DXを支えるAI
画像認識
Ｘ線検査判定支援ソフトウェア「Ｘ線検査判定支援」
貨物のX線検査にAIを適用し禁止物の見逃し率を低減
深層学習（ディープラーニング）により空輸される荷物の禁止物チェックに用いられるX線検査装置に、改造なしで禁止物を検知できる外付けAIシステムを開発。検査員の見逃し率低減と検査時間短縮を実現！
AI導入前の事業課題
荷物の増加と多様化により、検査員の負荷と見逃しリスクが増大！
空輸される荷物は全件禁止物チェックが必要。基本的に荷物を開封できないため、X線検査装置でチェックするが、画像から人手で禁止物を検知する業務は訓練を受けた検査員であっても極めて高度。近年のネット販売などの普及により物流取扱量・取扱品種の多様化し、検査員の負荷と見逃しリスクが増大。
当社のAIソリューション活用による改善
深層学習技術を組み合わせて判定スピードと精度を向上！お客様側での継続的な情報収集も可能に！
段ボールなどに詰められた一般の宅配荷物は、Ｘ線検査では物品のシルエットが多重に重なって映ってしまうため、その中からリチウム電池や香水といった航空禁止物を特定するのは困難であった。そこで、日立の研究部門が開発した深層学習（ディープラーニング）による形状判定技術を製品化。学習モデルをカスタマイズすることで、重なりのあるシルエットから航空禁止物がある画像エリアの抽出を実現し、課題を解決しました。
成果
訓練を受けた一般検査員と同程度の精度で禁止物を抽出
検査員の支援としてAIをダブルチェックで使用した場合、約15%の見逃し低減
検査員の認識時間の短縮と再撮影回数の減少で検査時間が短縮（約25秒／回⇒約15秒／回）
画像判定トータルソリューション「類似図面検索」
図面検索AIソフト導入による見積業務効率化
図面中の部品形状検索により過去図面を参照する見積額作成作業をより効率的に実施
図面確認をITで実現することで業務効率向上を実現！
AI導入前の事業課題
属人的で非効率的な作業
受注増加や製造部品の複雑化により、見積作成業務の負担が増大。特に、見積作成時の過去図面チェックの業務などは熟練者へのヒアリングが 必要な属人的な作業で、効率化が困難。
在宅での業務推進
在宅業務を推進するために、図面情報のナレッジをITシステム上に集約することも早急に必要。
当社のAIソリューション活用による改善
特徴量から検索する独自技術を活用し、かつ教師なし学習の実施で継続的な処理向上を実現
抽象的な類似形状の検索を行うため、深層学習（セグメンテーション技術）による図面中の製造部品（三面図など）の形状を抽出、その形状を学習し、特徴量を抽出することで類似形状の検索を実現する"類似図面検索AIソフトウェア"を開発。 アルゴリズムは当社独自のネットワークモデルで、特徴量から検索する仕組みも独自技術（特許取得済み）で、このアルゴリズムにより1トランザクションの検索時間を3秒まで短縮、抽象的な検索を実現。 お客様自身で継続的な学習を実施するため、図面データと特徴量を自己定義する、類似図面検索用の教師無し学習プロセスを準備、ソフトとあわせてご提供することで利便性を向上。
成果
図面確認において、重複していた工数（年間最大4500時間相当）を削減
従来の画像検索システムに比べ、処理速度が1／10（30秒→3秒）に短縮
お客様側で学習することができる機能を提供することで、継続的な機能向上をお客様のみで実施可能
画像認識エッジソリューション「接近監視」
工事現場の事故防止に向けたAI適用で監視負担業務を軽減
深層学習（ディープラーニング）や画像処理技術を用いて道路舗装工事現場のカメラ画像から人・車両・作業領域を検出し、接近・侵入を判定・警告するアルゴリズムを構築。ガードマンの監視負荷軽減に貢献！
AI導入前の事業課題
確実性が求められる安全監視業務
ダンプトラックの搬入時、ガードマンにより、ダンプトラックの誘導と作業員の安全確認を実施。 しかし、事故が発生するため、カメラを用いたダンプトラックの誘導支援システム開発を検討。他社システムは、高価（100から300万円程度）である一方、しゃがんでいる人の検知漏れがあるため、より高精度で安価なカメラAIシステム開発が急務。
当社のAIソリューション活用による改善
画像認識とエッジコンピューティング技術の組み合わせで単眼カメラで高精度・高性能な人物・物体検知を実現！
道路舗装現場のカメラ画像を当社独自の深層学習（ディープラーニング）の画像認識・エッジコンピューティング技術を用いて学習・解析し、多くの建設現場で適用可能な汎用性の高い物体検出システムを開発。また、作業員と建設車両の接触事故を防止するため、カメラと作業員・建設車両間、作業員と建設車両間の距離推定機能を単眼カメラで実現。高精度に物体を検出し、単眼カメラによる距離推定を行うことで、高精度・高性能かつ安価なカメラAIシステムの両立を実現。
成果
テスト稼働では、高精度（認識率95%程度、測定距離8mに対して誤差が10cm程度）で作業員・建設車両を検知
カメラ画像入力から検出、警告発出までのリアルタイム高性能化（65ms程度）を実現
お客様道路舗装工事現場のガードマンコスト削減（10名⇒4名）に貢献
AIプラス 画像認識AIソリューション「外観検査」
自動車部品の検査用ラインで外観検査をAIに代用させ省人化
ディープラーニングを用いて自動車部品の外観検査（キズ、ワレ、バリ）において、新たな外観検査装置を構築
既存設備と連携して顧客の基準を満たした検査装置を実現！
AI導入前の事業課題
負担が大きく、多くの人員が必要な業務
既存の検査装置（パターンマッチング）で寸法検査と外観検査を同時に実施。汚れ外観検査の精度が悪いため、目視検査で全件再検査が必要な状態。検査は13名で対応しており、検査人数の省人化が必須。
当社のAIソリューション活用による改善
深層学習による画像認識と画像分類の手法を活用し、良品・不良品を判別する検査装置システムを開発！
既存検査機が得意な寸法検査と別に、外観の良品・不良品を判別するアルゴリズムを開発。検査ラインに流れる部品を撮影した画像を深層学習（ディープラーニング）の画像認識技術を用いて解析し、画像分類の手法を使って良品・不良品を判別。
顧客要件に合わせた形で判定精度に閾値を設け、既存検査装置およびPLCと連携し、全体の検査装置システムとしてすべてOSSにて構築。アルゴリズムについては、当社内のAI専用部門で開発したAIモデルを作成するエンジンを使用。
成果
お客様と協力して画像収集、ラベリングを実施し精度99.9%を達成
検査業務での人員コストを約半減
AIプラス 画像認識AIソリューション「刻印認識」
入荷部品の製造番号の文字認識
画像処理と深層学習技術によって工場に入荷される製造部品を撮影した画像から刻印を認識し、文字を判別するアルゴリズムを構築
産業用部品の製造物に刻印されている型番の読み取り検証を実施！
AI導入前の事業課題
さまざまな要因で負担が大きい帳票記入業務
製造外注により入荷される部品は、外注側の番号体系になっており、発注側による一律管理が困難。そのため、使用時に型番を読み取って帳票に手作業で記入する業務が負担。
当社のAIソリューション活用による改善
当社カスタマイズエンジンを用いた深層学習技術解析により、AIによる文字認識を高い汎用性で実現！
刻印の文字を認識するため、入荷してくる部品を撮影した画像を深層学習（ディープラーニング）の画像認識技術を用いて解析し、文字読み取りに特化した汎用性の高い文字認識アルゴリズムを開発。
アルゴリズムについては、当社内のAI専用部門で開発した日本語以外の文字列専用AIモデルを作成するエンジンを使用。検証作業を実施し結果のレポート提出と同時に次工程の提案を実施したが、費用および提供時期の面で検討中。
成果
顧客業務においても有効な精度を確保
文字に特化した汎用的なモデルを使用し追加学習188枚で10文字単位の正解率99.5%を達成
数値分析
設備効率向上ソリューション「故障予測」
産業車両の部品故障予測にAIを適用し予知保全を実現
複数のAI予測モデルを組合わせて産業車両の稼働情報・アラーム情報・修理履歴から故障リスクを算出、予知保全を実現。
本番環境にも導入し、現在も運用中！
AI導入前の事業課題
困難な産業車両の故障予知
さまざまな環境条件下で稼働する産業車両は、構成する部品に対する負荷が異なり故障タイミングも相違。
従来の故障後に対応する事後保全に代わり、産業車両から収集されたIoTデータをもとに故障の予兆を捉え適切にメンテナンスする予知保全の実現が急務。
当社のAIソリューション活用による改善
過去の修理履歴などのデータを用いて予兆モデルを構築し、部品ごとに故障リスクを算出！
産業車両から収集した稼働情報（温度、圧力、操作時間など）、アラーム情報と、過去の修理履歴を用いて故障の予兆パターンをAIが学習。
対象部品の故障モード（経年的・突発的）に合わせてAI予測モデルを複数構築し、それらが予測する故障リスクを組み合わせて業務活用。また、対象部品の故障モードに合わせてデータ加工を行い精度を向上。
AI予測モデルは、週次で部品ごとに故障リスクを算出し、故障リスクが一定以上になったタイミングで保守員にアラーム通知、通知を受けた保守員が現場で点検することで予知保全を実現。
成果
AI予測モデルが算出した故障検知率は70%程度を見込み、それに基づくアラーム活用で予知保全を実現
会員活性化支援AIソリューション「人数予測」
商業施設における人数予測AIによる空調制御
時系列データと各種属性情報を用いたAIによる来客人数の予測により大型商業施設の空調を制御。省エネ・CO2削減を実現！
本番環境にも導入し、現在も運用中！
AI導入前の事業課題
定格運転により非効率的な空調制御
商業施設の空調制御は、定格運転で運用されているため、人が少ない場合でも運転する無駄が発生し、省電力化が急務。そこで、快適空調を実現しつつ無駄を省くため、施設内のどのエリアに、いつ、どのくらい来客されるかの詳細な予測に応じた制御実現を検討。
当社のAIソリューション活用による改善
時系列データと各種属性情報の活用で10分単位での人数予測モデルを実現！
施設内のエリア別の来客人数の時系列データに加え、天気情報、天気予報情報、平日、土日祝などの属性情報を組合わせた時系列のAI予測モデルを構築。
AI予測モデルでは、日々開店時から閉店までの10分単位の人数推移を、10分ごとに更新して提供。1日のピーク人数、ピーク時間帯を把握することで、冷暖房の出力調整など空調制御の効率制御に活用。
夏休みや連休など通常からの傾向の変化も実績データから再学習することでAI予測モデルへ反映し、精度の維持、向上を実現。
成果
年間30%のCO2削減見込み、消費電力抑制による省電力に貢献
uniSQUARE ML「歩留改善」
金属加工の不良発生をAIで予測して歩留まり率を改善
生産ラインなどから収集したデータを3種類の予測モデルを組み合わせて分析し、加工工程での不良発生を予測！
不良が起こる前に適切なメンテナンスを可能にすることで歩留まり率を改善し、コストを削減！
AI導入前の事業課題
不良発生によるコスト増大化
部品の製造コストが高いため、不良発生すると機会損失が増大。そのため、研削具の調整や交換の適切なタイミングを把握し、研削・研磨工程での不良の予防による歩留まり率の改善により、コスト削減を検討
当社のAIソリューション活用による改善
製造設備データや製造物の品質データを３種類の予測モデルを組み合わせ分析し、不良発生を予測！
生産ラインから収集した製造設備データと製造物の品質データを分析し、研削・研磨工程での不良発生を予測。分析では当社の経験豊富なデータサイエンティストが3種類の予測モデルを構築。
①サイズ、傾斜角度などの品質データをもとに、研削具の劣化で品質が悪化する傾向を予測
②電力や研削具位置などの設備データをもとに突発的な不良を予測
③研削具の目立てなど調整による状態の変化に伴う不良発生を予測
以上のモデルを組み合わせて不良予測と通報を行うシステムを構築。
成果
不良が発生する前の適切なタイミングで研削具の調整や交換、設備設定の見直しなどを実施し、不良発生による機会損失を削減
歩留まり率を導入前99.4%から導入後99.5%に改善し、年間生産量を1億個年とした場合、約10万個の不良を抑制
言語処理
活文 Intelligent Data Extractor「データ自動抽出」
見積書内容の自動抽出で、データ登録業務の負荷軽減を実現
データ自動抽出基盤「活文 Intelligent Data Extractor」により見積書のデータ入力を自動化により98%の作業時間を削減！
作業負荷の軽減と見積書作成日数の短縮を実現！
AI導入前の事業課題
手入力で負担が大きい業務
取り扱い商材の種類が多く、5,000社以上の仕入れ先からの見積書の型番、数量、金額などの内容を当社の見積システムに手入力するため、担当者の作業負荷が過大。
見積提出までに時間がかかる
見積作成にかかる手間が大きく、販売先への提出まで時間が長期化。
当社のAIソリューション活用による改善
「活文Intelligent Data Extractor」で見積書の内容をPDFから自動抽出し、データを登録まで実施！
仕入先メーカーには「見積書はPDFファイルとして作り、メールに添付して送付」することを依頼。営業担当者は仕入先からメールで届いた添付ファイルの文字データがコピー＆ペーストできる状態であることを確認したうえで、全社共有のファイルサーバーに用意されている仕入先別フォルダに格納。バックグラウンドで待ち受けていた「活文」がPDFファイルから型番・品名・数量・金額などの見積データを自動的に抽出し、CSVファイルを生成。CSVファイルの場所（フォルダパス）を営業担当者が見積システムに指定し、仕入先の見積データの自動登録まで実施。
成果
仕入れ先の見積書の情報（見積番号、品名、数量、単価）を自動抽出
約300行の明細が必要な電設資材の見積書入力が、1日半から15分に短縮し作業工数を削減
販売先に提出する見積書をより短期間で作成。販売先へのサービスレベル向上を実現
活文 知的情報マイニング「自然言語処理」
品質情報の重要度を「活文 知的情報マイニング」のAIで判定
「活文 知的情報マイニング」のAPI連携により自動車販売代理店から送らてくる品質情報の重要度判定の工数削減と時間短縮を実現！
品質情報をもとにした製品の品質改善業務の負担を軽減！
AI導入前の事業課題
機械化が難しい品質判定業務
品質情報の重要度の判定業務はさまざまな表現で書かれたテキスト文の内容を解釈する必要があるため、難易度が高く、機械化が難しい。
人員不足と属人的業務による結果のぶれ
判定業務には、販売代理店での業務や自動車整備の経験者が充てられており、人数に限りがあり、経験値も異なり、時間がかかるとともに、担当者のスキルによって重要度判定結果にバラツキが発生。
当社のAIソリューション活用による改善
「活文 知的情報マイニング」のAPI連携により、従来のフローを大幅に変えず、AIによる重要度判定を実現！
長年、品質情報の重要度を判定してきた膨大なデータを、"教師データ"としてAIに学習。市場品質情報を受け付けるシステムと、判定結果を入力するシステムの間に「活文 知的情報マイニング」を配置し、寄せられた品質情報の重要度を判定。その判定結果と根拠となった過去の判定データとを合わせて担当者に提示する仕組みを構築。
既存システムと連携するためのシステム開発を前提として考えていたが、「活文 知的情報マイニング」で提供されているAPIを活用することで、短期間での導入を実現。
成果
実証実験では目標正答率70%に対し、正答率87%の成果を実現
AIを活用して重要度1次判定業務の工数削減と時間短縮を実現
担当者のスキルに依存しない判定品質の平準化を実現
自動要約システム CoreExplorer／TS「自動要約」
コールセンターの通話内容の自動要約による履歴登録業務支援
教師なし学習による自動抽出が可能な「CoreExplorer／TS」を用いて製品マニュアルやFAQなどを学習し、コールセンターでの通話内容テキストから重要文を抽出する要約システムを構築！
コミュニケーターの応対履歴登録を支援し、業務生産性の向上に寄与！
AI導入前の事業課題
手作業の業務のため時間が必要
コミュニケーター業務の効果的な時間活用に向けて、デジタル化技術適用を検討。コミュニケーター業務の中で通話終了後の応対履歴の登録業務は、応対中のメモや記憶から文章を作成しており、時間がかかる作業として負担。
要約業務は高い専門性が必要
コミュニケーター業務での音声認識システムの活用を検討しているが、テキスト化された音声には、不要な単語や内容まで含まれており、本番活用に壁。
当社のAIソリューション活用による改善
教師なし学習による自動抽出と当社チューニングによる要約学習で音声テキストを要約するシステムを構築！
製品「CoreExplorer／TS」を利用し、音声テキストを要約するためのシステムを構築。CoreExplorer／TSでは、「教師なし学習」を採用。製品マニュアルやFAQなどをコーパスとして用いた学習により、「教師あり学習」と比較して、学習作業を効率的に実施。
アルゴリズムは、Word2Vec＊1の技術をベースに日立ソリューションズ東日本で考案したスライディングウインドウ方式＊2により、重要文を抽出。また、不要文除去、重要単語の重み付けなど部分的に「教師あり学習」を用いたチューニングを行うことで、要約精度を高めることが可能。
＊1：単語をベクトル化して表現し、テキスト処理を行うAIの手法
＊2：通話内の発話を時間に沿ったウィンドウで区切り、重要文を抽出する方法
成果
提供された学習データが少ない中でのPoCにおいて、他社要約製品と同等以上の精度を実現
教師無し学習を採用したことで正解データの準備が不要となり、運用コスト低減に寄与
※ 本ページに記載の成果は、導入ユーザーでの事例であり、すべてのユーザー環境で実現できるものではありません。
