が機械学習で間違いやすいポイントと、その回避の仕方、データ解釈の方法のコツなどについて、広く知見を共有することを目指す本連載。第4回は、製品不良や設備故障などの要因分析に機械学習を適用する際に留意するべきことなどを紹介します。
AWSがエッジへの浸透強める、製造業が求める予知保全とAIカメラを実現
Amazon Web Services（AWS）は、オンライン開催となったユーザーイベント「AWS re:Invent 2020」において、製造業をはじめとする産業分野を対象とした5つの機械学習ソリューションを発表した。