AI

名称説明
Core 1正常・異常のどちらかに偏った学習データで高精度の判定ができる
正常・異常のどちらかのデータしか揃わない場合でも、高精度の判定を高速で得られる。

例えば、産業機械など、もともと正常データしか取得できない場合でも、そのデータを学習して高精度の異常値判定が可能になります。

Core 2多様なデータ種類が混じっている状態で高精度の判定ができる
非線形データ、周期データ、時系列データ、離散データなど、一般的な線形データ以外のデータを解析し高精度の判定を高速で得られる。

例えば、エンジンや動力モータ、発電タービンなど、多様な種類のデータを総合的に判断して高精度の異常値判定が可能になります。

Core 3少量の学習データで高精度の判定ができる
少量の学習データで高精度の判定を高速で得られる。

例えば、生産ラインなど、少量のデータしか取得できない場合でも、そのデータを学習して高精度の異常値判定が可能になります。

Core 4AI判定に必要なデータが分かる
取得できる多数のデータからAIの判定に大きく作用しているデータが何かがわかる可逆性がある。そのため必要なデータ（センサー）を絞り込める。

例えば、生産ラインの異常検知など、状態を把握するのに大量のセンサーが必要と思われる場合、センサーの必要な取り付け場所や数を知ることが可能で、センサーの少数化が可能になります。

Core 5閾値の推定ができる
トリガーとなる閾値が分からない状態で「ある変化が起きたら次のアクションを行う」といった課題に対して閾値を推定して次のアクションを判定することができる。

例えば、水温の適正温度幅が決められていない機械で、どの環境で使用しても「水温が適正温度幅を超えたら冷却ファンを回す」という動作が可能になります。

Core 6時系列データを低スペック環境で判定する
時系列データをスマートフォンに搭載されるCPU/GPUなど低スペック計算機でAI判定することができる。例えば、衣類に搭載された呼吸センサーをその衣類の中で解析し、呼吸の乱れに応じた快適コントロールを行うことなどが可能になります
TOP