1/88ページ

このカタログをダウンロードして
すべてを見る

ダウンロード(9.6Mb)

NSWの豊富なAI事例集

製品カタログ

NSWにて実施してきた画像系、データ解析系AIなどと製造業向けに実施した事例を抜粋して記載

NSWでは導入実績100社以上のIoTプラットフォーム”Toami"を有効かつ効率的に活用してもらうため、画像系AI"Toami Vision"、データ解析系AI "Toami ANalytics"を発売し、数多くの実証実験含めお客様に喜んでいただいております。
その事例、業務の効率化から、設備点検、製品の確認作業など様々な事例を抜粋して記載しております

このカタログについて

ドキュメント名 NSWの豊富なAI事例集
ドキュメント種別 製品カタログ
ファイルサイズ 9.6Mb
取り扱い企業 日本システムウエア株式会社 (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

IoTプラットフォームToami(トアミ)
製品カタログ

日本システムウエア株式会社

ToamiAnalytics
製品カタログ

日本システムウエア株式会社

産業用スマートグラス「RealWear」ご紹介資料_V7.0
製品カタログ

日本システムウエア株式会社

このカタログの内容

Page1

日本システムウエア株式会社 サービスソリューション事業部 デジタルテクノロジー部 TEL:03-3770-0037 1 E-mail:ml-dx@gw.nsw.co.jp
Page2

目 次 1. NSW会社概要 P3 2. 製造業におけるDXの必要性 P8 3. NSWのAIソリューション概要 P15 4. Toami Analytics P26 5. Toami Visionソリーズ P33 6. その他のAI画像解析 P47 7. 事例 (Toami Analytics) P51 8. 事例 (Toami Visionシリーズ) P71 9. NSWのDXソリューションプロダクト一覧(抜粋) P81 22
Page3

1. 会社概要 3
Page4

1-1. 会社紹介 商号: 日本システムウエア株式会社 設立: 1966年8月3日 本社: 東京都渋谷区桜丘町31-11 資本金: 55億円 代表取締役: 執行役員社長 多田 尚二 従業員数: 2,218名(連結 2020年3月末) 売上高: 382億円(連結 2020年3月末) 上場市場: 東京証券取引所市場第一部(証券コード:9739) 企業認定: 経済産業省システムインテグレータ(SI)登録認定企業 経済産業省システムオペレーション(SO)登録認定企業 経済産業省システム監査企業台帳登録企業 プライバシーマーク認証取得企業 厚生労働省次世代育成支援対策推進認定企業 関係会社: NSWテクノサービス(NSWT) 京石刻恩信息技(北京)有限公司(NSW China Co.,Ltd.) NSWウィズ株式会社 加盟団体: 社団法人 情報サービス産業協会 その他: 国際規格ISO9001/9002/14001認証取得 4
Page5

1-2. NSW事業領域 & DXに対する考え 5
Page6

1-3. NSWが提供するデジタル技術 IoTプラットフォーム「Toami」を中心 にデバイスからクラウドまでのトータ IoT ルソリューションを提供。ブロックチェーン技術を活用したソリュー ションの提案やPOCから業務活用への有効 性の判断などの支援を実施。 ブロック 分析 チェーン AI デバイスデザイン 組み込みエッジ技術 業種・業務ノウハウ コア技術 クラウド技術。 長年培った画像処理技術をベースに、 ビデオアナリティクスや機械学習/深層 学習のソリューション・サービスを提 ARを活用した現場効率化ソ 供。 リューションやAR/VRのコンテン ツ作成、xRを利用したECサービ スの展開など幅広く提供。 AR/VR RPA ECのバックオフィス業務や運用業務の ノウハウから幅広い業務・業界へサー ビス提供、AI/OCR連携サービスも提供。 6
Page7

1-4. 様々な分野でNSW製品は活用されています “Toami” は幅広い分野で活用でき、数多くの導入実績があるIoTプラットフォームです 7
Page8

2. 製造業におけるDX導入の必要性 8
Page9

2-1. 製造業の業績動向 今後2-3年は縮小傾向が予想 ➢ 新型コロナウイルス感染症は当初、中国武漢を中心とした自動車等のサプライチェーンに影響。 ➢ その後感染拡大に伴い、各国の需要減が国内製造業に直撃。自動車等の国内生産拠点において も生産調整となる例が相次いだ。 ➢ 2019年10-12月期のGDP速報においても、個人消費や設備投資が縮小。 ➢ 製造業の業績は米中貿易摩擦や天候要因、その他の不安材料の影響を受けて売上高・営業利益の 足下の水準、今後の見通しともに弱さが見られる状況。 9 出所:2020年版ものづくり白書
Page10

2-2. 設備投資動向と設備老朽化の状況 設備の老朽化による故障は経営に大きな影響を与える ➢ 設備投資の動向は近年回復傾向にあったものの、2019年以降は横ばい。 ➢ 生産設備導入からの経過年数は長期化傾向。 10 出所:2020年版ものづくり白書
Page11

2-3. 今すべきこと スマートファクトリーの実現 AI 、IoTの導入によるDX(Digital Transformation)の推進 コスト削減、自動化の促進、品質の均一化 競争の優位性の構築 遠隔地であっても、機械の稼働状況などをWEB上でいつでも把握できる 状況に応じた処理を自動化できるため、生産効率が向上する 自動化によって、ヒューマンエラーによる業務停止を回避することができる 11
Page12

2-4. スマートファクトリーとは ➢ IoT時代における工場のスマート化にあたっては、パワフルなエッジコンピューティングが不可欠です。 生産設備の制御はもちろん、工場内のあらゆるデータの効率的な取得と分析が必要。 ➢ 製造ラインの進捗や温度・湿度・振動といった現場のデータ、作業映像の撮影、作業者の動線やバイタ ルデータの取得など、工場内のさまざまなデータを収集し、AI等で分析・学習することで、生産工程・ 流通工程を効率化し、工場の生産性を最大化することをスマートファクトリーと考えています。 工場内のさまざまなセンシングデータを効率的に 収集し、データ分析・学習により工場を見える化。 作業映像を撮影・分析することにより、作業効 率を改善。 作業者の動線や状態を見える化。 スマートファクトリーの実現に向けてNSWはサポート致します 12
Page13

2-5. DX (IoT/AI)を推進するメリット ➢ IoTで扱うデータは、人やモノの状態や周辺環境の様子をセンサ技術で無作為に収集されるため、これまで予 想もしなかった範囲の価値ある情報をリアルタイムで活用。 製造工程の見える化 ➢ 製造業では主に製造工程のデータ収集・分析に活用でき、業務の効率化や自動化、属人化を防いだナレッジ の共有が可能。 ➢ パフォーマンスの低い機器設備の稼働状況を把握して改善できたり、リソース投下の優先順位が明確になる ほか、エネルギーを最適に分配した省エネ化にもつながります。 ➢ IoTの機能「モノの動き・状態を検知」によって、機器設備の異常を自動的に検知し、突然の故障による生 機器故障の事前防止 産ライン停止を事前に防止。 ➢ 万が一のトラブル時にも事前の検知や稼働状況の把握によって、状況に合わせた計画変更が可能。 ➢ インダストリー4.0 ・Connected Industriesの実現に求められる柔軟な生産方式への対応。 ➢ IoTで収集されたデータの活用は、業務の効率化だけでなく新製品・サービスの価値創出に貢献。 ➢ 製品という「モノ」に価値を置いていた製造業も、IoTのデータを共に販売することで「コト」に価値を置いたサー 製品・サービスの ビス提供が可能。 新たな価値創出 ➢ 例えば、IoT化された製品を販売すると、ユーザーの製品利用率を把握でき、効率的な運用につながる改善情 報を製品と一緒に販売。 ➢ 故障の時期も数値で見える化できるため、メンテナスサービスやアフターサービスを付加価値として提供。 13
Page14

2-6. IoT/AIの選定と課題解決ツール ➢ 何を予測すれば最も嬉しいか?ランニングコストや苦痛は大きいか 経営インパクトの視点 ➢ 数年がかりで習得、言葉では説明しづらい技能か? 匠の技の視点 ➢ これからデータを取っておくと活きてくることか? データ蓄積の視点 ➢ 所属部署にかかわらず誰でも重要性・緊急性がピンとくる課題か 組織説得・根回しの視点 ➢ 既存センサーからのデータ処理がAIならぐっと改善できそうか? データ処理にAIを活用する視点 導入メリット マーケティングでは Ai×IoTカメラの導入 正確に情報を管理 作業効率の最適化 欠かせない需要予 でセキュリティ・機器 することができる が可能 測も可能 の保全もばっちり 課題解決 ツール + 14
Page15

3. NSWのAIソリューション 15
Page16

3-1. NSWのAIソリューションの強味 AIベンダーにはできないNSWのハード~ソフトまでのオールインワンサポート VPN構築、エッジPC、クラウド、AI画像認識まで 画像が多く流れる NSWはネットワークの設置ノウハウを保有 一般的なAIベンダー企業様 NSW ・AI開発 ・AI開発 ・AIを活用したアプリの提供 ・AIを活用したアプリの提供 ・AI開発のための ・AI開発のための プラットフォーム事業 プラットフォーム事業 ・VPN構築 別会社様への委託や調整などの ・エッジPC お手間を取らせません。 ・クラウド ・AI画像認識まで 16
Page17

3-2. NSWのAI活用フロー 通常AIを活用しようと考えた時、以下のフローで利用を行います。初めから万能なAIというものがあるわけではないということ に注意してほしいです。 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 • 初期データの • データの選択 • モデリング手 • 結果の評価 • モニター及び • 追加データ投 の確認 収集 • データのク 法の選択 • レビュー・プ 保守の計画 入による学習 • 状況の評価 • データの記述 リーニング • テスト設計の ロセス • 周辺システム • 分析精度の維 • データ分析の • データの検討 • 新規データの 作成 への組込み 持・改善 目標設定 • データ品質の 作成 • モデルの構築 • ベースアルゴ • プロジェクト 検証 • データの統合 • モデルの評価 リズム 計画の作成 • データの • カスタマイズ フォーマット 上記のフローにおいて重要なのは、分析モデルを精度の高いものにするために、「分析データ加工」から「分析モデル評価」ま での工程で何度もPDCAを回すことです。 アルゴリズムの選定やデータのフォーマットなど多岐にわたる項目を検討しながら精度の高いAIモデルを作成していきます。こ うした作業には知識やノウハウが必要です。 また、単にモデルを作成するだけではなく、展開を行いシステムに組込み運用していくことも重要になります。NSWはSIerと しての実績があるため、モデル作成後もお客様をサポートすることができます。 17
Page18

3-3. AIプロジェクトを成功させるために 失敗の理由 作業の効率化 高付加価値化 新しい価値創造 AI導入の目的・スコープが •AIが従業員の作業の •品質精度を上げる •これまでなかった価値 AI導入の目的・ 一部を代替えして作 •処理スピードを速くする の提供を実現明確ではない 業負担を減らす スコープを明確にする •いつでも判断可能 •今まで従業員ではでき •AIが作業全部を代替 なかった作業が実現可 えし、人に成り代わる 能に 事前アセスメントの実施 利用するデータが十分で AIの導入に必要な • 導入プランの実現性・経済性が客観評価 はない データを確認する • AI導入による業務フロー見直し •社内に理解を得るための根拠確認 データのボリューム・バラエティの確保 手法 目的 品質 打合せ議題 ドキュメント内容 PoCとAIを組み込んだシス PoCとAIを組み テム開発の違いを理解し 込んだシステム AI PoC 検証結果+ 検証結果+仮説有効性確認 検証結果報告書 ていない 開発の違い 落とし所 課題 システム開 要件定義に準拠 システム・運用仕 設計仕様書、テス QCD+課題解決 した作り込み 様確認 ト結果報告書 発 18
Page19

3-4. プロジェクトを成功させるための秘訣 • AI導入の目的・スコープを明確にする • AI導入前にアセスメントを行う • AIを組み込んだシステム開発を理解した ベンダーを選定する SIer × AIベンダー システム開 AI開発 発の知見 の知見 AIを組み込んだシステムやサービスの実現 19
Page20

3-5. AIを組み込んだシステム開発の進め方 AIプロジェクトのシステム開発 アセスメント 要件定義 設計 製造・開発 テスト 運用・保守 • 現状ヒアリング • 業務要件定 • アプリ設計 • アプリ開発 • アプリUT/IT • システム運用/ • 検討している 義 • 基盤設計 • 基盤構築 • AIモデル精度 保守 AIの実現性・ • システム要件 • 運用設計 • AI学習基盤 評価 • AIモデル管理 導入効果の 定義 • AIアプリ設計 構築 • AI学習基盤テ (AI再学習、 客観評価 • AI要件定義 AI再配布、AI• AI基盤設計 • AIモデル生成 スト • AI導入提案 モデル精度監 • AIモデル管理 • システムテスト 視) 基盤構築 • 受入テスト 20