製造業における外観検査業務のAIによる自動化・省人化
このカタログについて
| ドキュメント名 | 外観検査AI CONFIDE for Factory |
|---|---|
| ドキュメント種別 | 製品カタログ |
| ファイルサイズ | 1.3Mb |
| 取り扱い企業 | 株式会社コーピー (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
Corpy
&Co.
製造現場に、
きちんと理解して活用する
学習ライセンス 運用ライセンス
実用的なAIを
CONFIDE
for Factory
外観検査AI
Page2
目次
● 会社紹介 ● 外観検査AI
▶ 会社概要 ▶ 学習ライセンス
▶ チーム紹介 ■ サービス概要
▶ 専門家・サポーター紹介 ■ 操作説明
▶ 運用ライセンス
● CONFIDE for Factory ■ サービス概要
■ 操作説明
▶ 外観検査AI
▶ システム構成
▶ 作業者解析AI
▶ 料金表
▶ 異常検知・故障予測AI
▶ 導入フロー
▶ 製造工程 適化AI
Page3
会社紹介
Page4
会社概要
Mission / Vision Our Business
先端AI技術で人命を救い、平等を拡張する
/ ミッションクリティカルなAIを実現する
Company CONFIDE Manufacturing
会社名 - AIの説明可能にするXAI技術、AI 製造業特有の問題を解決し、
株式会社コーピー の品質検証を行うQAAI技術を用 製造現場にAIを導入するための
所在地 - 東京都文京区本郷4-4-11 いたAI運用・品質管理プラット ソリューション「CONFIDE for
フォーム「CONFIDE 」を提供 Factory 」を提供
創立 - 2017年3月
資本金 - 310万円
代表取締役 - 山元 浩平
メンバー数 - 40名（非常勤含む） Healthcare Mobility
Bases
医療機関と共にCTやMRI画像等 自動車メーカーと連携し、自動走
の医用画像から病変の認識・検出 行車社会の実現に向けたマルチ
や診断支援を精度良く行うコン モーダル学習・車載カメラによる各
ピュータ診断支援システムの研究 種認識・学習用画像自動生成シス
開発 テム等の研究開発
TOKYO PARIS
Page5
チーム紹介
Kohei Yamamoto Iordan Iordanov, Ph.D. Yuya SHIBUYA, Ph.D.
CEO Chief Scientist Biz Dev Director
•研究員(Yahoo Japan研究所、仏研究所 Inria) •研究員(仏研究所 Inria) •東京大学特任助教
•東大情報理工学系研究科博士課程退学 •プログラマ（イタリア、ギリシャ） •東京大学学際情報学府博士課程修了（総代）
•東大情報理工学系研究科修士卒 •ロレーヌ大コンピュータサイエンス Ph.D. •ジャーナリスト（東日本放送）
•アカデミアとビジネスの境界領域で人工 •Computational Geometryのトップ国 •専門：社会情報学、データサイエンス
知能の研究開発経験 際会議SoCG等での研究論文発表経験
•コーピーでは事業開発と研究のディレク
•推薦システムの 高峰国際会議 Recsys •オープンソースコントリビュータ ションを担当
のワークショップや Webの 高峰国際
会議WWW •６ヶ国語を話すマルチリンガル
等での研究論文発表経験や •技術的な知識をベースに提案やコミュ
特許取得経験 •多国籍チームでのリーダーシップ ニケーションを行う
Page6
チーム紹介
世界レベルの技術力を持つ
グローバルAIリサーチチーム
● 全メンバー : 約40名
● フルタイム : 約20名
● 外国籍比率 : 70%
● 博士取得率 : 30%
● 出身校例:
○ 東大
○ インリア
○ ケンブリッジ
○ インペリアル・カレッジ・ロンドン
○ エコール・サントラル
○ ペンシルベニア
○ 東工大
Page7
専門家・サポーター紹介
石川 冬樹 原 聡
技術顧問（AI品質保証） 技術顧問 （XAI技術顧問）
• 国立情報学研究所 准教授（電通大 兼任） • 大阪大学 准教授
• CPS/AIソフトウェア品質保証研究の日本の第一人者 • 元IBM東京基礎研究所、国立情報学研究所 研究者
• 機械学習工学研究会主査、高信頼な機械学習応用システムによる価 • XAI研究の日本の第一人者
値創造(QAML)チームリーダー、QA4AI運営副委員長
Page8
CONFIDE for Factory
Page9
CONFIDE for Factory
外観検査AI
▶ 直感的なインタフェースで簡単に外観検査 AIを構築
▶ データアノテーション、データ加工・生成、 AIモデル構築・学習・評価・改善・運用等が可能
▶ 先端のXAIとQAAI技術で、理解しながら安心して外観検査 AIの運用管理を実現
Page10
CONFIDE for Factory
作業者解析AI
▶ 工場内の作業者の行動を見える化して解析
▶ ルーティンワークを見える化することで、正確なサイクルタイムの把握、 適な工程フローや作業動作の検討、作業効
率改善、作業漏れ検知、作業負荷の推定などが可能に
▶ 簡単な初期設定をするだけで、利用可能
Page11
製造業AIサービス
異常検知・故障予測AI
▶ 共同で高度な異常検知・故障予測機能を備えたクリーンルームの実現に向けて、実証実験を開始
▶ 異常検知・故障予測を行うことで、点検業務の自動化と安全な稼働を実現
▶ 異常検知や故障予測に基づきメンテナンスを実施することで、耐用年数の延長や運転効率の維持、省エネを実現
Page12
製造業AIサービス
製造工程最適化AI
▶ メッキ工程の完全自動化＆生産安定化に向けて実証実験を開始
▶ 異常検知・故障予測を行うことで、点検業務の自動化と安全な稼働を実現
▶ メッキ工程を見える化し、分析可能に。すべてデータで管理することで歩留まりを改善
▶ 山田メッキ社内での本導入後、共同で事業展開
Page13
外観検査AI
Page14
Corpy
&Co.
製造現場に、
学習ライセンス
きちんと理解して活用する
実用的なAIを
CONFIDE
for Factory
外観検査AI
Page15
サービス概要
学習ライセンス 運用ライセンス
• AI開発ツールを使用するためのライセンス • 実際にAI外観検査を行うためのライセンス
• AI開発ツールを使用するPC毎に１ライセンス • AI外観検査を行うエッジデバイス毎に１ライセンス
• １ライセンスで作成できるAIモデル数は制限なし
Page16
製造現場に、
製造業ワンストップAIソリューション
きちんと理解して活用する
実用的なAIを
CONFIDE 特徴１ 特徴２
AI知識不要な直感的操作 AIの判断根拠を理解可能
for Factory AI知識の少ない現場管理者でも XAI技術によりAIの判断根拠を可
AIモデルの作成から運用・品質 視化することで、理解をしながら
外観検査AI 管理まで一気通貫で可能。 モデルの改善が可能
特徴３ 特徴４
少量のデータから学習可能 PoCで終わらない品質管理
ドメイン特化型データ拡張技術に データ・モデルの品質検証・見え
XAI (説明可能AI) QAAI (AI向け品質検証) より学習データを現場の環境等を る化・変化点管理機能で運用時
考慮した形で生成可能 の現場管理者をサポート
あらゆる製品のさまざまな不良に対応
ボトル ヘーゼルナッツ 金属ナット カプセル ケーブル トランジスタ
予測結果だけでなく判断根拠の提 外乱や環境変化を想定してデータ
示によりAIのブラックボックス化を 生成、品質検証を行い頑健なモデ AI作成/運用/品質管理までを想定したユーザ目線の設計
防止 ルを作成
現在、市場に存在する多くは Alモデル構築ツールのみであるのに対
し、CorpyのC4FはAI導入後の包括的な運用管理・品質検証も考慮
した現場の運用管理者を第一に考えたシステム設計
Page17
操作説明（データ整理）
アップロード後にデータセット内のラベルを変更可能
①データ準備
外観検査を行う製品のOK /
NG画像を収集後データセット
をアップロードします。
②データ整理
必要に応じて、学習 / 検証 /
テストに使用するデータセット
内のアノテーションの変更を
行います。
Page18
操作説明（データ前処理）
直感的なインターフェースで誰でもデータ前処理を実行可能
①データ加工
生データを加工して画像の特
徴量を抽出することで、AIモ
デルの学習がより進むように
なります。
②データ拡張
豊富なドメイン特化型データ
拡張技術でデータが少量の
場合でも対応可能です。
Page19
操作説明（アノテーション）
従来までのアノテーションにかける作業時間を大幅短縮
①ワンクリック作業
異常箇所をクリックするだけ
で周辺の異常領域を自動で
アノテーションします。
②範囲の設定
スケールの数値を変更する
ことでアノテーション範囲の
調整が可能です。
Page20
操作説明（学習）
適切なモデルを選択し、簡単にパラメータを設計可能
①モデル選択
複数のモデルを試し、製品に
も適したモデルアーキテク
チャを選択します。
②パラメータ設計
AIモデルのハイパーパラー
メータをPoCマニュアル記載
の推奨設定から始め、 検証
を行い精度を見ながら調整し
ていきます。