AiKno®：産業用AIにおける包括的なソリューション

メタデータの抽出

大半の一般企業では、膨大な量の書類の処理に追われ、過去のデータを手動で入力しています。 弊社のコグニティブメタデータ抽出モジュールでは、手間がかかるデータ数値化業務を自動化することで効率性を92～95％アップさせ、業務に要する時間を85%も短縮します。

このソリューションの独創的なところは、2D図、レガシー文書、スキャンした画像などの複雑な技術文書からメタデータを抽出できる点です。OCRは業界で多く使われているGD&Tシンボル言語などの技術記号を読み取れるように設計されています。 継続的な自己学習システムでは、リエンジニアリング不要で人からのフィードバックに基づいた自動修正や意味論に基づいたルールの推進を行います。

代表的な事例では、AiKnoは大手輸送会社の発注書と受領書の処理を最適化しました。 1,000通の書類を手作業でデジタル化するには チーム全体で233時間かかりました。AiKnoを導入することで、この時間を42時間にまで60～80％短縮できました。

大手石油・ガスサプライヤーにおける500万通の文書のデジタル化のサポート

コグニティブメタデータの抽出手法

文書エラーの解消法

予測解析

予測解析プラットフォームAiKno®では装置の状態をリアルタイムで観察して、装置の異常や不具合が実際に発生する前に検知します。 搭載されたAI/MLモデルにより、サービスリクエストは自動的にトリガーされるか、マシンが問題を解決するために自己診断プログラムを実行します。

弊社のフレームワークは、自動での前処理、様々な機械学習アルゴリズムの実行、主要メトリクスに基づいたモデルの比較のための機能を備えています。 このフレームワークが最適なモデルを自動的に選択して、モデルの作成における手作業の工数を減らします。

弊社では、大手鉱業会社のために原材料中のシリカの割合を高精度で予測するAIモデルを開発しました。 このモデルにより運用における効率性が大幅に向上し、原材料の廃棄を減らせました。

ログ解析

従来、開発者やオペレータはキーワード検索やルールのマッチングにより手動で機械のログを検査します。 この手法ではシステムの規模と複雑性は向上しますが、ログが急増するため、手動での検査が実行不可能になります。

手作業による工数と人的エラーを解消するため、AiKnoでは生のログデータを構造化する自動ログ構文解析アルゴリズムと、不正確なログを収集する異常検知などの機械学習手法を採用しています。この手法によりデバイスの問題を迅速に解決します。

例えば、弊社のログ解析では超音波装置の非構造化ログを解析して、構造化されたフォーマットに変換します。 この方法でログパターンを特定して不具合の種類を予測することで、事前防止的な対策を講じられます。

センチメント分析

AiKno®センチメント分析モジュールにより、顧客の理解度を深め、ユーザエクスペリエンスを向上できます。ドメインに関連したセンチメントは、様々なcsv、ログ、製品情報ファイルで利用可能なテキスト・ステートメントデータから引き出されます。 深層学習モデルを適用することで、重要なセンチメント情報をまとめて、製品や市場戦略に活用できます。