Functions AI予測・因果探索ツール「NTech Predict」の3つの機能
機能01 予知保全
AIが毎日のデータから異常が起こるタイミングを予測し、メールで通知。
データの寄与度も表示するため、故障の原因となる箇所を推測することができます。
故障が発生する前に修理することで、メンテナンスコスト削減・ダウンタイム短縮を実現し、業務を効率化します。
- ■分析モード
- 観測データでは目視できない異常傾向をAIが解析し、特徴量を自動生成。
故障に影響する特徴量を選択します。
- ■運用モード
- 分析モードで選択した特徴量から将来を予測するモデルを生成し、日々の観測データから異常の予兆を自動検知・通知します。
AI予知保全の流れ
- データの取得
- 各センターから所定の場所に収集したデータを自動で取り込みます。
- 特徴量可視化
- AIがデータから異常傾向を表す特徴量を自動生成し、グラフ化します。
- 予測
- AIが将来の異常傾向を予測するモデルを自動生成し、異常発生時期を可視化します。
管理者に異常をメールで通知。
- 可視化
- 異常予測に加え、各センサーの寄与度をグラフ化。故障の原因となる設備を推測できます。
機能02 因果探索
目には見えないデータ間の因果関係を特定し、関係の方向や強さをチャート図で可視化します。
異なる観測条件が混在する場合は、データを分離するクラスタリングを実施できます。
滋賀大学データサイエンス学部・清水昌平教授の発明した「統計的因果探索(LiNGAMモデル)」を適用しています。※1脚注
清水昌平教授HP：Shimizu Lab. | 清水ラボ
機能03 時系列予測
時間と共に変化するデータの未来をAIが自動予測。
需要予測や売上予測、消費電力予測、収穫量予測などに活用できます。
データサイエンティストの作業を自動化し、無駄のない最適な計画策定をアシスト。
「XAI」が各データの影響度も表示するため、予測結果に作用している要因を知ることができます。
3つの機能を横断的に使い、
包括的なデータ利用が可能に。
3つのデータ分析機能を使えば、さまざまな問題解決のヒントを見つけることができます。
例えば、時系列予測と因果探索を使ってデータの動向と因果関係を推定することで、より確実な対策を選択することができます。
また予知保全を使って装置の故障を予測しながら、因果探索を用いて故障のメカニズムを解明すれば、根本原因から保守点検を行うことが可能です。
NTech Predictは予測結果に対するアクションの意思決定を支援します。
説明可能なAI「XAI」※がブラックボックス化を防ぎ、予測根拠を表示します。
「XAI」が、予測結果に対する各データの影響度を表示。
予測の根拠を算出するため、結果に作用している要因を知ることができます。
- ※「XAI」(Explainable AI)とは
-
答えを出すだけのAIから、答えを信頼するための根拠を提示する技術です。「説明可能なAI」とも呼ばれています。
人間が与えた情報に不確実性がある中で、AIの答えが正確になることはありえません。
そのため、AIの答えを信じるべきかどうか、最終的な意思決定は人間が行うことが大切です。
「自動特徴量エンジニアリング」※が、膨大なデータから予測に必要な情報を自動抽出します
「自動特徴量エンジニアリング」機能が膨大なデータを加工し、自動で特徴量を抽出。最適な組み合わせを自動探索し、分析作業を効率化します。
データサイエンティストでも2週間かかる作業を、最短半日に短縮することが可能です。
- ※「自動特徴量エンジニアリング」とは
- データから予測に必要な情報を抽出し、説明変数として自動的に追加していく技術です。例えば日時のデータからは[午前・午後]の情報が得られます。月日のデータからは[四季]や[曜日（休日、祝日）]の情報を得ることができます。
