ToamiAnalytics 分析基盤サービス Powered by Impulse

参考出展 ToamiAnalytics 分析基盤サービス                  分析モデルの自動選定により異常検知を効率化 製造業様向けに適用領域は様々 予知保全・保守 品質管理・改善 ＜異常検知・故障予兆検知＞ ＜不良品検出・不具合要因分析＞ オートモデリング機能で最適な AI モデルを自動選定 デ AIモデル 1 精度 : 60% ー タ 採用 特 AIモデル 2 精度 : 90% 性 分 析 AIモデル 3 精度 : 80% 検知可能な異常パターン例 周期特性の異常 相関関係の異常 状態変化の異常 設備装置などの稼働状態を確認 複数センサー間の関係性を確認 ベースラインの変化を確認 いつもより処理が長い、短いな 太陽光パネルの特定箇所の故障 故障までは至っていない不良な ど周期的な変化を検知します など個体の不良を検知します ど機器の状態変化を検知します

Toami Analytics の分析プロセス PDCA 分析テーマ 分析データ 分析データ 分析モデル 分析モデル 分析モデル 分析モデル 決定 チェック 加工 構築 評価 展開 運用 ・ビジネス目標の確 ・初期データの収集 ・データの選択 ・モデリング手法の ・結果の評価 ・モニターおよび保 ・追加データ投入に 認 ・データの記述 ・データのクリーニ 選択 ・レビュー・プロセ 守の計画 よる学習 ・状況の評価 ・データの検討 ング ・テスト設計の作成 ス ・周辺システムへの ・分析精度の維持・ ・データ分析の目標 組込み 改善・データ品質の検証 ・新規データの作成 ・モデルの構築 設定 ・データの統合 ・モデルの評価 ・ベースアルゴリズ ・プロジェクト計画 ム・データのフォー の作成 マット ・カスタマイズ *フィジビリティスタディプラン（200万円～）※POV検証・PDCA含まず *フィジビリティスタディ～分析モデル生成プラン（400万円～） 運用プラン *フィジビリティスタディ～分析モデルシステム化プラン（700万円～） （10万円 /月～） * フィジビリティスタディ：実行可能性調査 導入事例 自動車部品製造業様：センサーデータを使った製造装置故障予測システム IoT・センサー系 ・大量の部品から成り立つ製造 ・製造装置に取り付けた複数の ・正常時と異常時の各センサー 装置のため、故障が見つけづ センサーデータを使用した。 間の関係性が変化していた。 らかった。 ・異常が見られた前後の各セン 関係性の崩れ方を基に故障箇 ・かつメンテナンス箇所を判断 サーの関係性を調査し、図示 所を予測することができた。 する事は非常に困難だった。 化した。 正常 故障 製薬会社様：画像データを使った製品の自動検品システム 画像系 ・人の目による検品作業が行わ ・カメラを使って検品時の製品 ・AIによる物体検出技術により、 れていた。 を撮影し、画像データを用意 高い識別精度で良品・不良品 ・検品の見落とし、作業時間が した。 を判別するモデルが作成でき かかる等の問題があった。 ・撮影データのうち、良品と不 た。 良品をそれぞれ分析モデルに 読み込ませ、不良品判別を試 OK みた。 NG サービスソリューション事業本部 営業統括部 第一営業部 〒150-8577 東京都渋谷区桜丘町31-11 TEL:03-3770-0096 Mai：l ml-analytics@gw.nsw.co.jp URL:www.m2m-cloud.jp/analytics/