AI導入実験コンサルティング・設計技術者支援サービス提供
掲載内容
◆会社概要
・技術メンバー紹介
・メンバーの対応分野例と特徴
・実用化に向けた課題に対応してきた豊富な経験
・弊社のAI導入コンサルティングの流れ
・弊社の取り組み方針
・製造業におけるAI機能の利用例
・その他のAI 機能の利用例
◆設計技術者支援サービスの紹介
・製造業における課題
・設計技術者支援サービスの狙い
・対象市場
◆詳細はカタログをダウンロードしご覧いただくか、お気軽にお問い合わせ下さい。
このカタログについて
| ドキュメント名 | Glia Computing 会社概要＆設計技術者支援サービスの紹介 |
|---|---|
| ドキュメント種別 | 事例紹介 |
| ファイルサイズ | 1Mb |
| 登録カテゴリ | |
| 取り扱い企業 | 株式会社Glia Computing (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
Glia Computing紹介
2020/09/
株式会社Glia Computing
©Glia Computing Ltd.
Page2
会社概要
• 会社名：株式会社Glia Computing
• 設立：2018年8月
• 代表者：田上啓介
• 事業内容：
• AI導入実験コンサルティング
• 設計技術者支援サービス提供
• 社員数: 8名
• 所在地:東京都千代田区永田町2-17-17 アイオス永田町516
• 主要取引先：株式会社NTTデータビジネスシステムズ
清水建設株式会社
株式会社日本製鋼所
株式会社ヤスナ設計工房
国立大学法人広島大学
他
©Glia Computing Ltd. C o n f i d e n t i a l 2
Page3
技術メンバー紹介
代表取締役社長 取締役
田上啓介 西田雅太
NTTデータに入社
サイバーセキュリティベンチャーなどで
2012年よりクロスコンパスに の研究開発を経て、2016年よりディープ
参画し、その後CTOに就任
ラーニングのコンサルティングおよびプ
2018年にGlia Computingを設立、 ロダクト開発に従事
同代表に就任
研究員 研究員
Pichai Kankuekul 時田陽一
2012年よりクロスコンパスに参画 学生時代に機械学習/統計を専攻。2006年より機械学習/
機械学習 (主にニューラルネットワーク) を用い 統計の研究開発に従事
てEarly Adapterの様々な課題の解決に従事 ベイズ推論、時系列解析も得意
研究員 研究員
芦原佑太 青木賢治
大学院時代からクロスコンパスに参画し、研究 遺伝的アルゴリズムやニューラルネットワーク
開発に従事。 に興味をもち、データマイニング・機械学習・
研究調査業務に加え、顧客課題の解決も担当 神経科学を研究
全脳アーキテクチャ若手の会社会人支部代表 GIS及びビッグデータ関連のシステム開発・運
用から機械学習の業務適用の技術開発にも従事
©Glia Computing Ltd. C o n f i d e n t i a l 3
Page4
メンバーの対応分野例と特徴
• 課題整理から課題解決に向けたアプローチの経験豊富
• 課題に応じて種々のフレームワークを利用
• 新しい論文からのアルゴリズム開発も対応
• 精度向上のための種々の工夫の経験豊富
• システム利用のための、エッジデバイスやチップへの落とし込み経験
行動予測 加工条件最適化
故障予測
©Glia Computing Ltd. C o n f i d e n t i a l 4
Page5
実用化に向けた課題に対応してきた豊富な経験
• 課題の本質再確認
（価値創造・経費削減）
• データの見直し・整理
• 誤判定の対応 これまでの開発・実験
の経験・ノウハウを
• 運用に必要な精度の検討
踏まえた工夫でお客様
• 適切なシステム連携及び運用
（追加学習・再学習含む） の課題解決に貢献
• 実用時の効果整理
©Glia Computing Ltd. C o n f i d e n t i a l 5
Page6
弊社のAI導入コンサルティングの流れ
• お客様との協業による課題解決
• お客様の価値の創出に貢献
• 豊富な経験に裏付けられた、課題解決力
システ システ
課題 技術調 レポー
実験 ム化 ム化
設定 査検討 ト評価 検討 対応
• 課題整理 • データ整理 • データ整理 • 実験評価 • システム連 • システム連
• AI活用の目 • アルゴリズ • データ評価・ • 課題洗出し 携検討 携対応
的確認 ム検討 前処理 • 報告会 • ターンアラ • Edge対応
• 期待する価 • 論文調査 • AI機能開発 ウンド評価 等
値の確認 • 実験 • 運用計画 • 運用対応
• データ確認
実験結果により、更に下記の対応を実施します
➢ 精度向上のための、アルゴリズム改良・再実験
➢ システムとの連携のための改良・開発
➢ 運用計画立案 等
©Glia Computing Ltd. C o n f i d e n t i a l 6
Page7
弊社の取り組み方針
実現性検証から、
実務運用まで
カバー
お客様の問題を、
お客様の業務とと
的確な課題設定を
もに、AI技術をス
行い、統計・AI技
ケールアウトさせ
術を駆使して解決
る
する
©Glia Computing Ltd. C o n f i d e n t i a l 7
Page8
製造業におけるAI機能の利用例
既に製造業のお客様におかれましても、様々なAI機能を業務に利用されるケースがでてきています
• 異常検知 • 予兆保全
• 大量のカメラ画像を学習 • センサーからのデータを
し、製品の不良を判別 学習し、劣化の傾向を把
• センサーからの時系列デ 握し、設備故障の予兆を
ータを学習し、リアルタ 警告する
イムで設備の異常を検知 • 設備故障前に計画的に保
• 異常データが少ないケー 守対応を行うことにより、
スでの対応となることが 製造ラインへの影響を最
多い 小限に抑えることを期待
• 修正パラメータ提案 • 工程生成
• 加工機械運転時に、製 • 希望する最終品のデータ
造不良が発生した場合 から、製造工程を推定・
、その後の製造での不 提案
良を抑制するような加 • 熟練工の作業手順を学習
工機械の修正用パラメ
ータ値を提案
©Glia Computing Ltd. C o n f i d e n t i a l 8
Page9
その他のAI機能の利用例
• ロボット制御 • 作業分析
• カメラ画像から、部 • カメラ画像から、対
品の把持箇所を判断 象機器での作業工程
• 把持部品をそれぞれ を分析
決められた場所への
配置
• 異常行動分析 • 音声分析
• 人の行動データから、 • 人の声から感情や状
通常と異なる行動を 態を分析
検出 • 出荷検査時に、動作
• 異常な動作を検知 音から不具合を分
析・検知
©Glia Computing Ltd. C o n f i d e n t i a l 9
Page10
設計技術者支援サービスの紹介
©Glia Computing Ltd. 10
Page11
製造業における課題
品質トラブルの原因（国内製造業の認識）
• 生産性の向上
• 熟練者の高齢化・人員不足への対応
• 熟練工のノウハウの伝承
• DXへの取り組み
• COVID-19対応による、サプライチ
ェーンの見直し
人材不足は深刻化 検査にデジタル技術を利用する企業は増加
©Glia Computing Ltd. 11
Page12
設計技術者支援サービスの狙い
• 設計工程における、熟練者のノウハウ（暗黙知）を活用
• 仕様書情報やその他設計図面に関連した情報から関連する設
計図面を検索
• 設計図面の中で、図面要素間の関連付けやルールを学習し、
活用
• 自然言語を用いて、設計図面及びその中の必要な要素を抽出
➢ 各要素の関連図
（例）
©Glia Computing Ltd. 12
Page13
対象市場
• 図面と連携する情報と図面を結び付け、図面内の要素の位置
並びにつながり等を検索することを実現する。
• 主に下記の市場を想定するが、実際のニーズのヒアリングを
行い、方向性の修正を行うことが必要
1. 機械設計市場
2. 回路設計市場
3. 機械・設備製品サポート市場（クレームや保守情報と設計図面
の連携）
4. プラント設計市場
5. レイアウト設計市場
6. 設備点検（防火設備等）市場
7. アパレルパタナー市場
8. その他
©Glia Computing Ltd. 13
Page14
本資料に対するご意見、ご質問は、下記までご連絡ください
mkase@glia-computing.com
©Glia Computing Ltd. C o n f i d e n t i a l 14