このカタログについて
| ドキュメント名 | 品質のばらつきと人手不足を解決｜製造現場の安定稼働・省人化を実現する「エッジAI」ソリューション |
|---|---|
| ドキュメント種別 | 製品カタログ |
| ファイルサイズ | 3.6Mb |
| 取り扱い企業 | 匠ソリューションズ株式会社 (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
このカタログの内容
Page1
スライド 1: 現場で活用できるエッジAI 導入・活用ガイド
現場で活用できるエッジAI 導入・活用ガイド
現場で活用できるエッジAI
導入・活用ガイド
匠ソリューションズ株式会社
Page2
スライド 2: 会社概要
会社概要
会社概要
・設立：2007年2月
・代表：岩本 正美
・拠点
・本社：仙台市青葉区本町1-12-12 GMビルディング2F
・ジュランジェセクション：仙台市青葉区国分町3-9-8田山ビル2F
・新横浜オフィス：横浜市港北区新横浜3-6-12日総第12ビル7F
LSI IoT/DX
・事業内容 受託開発 製品開発
・LSI受託開発
・IoT/DX製品設計
・AIシステム/ソフトウェア開発
エッジAI クリエイティブ
・女性向け商品開発・製造・販売 システム開発 スタジオ
&アート
2
Page3
スライド 3: マシンインテリジェンス研究会
マシンインテリジェンス研究会
マシンインテリジェンス研究会
●会長
東北大学 理事・副学長
東北大学大学院情報科学研究科
教授 青木孝文氏
●副理事長
匠ソリューションズ㈱
代表取締役 岩本正美
東杜シーテック㈱
代表取締役 本田光正
【特別会員】
東北大学情報知能システム研究センター
（IIS研究センター）
国立研究開発法人産業技術総合研究所
仙台市
公益財団法人仙台市産業振興事業団
東北経済産業局
宮城県、宮城県産業技術総合センター他
IoT、AI、DXを活用した効率改❹を研究テーマとして参加企業の情報交流/
ニーズ・シーズ調査/マッチング設定/教育活動/東北大学連携の活動を行っています
3
Page4
スライド 4: 匠ソリューションズの取組み
匠ソリューションズの取組み
匠ソリューションズの取組み
FPGA Jetson
接客ロボット 大規模LLM
画像AI推論 外観検査
AIシステム 研究開発
AIシステム システム AIシステム
開発
IoT/DX
レアアースレス 非接触
製品開発 モータシステム 掌紋認証
金型計測 生産ロス
金型計測 匂い成分
デジタルアシスト ワイヤレス 可視化
無線システム
ADコンバータ エアミール 計測システム システム システム
LSI開発
第三者検証 高位合成 RTL設計検証 UVM検証 論理合成解析
2007 2010 2015 2020 2025
4
Page5
スライド 5: 金型温度計測ワイヤレスシステム
金型温度計測ワイヤレスシステム
金型温度計測ワイヤレスシステム
品質安定性を目的とした温度計測ワイヤレスシステムを提供しています
5
Page6
スライド 6: AI開発の取組みと事例
AI開発の取組みと事例
AI開発の取組みと事例
Page7
スライド 7: エッジAIの必要性
エッジAIの必要性
エッジAIの必要性
外観検査や物体認識などの現場にAIを活用する場合、安全・高速・確実な処理が必要です。
現場で使えるAI、それが「エッジAI」です。
エッジAIのメリッ ト
①通信コスト削減 ②リアルタイム処理 ③短期間でのAI導入
クラウドへのデータ送信がない 検知して即座にAI処理で判断を可 Jetson GPUモジュールの開発
ため、毎月の課金はありません 能とするため、リアルタイム応答 実績から、検討・実装・導入ま
また、外部接続をしないため が必要な現場の対応に最適です で短期間でエッジAIソリュー
セキュリティ的にも安全です ションに対応します
Page8
スライド 8: エッジAIに最適なJETSON開発の課題と対応
エッジAIに最適なJETSON開発の課題と対応
エッジAIに最適なJETSON開発の課題と対応
NVIDIA JETSONを活用したエッジAI開発経験から最適な提案を行います
Jetsonのメリット 課題と対応
開発時間短縮 JETSON固有の課題
直ぐに開始できる開発者キット JETSON開発実績から短期解決
強力なAI性能 単体モジュールでAI処理可能
最大275TOPSのAI性能（AGX Orin） PCが置けない現場に設置
NVIDIAパートナ企業連携 アルゴリズム選定
多くのライブラリー/QAが提供 NVIDIAパートナーと大学連携
量産用モジュール 量産モジュール提案
量産対応の産業用モジュール提供 最新情報リサーチから選定
8
Page9
スライド 9: 画像AI開発事例
画像AI開発事例
画像AI開発事例
NVIDIA Jetson
異常検知AI 画像認識AI 物体検出AI 接客AI+プロジェクション
微細なキズ/異物を検知 大きさや重さを推論 物体の種類/距離を検出 マッピング
没入型アート体験演出
（塗装/部品外観検査） （農作物重量推論） （画像/Lider 衝突検知）
Page10
スライド 10: 画像AI開発事例（外観検査システム）
画像AI開発事例（外観検査システム）
画像AI開発事例（外観検査システム）
・パートナー企業のサーバ上の外観検査アルゴリズムをPC
が設置できないラインでの稼働を目標にNVIDIA JETSON
に実装
Page11
スライド 11: 画像AI開発事例（スマート農場の生育監視）
画像AI開発事例（スマート農場の生育監視）
画像AI開発事例（スマート農場の生育監視）
植物工場内の生育過程ごとの画像データをAIで
セグメンテーション解析することで、野菜の葉
領域を抽出し、生育段階ごとの画像内占有率を
算出、生育段階別に野菜の占有面積を定量的な
可視化に成功
Page12
スライド 12: リアルタイムプロジェクションを組み合わせた接客AIソリューション
リアルタイムプロジェクションを組み合わせた接客AIソリューション
リアルタイムプロジェクションを組み合わせた接客AIソリューション
AI接客＋リアルタイムプロジェクションで画像や音声が反応する没入型アート体験空間の提供
①動作物体検知
JETSONによる物体AI解析処理
②映像ソースとの融合
動作に反応させて別画像を組込み
③接客AIロボット
動作を検知して音声で接客
12
Page13
スライド 13: 生成AI開発事例
生成AI開発事例
生成AI開発事例
お客様 問合せ
相談
問合せ対応AIチャットボット
問合せに自動回答し、業務効率を向上
社内データベース（RAG基盤）
社内の情報・ナレッジを一元管理/活用
社内ナレッジAI 分析・改❹提案AI
社内情報の検索・共有を支援し、 市場・顧客・技術情報を分析し、
業務の生産性を向上。 事業アイデアや改❹提案を支援。
社内従業員 事業推進担当
接客AIロボット AI活用した生産平準化 生成AI開発アシスト AIチャットボット
人流データ+量子コンピュー マニュアルの製造プランから 生成AIアシストによる ＋社内IT機能AIアシスト
ティング+生成AIを組み合わ AI活用した製造平準化により 開発検証作業の効率化 チャットボットを入口とした
せた自動型接客AIシステム 生産効率化 社内IT機能アシスト
Page14
スライド 14: 人流データを組み合わせた接客AIソリューション
人流データを組み合わせた接客AIソリューション
人流データを組み合わせた接客AIソリューション
人流データを量子アニーリングで解析、結果を接客AIロボットでコミュニケーション
・人流データの見える化 量子アニーリング
・集客支援（広告、クーポン情報など）
集約・復号 ・災害、事故情報などの収集・通知
処理 ①人流属性データ処理
JETSONによる人流属性AI解析処理
店舗用/お客様用アプリ
AI処理属性データ取得
暗号化・分散処理 暗号化・分散 混雑情報・集客支援・災害情報等
処理
接客AIロボットとの会話 ②人流解析データ可視化
(多言語対応）
AI処理属性データ取得
（録画機能無し） 量子アニーリングによる人流データ
Chat GPT
(会話DB) 接客AIロボット
（モニタ上） 可視化と人流解析データから対策
エッジAIカメラ 接客AIロボット Webアプリケーション
③接客AIロボット
観光客 店舗 生成AIとNVIDIA Jetsonを用いた音声、
買い物客 画像処理による接客
14
Page15
スライド 15: マニュアル作業工程の可視化
マニュアル作業工程の可視化
マニュアル作業工程の可視化
従来の受注から製造完了までのマニュアル作業をAI活用して作業フローの最適化
導入後の作業ライン ・作業完了時に作業者が進捗を記録
・毎日、AIで最適な作業フローを計算
・その結果から先行してリソースアサインに移れる
モニターで仕様表示
①DX化導入の取組
・紙で管理されていた仕様書をデータベース化
・タブレットを活用させ、進捗状況をリアルタイムで把握プロンプトを設計
・工程データのデータ基盤を構築。スケジュール最適化や作業時間分析に応用予定
②助成金の活用
・本開発において企業の助成金申請をサポート
Page16
スライド 16: 仕様書・検証アシスト
仕様書・検証アシスト
仕様書・検証アシスト
車載ファームウェア開発検証時の膨大なマニュアルチェック作業をAI活用して作業効率化
顧客課題 取り組み 成果
problem Approach Result
LSIや製品開発、仕様書検証
等、様々な開発作業に応用
が可能です。
厳密な品質検査のための 生成AIを活用した 工数70%削減
膨大なマニュアル工数 マニュアル作業自動化 継続契約を検討中
①効果的なAIプロンプト設計
・生成AIに対する命令・文脈・入力データ・出力形式を組み合わせてプロンプトを設計
・原理試作段階から高精度な結果を得ることができ、開発初期の精度向上に寄与
②生成AIの開発活用
・原理試作やプラットフォーム開発においてChatGPT、Gemini、CODEXなどの生成AIを活用、バージョン
アップに対応しながら評価中
・コード作成や検証を効率化し、開発を迅速に対応
Page17
スライド 17: AIチャットボット＋社内IT機能のAIアシスト
AIチャットボット＋社内IT機能のAIアシスト
AIチャットボット＋社内IT機能のAIアシスト
お問合せAIチャットボットを起点としてデータベースとRAGを活用した事業・改❹分析や
社内ナレッジを支援するシステムを構築します
お客様 問合せ
相談 ①問合せAIチャットボット
従来のマニュアル対応を自働化
問合せ対応AIチャットボット
問合せに自動回答し、業務効率を向上
②社内ナレッジAI
AIチャットボットを入口として社内業務
社内データベース（RAG基盤）
のAI化をアドバイス
社内の情報・ナレッジを一元管理/活用
社内ナレッジAI 分析・改❹提案AI ③分析・改❹提案AI
社内情報の検索・共有を支援し、 市場・顧客・技術情報を分析し、
業務の生産性を向上。 事業アイデアや改❹提案を支援。 AIチャットボットを入口として業務改
❹提案や新事業提案をアシスト
社内従業員 事業推進担当
Page18
スライド 18: AI導入の進め方
AI導入の進め方
AI導入の進め方
18
Page19
スライド 19: AI導入成功のポイントと課題
AI導入成功のポイントと課題
AI導入成功のポイントと課題
AI市場拡大の背景 AI導入成功のポイント お客様の悩み
【地域企業の課題とAI化】 ①経営者（責任者）が「活用方針」を ■AI導入の課題
決めている AI導入を製造現場で検討したいが
・地域企業の約72%が人手不足
「何のためにAIを使うか」が責任者が
を経営課題として認識、 ・作業が多忙で取り組めない
明確化している
・中小企業の約39%がAI導入前向き ・効果が不透明で判断できない
②課題が明確な業務から小さく始める
【地域企業の強みと課題】 ・導入の可能性がわからない
毎日発生する定型業務の一つを選び、
・強み：地域密着、細かい現場対応 ・不良サンプル数が少ない
効果を確かめてから横展開
・課題：業務属人化、IT担当者不在
③外部のパートナーをうまく活用
【社会的背景（追い風）】 地域企業はAI人材を抱えにくいため、導入
AI導入時の不明点が多いため
・人手不足、高齢化、DX遅れ 設計から運用定着まで伴走してくれる外部
・AI一般化、ChatGPT認知拡大 パートナーを活用 導入判断ができない
Page20
スライド 20: AI導入フロー
AI導入フロー
AI導入フロー
システム開発 顧客運用
原理試作検証 (2か月）
調査 (1～5日）
（10日）
プラットフォーム 導入・運用
試作・開発
簡潔な原理試作で
AI化導入調査 効率的に検証 メンテナンス・保守
要件定義/コーディング
モデル設計・選定
企 課題理解(In/Out) ドキュメント作成
業 評価検証
導入可能性/効果目標 評価検証
AI進化の調査と検証
・初期段階で課題理解と導入可能性を共有する
お客様とベンダーが
・原理試作⇔評価から要求に沿ったプラットフォームを伴走して作成
一緒に導入を目指す
・進化の早いAIツールの調査・検証を継続的に行う
20
初期段階で一括導入判断するのではなく自社導入の有効性と投資効果を確認後に段階的に導入する
IT