データサイエンス サービス

データサイエンス サービス

膨大なデータの山から、 未知なる価値、法則を発見!!
データ分析の豊富な経験・知識をご提供いたします。
データはあるけれども、どう解析や分析したら良いか分からないなど、お困りであれば、ぜひお問い合わせください。

ディープラーニング、機械学習、AI、ビッグデータ、最適化等の技術でお客様の幅広い用途にお応えします。

認識・判別

工場での品質検査や、製品の等級判定の精度を上げるためには、熟練したオペレーターの目視に頼っています。従来の画像処理では検査対象の部品、製品ごとの特徴量を見つけ出し、試行錯誤しながら設定する必要がありました。

ディープラーニングを適用し、自動で精度の高い判定を実現する品質検査、等級判定のアルゴリズムやロジッ クを選定、開発を提供いたします。

ディープラーニング(DL)

ディープラーニング

適用分野の例

  • 良品/ 不良品判別
  • キズ検査
  • 組織判別
  • クラス分類

認識・判別ロジックの開発の流れ

認識・判別ロジックの開発の流れ
従来の画像処理アルゴリズム開発の必要が無く
DLは画像の特徴を自動的に学習 ⇒ 開発期間の短縮

現象のモデル化、予測

複雑な物理現象、社会現象を線形近似、重回帰式等の数値モデル化では精度が十分に得られない場合、深層のニューラルネットを用いることで複雑なモデルにも適用が可能となります。

レタス取扱量DL 予測例

レタス取扱量DL 予測例

適用分野の例

  • 複雑で定式化できない現象のモデル化
  • 需要量、生産量、故障等の予測
  • 操業のガイダンス提案

ディープラーニングによる結果


従来手法(線形回帰)

解決策発見

統計手法、最適化手法を用い、ビッグデータからデータマイニングすることで操業、物流課題の解決策発見に寄与いたします。

  • データ解析から現状把握、課題の明確化
  • 分析結果から知見や法則を獲得し課題解決
統計解析によるデータ分析

異常判別

正常な運転データや製造品のデータは大量に入手することできます。一方、発生頻度が低い異常や故障データを多数収集するのは難しいため、従来は、正常と異常の境界領域が広くなり、誤検知が多くなってしまいます。

大量に入手可能な正常データで機械学習させた学習装置に異常を含んだ正常なデータを入力すると、正常データに含まれている異常データ部分を上手く分離して検出することができます。

膨大な正常運転データを用いて機械学習

主要ツール一覧

データサイエンス主要ツール(VBA、C、Python、R、SPSS、MATLAB、CPLEX)

関連リンク・関連記事

作業の流れ(受託解析の場合)

作業の流れ

このページに関するお問い合わせはこちらから

  • お問い合わせ
  • ご依頼の流れはこちら

JFEテクノリサーチ株式会社 営業本部