fbpx

Tag Archives: コンピュータビジョン

AI・オートメーション ブログ 製造
製造企業: AI等によるインフラやコロナ対応、特にスマート工場

現在、コロナ渦の7波を乗り越えていることに力を注いでいる同時、円安によるインフラの危機に向き合う製造企業は、コロナ対応と営業維持を同時に実施することは艱難だと思われます。その課題にある鍵はAIなどのような先端技術のようです。とりわけ、スマート工場は、疫病発散防止および営業成長の対策として専門家に提出されます。 1.現状 NHKによると、新型コロナウィルスの第7波では、感染者数が減少しても、重症による死亡者数は前波に比べて90%を増加したそうです。コロナウイルスに馴染んできたが、コロナ対応の対策は一秒たりとも気が緩んではいけないだろう。また、2022年の秋ごろには円安が続く見込みです。このまま円安が続けば、物価が上がり続けるインフラの状態になりかねません。それは製造企業に直間接的に人手不足や原価上昇などの影響を与えます。しかし、歴史を振り返ると、インフラや疫病などを同時に対応する方法はないかもしれません。幸いに、超スマート社会へ進む道では、ビッグデータ、AI, IoTなどの先端技術はその課題の鍵となり、人手最小で営業成長を与える一石二鳥の方法だと思われます。 2.インフラやコロナ対応に向けての5つ技術 2.1. 非接触指紋認証システム 職場や工場などでクラスター発生を防ぐために、物理的な接触を制限することを多くの製造企業が取り組んでいます。代表的な例はコンピュータビジョンによる画像認識や顔認識システムを使用したそうです。コロナ渦以前、出退勤やにゅう出入駐車をIC カードで管理する代わりに、コンピュータが画像を分析して認識することです。打つ退勤を使うとき、作業員は出退勤のための紙を打つことを忘れることがあります。しかし、顔認識システムを使用するなら、出口を出入することで出退勤を同期してはすごく便利です。 応用事例:  我々の顔認識システムであるFaceXは、ベトナムでコロナ状況が深刻してきた時点から導入され、社員たちの出退勤および出退室の時間を記録して管理します。指紋又はICカードを使うことない非接触方法で、コロナを対応する同時に、疑われる者が職場を入り込めることを防止することに貢献します。社員たちからすごく便利で時間がかからないという好評を受けました。また、VTIグループは、バイクのナンバープレートを認識するコンピュータビジョンによるのシステムを開発しました。それは、出入駐車を素早く管理し、盗難を防止することができます。 VTI のFaceX 2.2. バーチャルアシスタント [...]

AI・オートメーション ブログ
医療ビッグデータと活用事例

1990年代に提唱されたビッグデータは、近年注目されていると伴い、多岐多様な業界での活用事例が多くなるようです。とりわけ、医療ビッグデータは、多面的に導入されることが2025時点で世界の先陣を切って、過去最多の数量があるようです。しかし、ビッグデータ、そして医療ビッグデータはなんだか、どういうふうに活用されるか、という問題をすっかり理解する人は少ないと思われます。本記事は、医療ビッグデータとそれの活用事例を説明します。 1.医療ビッグデータとは? ビッグデータは、1990年代に提唱され、従来のソフトウェア又はインタネットプラットフォームを使用する制御できないほどの膨大なデータを指すことです。しかし、普通のデータ定義に匹敵するには雲泥の差があるようです。データは多くの場合で「情報」の意味で使われ、「数量」と「質量」を中身とする一方、ビッグデータは六つの要素で構成されます。それらはValue、Volume、Velocity、Variety、Veracity、Variabilityという六つのV字を含みます。Volumeがデータの数量を指す一方、Velocity は動いているデータと、データの作成・処理・分析の頻度と速度という意味です。それらに次いで、Veriaty は複数のデータセットの複雑さと不均一を表します。また、Veracity はデータの質量、関連性、信頼性と予測できる価値を中身とします。それに、Variablity は時間の経過とともにデータの変動を指します。最後は一貫性に緊密な関係がるValueはユーザーが入力した価値に関します。 医療の場合、医療ビッグデータは電子カルテや、メディカルイメージング、ゲノム配列決定、薬学研究、ウェアラブルデバイス、メディカルデバイスなどの膨大なメディカルデータを表します。伝統的な電子的なメディカルデータと、人間によるメディカルデータと比べると、膨大な数量や高速度といった特徴で意思決定又は診断をより正解に下すことを支援します。ビッグデータとAIを組み合わせて次のプロセスの通りに結果を出します。データは、センシングデータや、クリニックデータ、電子カルテといった情報を入力・管理・保持する倉庫(データウェアハウス)から分析過程(そこではAIが診断したり、予測したり)を通じて、より正解かつ節約的な結果となります。 ビッグデータ分析のワークフロー 2.医療ビッグデータの活用例 Google Scholarで投稿される研究(1,2,3)によると、医療ビッグデータの活用事例は患者中心のサービス、より良い治療方法の提供、医療機関や社会のマクロ管理等のモニタリングという三つの要素を分けられます。 2.1.患者中心のサービス 2.1.1.病気の診断又は予測 ビッグデータとAIを組み合わせれば、病気の診断をより正解な下すことができます。例えば、画像の方式での膨大なメディカルデータをマシンが人間のように分析・処理するコンピュータビジョンは、患者のレントゲン及びICT [...]

AI・オートメーション 製造
(2022年)製造業向けのコスト削減アイデア:先端技術を活用する

従来、コストを削減することに悩んでいる製造の企業管理者は多いだと思われます。原価を下げるために材料を減らせることや、人件費をカットダウンするための人事削減などの方法を使えば、目の前の利益はまだ見えないが、品質が低くなるだろう。ありふれた方法は同時に品質向上とコスト削減を実施しかねます。ところが、インダストリー4.0に入ると、無理艱難な課題を解決できるそうです。ここにある秘密の鍵はAIを代表とする先端技術です。本記事は製造業でAIを導入する10つのコスト削減アイデアと、それぞれの活用事例を説明します。 1. 論理上のコスト削減方法 以下の方式は多くの人が慣れるかもしれません。 利益 = 売上 ー コスト  営業を維持したければ、売上はコストより大きいと保たなければなりません。この差が大きければ大きいほど、会社を成長させていきます。利益最適化の目的に到達する企業管理者は、売上を向上するかコストを削減するか迷い込んでいます。しかし、数多くの製品市場が成熟し、質高い品物でも売れないという「ものが売れない時代」では、短期に売上を向上することは難しいです。一方、コスト削減方法を選ばれた、「間接費」又は「直接費」を天秤に置かれないといけないです。 1.1. 直接費 直接費は製品の価格に直接影響をもたらす要素で構成されます。それは、次の通りに三つの部分があります: +)直接材料費:原料費、買入部品費など 基本的に見れば、これはカットしにくい費用です。なぜかというと、取引先との契約書で固定された費用だからです。カットすることは取引先との緊密さ次第です。 +)直接労務費:製品・サービスの提供に直接的に関わる社員の給与 これは、上記のように、カットしにくいです。社員たちとの契約書でフィックスされた費用ですから。カットしたければカットしてもいいけれど、社員たちのモチベーションを減らせるかもしれません。それは、製品の品質を低くすることにつながります。 +)直接経費:外注加工費など これは、製品の質に直接影響を与えるので、カットしにくいです。 [...]

AI・オートメーション ブログ
医療におけるコンピュータビジョンの応用例

現在まで、コンピュータビジョンはスポーツや、製造、農村などの幅広い分野で応用されます。とりわけ、コンピュータビジョンによる著しい利益を医療がもらえるというコンピュータビジョン医療のテーマを多く取り上げています。なぜかというと、メディカルデータの90%は画像に基づいたデータという統計結果がありますから。根本を見ると、コンピュータビジョンは二つの質問を基礎とするものです。それらは、人間の目で何ができるかと、何を探しているかという。コンピュータビジョンは、チャットボットを通じて、会話を駆使するためのトレーニングをマシンに教える代わりに、現実的な画像をピクセルと変えて認識することで、画像の観察方法をマシンに教えます。また、MRI画像又はレントゲン線で見える画像を人間の代わりにマシンがより正確かつ素早く分析できると思われます。 1. コンピュータビジョンとは? コンピュータビジョンはマシンを、人間の眼のように画像を高度に処理させる分野です。実は、思った以上に難しい作業です。何故かというと、人間の眼の画像処理は、名前や外見特徴などの画像情報を処理したり、画像の受け取って高分解度で脳に複製したりすることに関わる複数のプロセスをほぼ同時に実行できますから。認識プロセスだけではなく、思考プロセスも一瞬時に実行できるアルゴリズムは非常に複雑です。 上記の定義を見れば、コンピュータビジョンはマシンラーニングと同じだと思われますが、実際に両方の境はすこし重なります。マシンラーニングはマシンが案内せず自動的に処理・理解するアルゴリズムとスタティックモデルを中心とする人工知能の一つの分野です。コンピュータビジョン、ソフトウェアエンジニアリング、パターン認識に応用されるものです。また、コンピュータビジョンとマシンラーニングの両方ともディープラーニング(深層学習)を使用します。 コンピュータビジョンの定義 2.医療におけるコンピュータビジョンの応用 Facts and Factors の市場調査報告書(2021年)によると、医療におけるコンピュータビジョンの市場規模と予想売上は2019年の2億6220万米ドルから2884,2百万米ドルに達すると言います。なぜコンピュータビジョンにとって医療は有望な市場なのでしょうか。それは二つの理由があると思います。一つの理由は、従来先人の知識を継承し、ふさわしい診断や治療方法を患者ごとに応用する、つまり膨大なメディカルのデータを持った特徴があるので、処理するべきデータはデータ在庫から相当なデータと比較・認識することを実施します。残りはコロナウィルスの影響で多くの業界がデジタル化に実行しざるを得ない、そして医療は例外ではないんです。何の出発点でもコンピュータビジョンは医療に好影響をもたらすと思われています。 2.1.腫瘍・癌などの検出 深層学習を使用するコンピュータビジョンは脳や肺などの人体各部位に異常を検出することを支援します。たとえば、皮膚がんの場合、普通の診断で皮膚がんの初期症状を認識しにくいです。それは、様々の皮膚病と相当する症状があるので、皮膚がんを確認するとき、死に向かい合う可能性が高いです。しかし、コンピュータビジョンの支援を借りて、微妙な相違点を発見することができると言われます。膨大なデータベースでトレーニングされたコンピュータはより正確に診断を支えるものです。 2.2. 医用画像処理 膨大なメディカルデータを駆使するコンピュータビジョンは医師の診断を非常に支援します。医用画像処理システムのおかげで、医師は一見だけで人体の内部に異常があるかどうか理解できます。 [...]