ニュース
欠損データから不具合要因を特定、製造現場で使える機械学習アルゴリズム：FAニュース
東芝と統計数理研究所は、欠損を含むデータからでも不具合の要因を特定する機械学習アルゴリズム「HMLasso」を開発した。品質低下や歩留悪化などの要因を高速かつ高精度に特定し、製造現場の生産性の向上に貢献する。
東芝と統計数理研究所は2019年8月2日、欠損を含むデータからでも不具合の要因を特定する機械学習アルゴリズム「HMLasso」を開発したと発表した。本技術の簡易プログラムをオープンソースソフトウェアとして同日より公開している。
HMLassoは、収集した製造データに大量の欠損値が含まれている場合でも、品質低下や歩留悪化などの要因を高速かつ高精度に特定する機械学習アルゴリズムだ。最先端のアルゴリズム「CoCoLasso」比で推定誤差を約41％削減でき、製造現場の信頼性と生産性の向上に貢献することが期待される。
CoCoLassoとは違い、HMLassoは欠損率の高低に応じて柔軟に計算する設計のため、欠損率が高い項目があっても全体の計算精度が低下せず、高精度な回帰モデルの構築が可能だ。
また、欠損値を含むデータから直接回帰モデルを構築できるため、全体の計算時間を短縮する。さらに、データ項目が多い場合でもスパースモデリング技術の応用により、多くのデータ項目から品質や歩留への影響度の高い重要な項目だけを自動で絞り込める。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
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。
トヨタ生産方式と設備保全、IoT活用をどう考えるか
日本型モノづくりの象徴ともいうべき「トヨタ生産方式」。本連載では多くの製造業が取り入れるトヨタ生産方式の利点を生かしつつ、IoTを活用してモノづくりを強化するポイントについて解説していきます。第2回となる今回は、設備保全へのIoT活用のポイントについて紹介します。
故障予知は前提、“真の予兆保全”を実現するために必要になるもの
2017年はIoTやAI技術の進展により、大型機械や設備の故障予知や予兆保全への取り組みが加速した1年となった。2018年は故障予知などを前提とした、センシングやデータ管理などが進み、予兆保全に関する各種製品開発やソリューションが数多く登場する見込みだ。
製造業のサービス化、予兆保全は単なる「はじめの一歩」
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。しかし、そこで語られることは抽象的で、いまいちピンと来ません。本連載では、そうした疑問を解消するため、第4次産業革命で起きていることや、必要となることについて分かりやすくお伝えするつもりです。第7回は、前回に引き続き「製造業のサービス化」についてご紹介します。