![見出し画像](https://assets.st-note.com/production/uploads/images/134603646/rectangle_large_type_2_e50670b7d54c789a7107bbeffc67d0fc.png?width=1200)
ニューラルワークスを活用した業務意思決定支援システムの開発例
ニューラルワークス製品は、1987年に設立されたNeuralWare社が開発を行う製品群で、欧米諸国を中心にグローバルな多くのユーザーに活用され現在に至っています。
日本国内では、総代理店のSETソフトウェア(株)が国内企業向けのデータ活用ソリューションとして製品の日本語化、導入支援を行っています。
国内の事例でも、業務における意思決定プロセスを改善するニューラルワークスを活用したシステム提供で、多くの成果と実績があります。
◇中小ビルの電力需要予測システム開発(建設業)
24時間先の電力使用量予測モデルに基づく空調制御により、日中の急激
な電力ピークを押さえて基本料金の削減に貢献。
◇アパレル製品の販売予測に基づく生産管理支援システム開発(アパレル製造販売)
経験と勘に依存した計画から高性能な予測モデルによる管理へ移行し、
従来比50%の不良在庫削減に貢献。
◇半導体ウエハーの歩留まり予測に基づく要因発見システム(半導体製造)
歩留まり低下要因を予測モデルの感度分析に基づいてリアルタイムで発見
することが可能となり、運用コストを大幅削減。
◇排ガス生成量推定モデル開発(自動車製造販売)
仮想センサーによる制御で、センサー開発コストを削減。
◇車体のすべり角予測(自動車製造販売)
路面の摩擦係数を 仮想センサーによって推定し、走行の安全性と最適化の
問題を同時に解決。
◇ EGRエンジンの制御器モデル開発(自動車製造販売)
要求トルクを満たしつつ、燃費を最小化する制御器モデルの
開発プロセスの定型化とともに大幅な燃費向上に成功。
◇ LSI製造装置の電子線描画制御モデル開発(半導体製造)
半日以上かかっていた描画装置の多数のパラメータのチューニング時間
を、最適値予測モデルに基づき大幅短縮に成功。
◇化学物質の毒性予測モデル開発(創薬)
予測モデルの活用で、10年以上かかると言われる新薬の開発期間短縮とコ
スト削減に期待。
◇ ATM資金需要量予測モデル開発(金融業)
既存システムでの20%~30%の予測精度が90%まで改善。ATM紙幣の不良
在庫削減による金利削減と管理業務コストの削減 に貢献。
◇販促チラシに対する受注数予測システム開発(小売業)
年間数千商品の仕入れ数量の最適算出でディーラー負担を軽減し、また海
外工場生産品のリードタイム課題の改善にも貢献。
◇学習型ロボットカメラシステム開発(放送メディア業)
プロのカメラワークを学習し自動制御。人間では困難な領域の撮影も可
能に。
◇株売買支援システム(証券業)
日経225先物の現在の天井度推定に基づく売買で、リーマンショック時に
も市場変化に対して冷静的確な判断で対応し運用成績が安定化。
◇企業格付けモデルの開発(銀行業)
大手格付け機関の格付けデータと財務指標を元に格付けモデルを作成。自
社にとって優位な格付け機関の選定で、格付け取得のコストパフォーマン
スを向上。
◇スギの乾燥予測モデルの開発(木材加工業)
スギの乾燥時間と乾燥率の関係をモデル化することで、経験と勘に依存
してきた乾燥業務の歩留まり改善へ新しい道を開く。
◇近赤外光を利用した乾燥応力測定法の開発(木材加工業)
木材に乾燥処理を施したときの応力を簡便に測定する手法を開発。近赤外
光を木材に照射し、木材に吸収された光の量を解析することによって、ス
ギ板材表面の応力を非破壊的に測定できることを明らかにした。この技術
を用いると、割れの危険性を確認しながら乾燥処理することが可能にな
り、割れが少なく品質の高い木材製品の供給に貢献することが期待。
◇漢方診断支援モデルの開発(医療診断業)
問診・身体所見から病気や有効な処方を推薦するシステムを開発。
◇植物工場における超高速環境パラメータ最適化手法の開発(食品製造業)
膨大な生物データ(オミクスデータ)と機械学習(人工ニューラルネット
ワークモデル)を基礎とした予測システムを構築。
◇材料特性予測−鉄鋼の応力歪み曲線を推定(金属材料開発)
材料の組織画像データから人工知能(AI)技術を使って鉄鋼材料の特性
を予測できるシステムを開発。
◇キュポラ溶解制御システムの開発(鋳物製品の製造販売業)
出湯温度データ及び投入材料 燃料を時間で紐づけしたデータをPredict に
学習させ45 分後の操業状況を予測。予測値も実測との相関が高く実用性が
あることも明確になった。
システム開発プロセスでは、企業の目指すゴールと現状とのギャップの把握からスタートして、業務プロセスデータを活用した課題解決のシナリオ作りをお客様と一緒に進めていき、プロトタイプのモデル作成から概念検証、現場での仮運用による効果検証、実運用による評価検証を行って成果のバトンまで並走しています。
![](https://assets.st-note.com/img/1710982053186-7MmEjwB4ee.png?width=1200)
機械学習の業務への活用では、対象のモデル化を志向するデータサイエンスの視点と、課題解決としてのエンジニアリングの視点を同時に満たすことが求められるため、ビジネスとしての成果に繋げるための難易度は高いですが、問題を深く理解し、解決のためのアプローチを間違えなければ決して乗り越えられない壁ではありません。
※弊社では、データ分析プロジェクトにまつわる様々なご相談に、過去20年以上に渡るプロジェクト経験に基づき、ご支援しています。社内セミナーの企画等、お気軽にご相談いただければ幸いです。
製品カタログ
この記事が気に入ったらサポートをしてみませんか?