データ・アナリティクス・マイスターが語る ai/iot...

© Hitachi Solutions, Ltd. 2019. All rights reserved.

株式会社日立ソリューションズデジタルソリューション第2部

矢田智揮

データ・アナリティクス・マイスターが語るAI/IoTの最新事例とプロジェクトの進め方

SAS FORUM JAPAN 2019


会社概要

1

株式会社日立ソリューションズ（英文社名： Hitachi Solutions, Ltd.）

東京都品川区東品川４－１２－７

０３‐５７８０-２１１１（代表）

代表取締役取締役社長星野達朗

１９７０年（昭和４５年）９月２１日

２００億円

会社名

本社所在地

電話番号

代表者

設立年月日

資本金

１２，３７９名（連結）（2019年3月31日現在、HSTを含む）従業員数


会社概要

2

札幌

仙台

東京名古屋

大阪福岡広島

日立ソリューションズ・テクノロジー

従業員数 656名

従業員数（単独） 4,623名

日立ソリューションズ・クリエイト

従業員数 3,075名

日立ソリューションズ西日本

従業員数 1,125名

日立ソリューションズ東日本

従業員数 989名

従業員数：2019年3月31日現在


会社概要

3

Hitachi Solutions India Pvt. Ltd.

従業員数 688名

Hitachi Solutions Canada, Ltd.

従業員数 136名

チェンナイ

ロンドン

シンガポール

トロント

Hitachi Solutions America, Ltd.

従業員数 385名

アーバイン

マニラバンコク

Hitachi Solutions Asia Pacific Pte. Ltd.Hitachi Solutions (Thailand), Ltd.Hitachi Solutions Philippines Corporation

従業員数 221名

シドニー

パリ

ドバイ

オークランド

従業員数：2019年3月31日現在

Capax Global, LLC

従業員数 68名

シカゴニュルンベルク

Hitachi Solutions Germany GmbH

従業員数 190名

Hitachi Solutions Europe Ltd.

従業員数 223名


会社概要

4(注) IoT：Internet of Things、M2M：Machine to Machine

長年にわたる情報・通信システム事業の実績と経験日立グループの幅広い事業

海外グループ会社を中心としたグローバル対応力

豊富なパッケージ・サービスを活用したソリューション提供力

高品質・高信頼なシステム構築力・技術力

日立ソリューションズは豊富な経験や技術力、ソリューション提供力を強みにグローバル拠点が連携しお客様のビジネスの発展と社会イノベーションを実現します。


自己紹介

5

矢田智揮

日立ソリューションズデジタルソリューション第2部課長

日立認定データ・アナリティクス・マイスター

入社時は研究部門に配属、セキュリティ・クラウド・ビッグデータの研究に従事

近年は製造業のお客様向けに分析コンサルティングや、分析システムの導入を実施


アジェンダ

6

1.分析プロジェクトの進め方

2.弊社事例

3.弊社ソリューション紹介


AI関連動向①

7

様々な業界でAI（人工知能）が活用されている

ニュースでAIの話題がない日はない

5,832 日経新聞で『人工知能』を含む記事数（2018年1～12月）

製造業流通・小売金融医療ガン診断読影創薬

出典(*1) https://lpixel.net/technology/research-cases/(*2) https://ai.googleblog.com/2018/04/an-augmented-reality-microscope.html

デフォルト率予測不正取引検知与信

ターゲティングリコメンドチャットボット

故障予兆検知品質要因分析外観検査

予測

通知

フィードバック検知 (*1)

(*2)


AI関連動向②

8（出典）https://www.gartner.com/jp/newsroom/press-releases/pr-20181025

ガートナーのハイプサイクルによると人工知能は「過度な期待」のピーク期から幻滅期へ

これからが本番という時期


4年ほど前に良くあった話（実話）

9

データ入れて一週間待ってれば凄い結果が出るんでしょ？

AIは我々が将来どうすればいいか答えてくれるんでしょ？

何も出ません！電卓と同じで人間がどう使うか次第

答えられません！ガラケーの時代に、iPhone作ればいいみたいな『発想』は今のAIにはできません

AIって既に完成された凄いものがあるんでしょ？

ありません！単なるセールストークでしょう


分析プロジェクトの進め方と課題

10

分析プロジェクトは大きく４フェーズ

各フェーズのありがちな課題を整理

解決策は事例ベースで後述

• ビジネス課題の整理・KPI検討

• 活用/業務適用シナリオ検討

• 使用データ検討

• データ加工・分析

• 分析モデルの作成・精度検証

• 業務適用可能性の検証

• ビジネス効果検証

• 分析基盤構築（学習・検証・予測機能、DB、バッチなど）

• ダッシュボード構築

• テスト、リリース

• 学習・検証・予測用データ作成

• バッチ/リアルタム予測

• モデル変更/再学習

• 各種モニタリング

構想１検証2 構築3 運用4


【構想フェーズ】ありがちな課題

11

• 目的が不明確なままプロジェクトスタート→ 「とりあえずやる」と後々露頭に迷う

• 『目から鱗』『思いもよらない結果』が目的化→ これを探すことに躍起になり本題の業務課題解決から遠のく

• そもそもAIは不要→ 今回の課題解決に実はAIを使う必要はないかもしれない

• ユーザやビジネス部門がプロジェクトに不在→ 分析結果の妥当性や活用方法の議論ができない

• 効果を説明し辛いテーマを選定→ PoCから本格導入する際にプロジェクト中止になりやすい


• ディープラーニングなど最新手法を使うことが目的化→ ノーフリーランチ定理…万能な手法は存在しない

• 「分析の結果」と「ビジネスの成果」を混同→ で、その結果を誰がどう使うの？という観点がなく分析を続けてしまう

• その後の構築・運用を無視した分析→ 分析結果は良いが、複雑すぎて運用できない、現場で使えない

【検証フェーズ】ありがちな課題

12

業務チームと分析チームが

互いに密に協力していくことが肝要


【構築・運用フェーズ】ありがちな課題

13

データ加工マート

元データ学習データ作成モデル構築

予測

業務システム

連携

フィードバック

予測予測 BPM/BRMS

• 計算量の膨大化→ モデルの特徴量を計算する場合、大量データの加工・集約が必要となるため

業務上、必要とされる予測タイミングを守れるか？

• モデルの精度監視・更新が必要→ 精度劣化はないか？

新モデルに変える場合は既存モデルと大幅に変わっていないか？


そうは言っても…

14

各フェーズの課題を裏返せば上手くいく・・・が、実際はそんな状態にはなかなかできない

AIという良く分からないものは信用できない…

現場が協力してくれない…経験・勘・度胸で十分…

ベテラン社員が協力してくれない…

やる前に成果/費用対効果は保証できない…

組織が縦割りで部署間の連携がしにくい…

・・・

スモールスタート、クイックに検証(go/no-go)、

こまめに報告し、徐々に適用範囲を拡大


2. 弊社事例

15


製造業における保守・メンテナンス業務の動向

16

壊れてから手作業・人力で対処するダウンタイム発生による損失が大きい事後保全

TBM(Time-based Maintenance)時間基準保全故障に関係なく定期交換・修繕保全コストがかさむ

予防保全

状態基準保全CBM(Condition-based Maintenance)『IoT×AI』の活用・故障予兆検知による保全

予知保全

近年、製造業でのIoT活用が徐々に浸透予知保全による保守・メンテナンス業務の高度化へ


産業用車両メーカー様事例

17

IoTデータを活用しAIで部品の故障予兆を検知アフターサポートの効率化・高度化を支援

ビジネス課題車両の稼働率向上、ライフサイクルコスト低減

…

アラート

修理履歴

センサデータ

モデル構築

予測予測予測

解決方法

通知

車両から収集したセンサデータと、過去の修理履歴から故障の予兆パターンをAIが学習

故障リスクの高い部品をサービス員が重点的に点検することで突発故障を未然に防止

やはり交換しないとダメだな…

© Hitachi Solutions, Ltd. 2019. All rights reserved. 18

産業用車両メーカー様事例投影のみ


プラスティック製品製造メーカー様事例

IoTデータを活用しAIで部品の故障予兆を検知アフターサポートの効率化・高度化を支援

ビジネス課題装置の設定がベテラン依存、工場間で品質差異が発生

解決方法

射出成形機の成形条件データと、生産実績データからAIを用いて品質に影響を与える要因を分析

上記モデルを用いて、最も品質の良くなる成形条件をシミュレート、結果を可視化することで成形条件を最適化

射出成形機

可塑化状態を安定させるために、○○の調整が必要だな！

•樹脂温度•金型温度•充填圧力•射出速度•回転数•…

成形条件

•良品/不良品•不良モード•…

生産実績

樹脂温度金型温度充填圧力射出速度回転数

品質への影響度

品質要因分析

良品領域

不良領域

品質シミュレータ


まとめ

20

AIは魔法の道具ではない。結果の活用方法の具体化が必須

ツールにデータを入れれば良い結果が出るということはありません

実際は、何度も移行錯誤し、議論を重ねて進める必要があります

業務チーム、分析チームが一体となり最終的にどう使うかまで含めて検討することが頓挫しないポイントとなります

弊社には優秀な人財・実績がありますので、ぜひお声がけ下さい！


3. 弊社ソリューション紹介

21


品質指標

温度

圧力電流

流量

不良や性能などの品質指標と膨大な製造条件との関連性をモデル化

品質／性能要因分析による品質改善

従来の勘や経験によらない製造条件の仮説を自動的に生成製造条件を効率的に最適化可能製造条件仮説

故障予兆検知による設備故障を防止

故障前に現れるデータの変化をモデルによって捉えることで故障の予兆を検知・診断を実現

故障予兆検知によって解決できる課題例

• 生産計画通りに生産が進まず、販売機会損失が発生している• 修繕作業にとどまり要因特定・予防対策まで十分にできていない• 予防保全での定期的な部品交換をするため、まだ十分使える部品

を交換している

品質／性能要因分析によって解決できる課題例

• 不良品が発生する度に人手で原因を調査するコストが発生している• 量産に向けた最適な製造条件を見つけるため多くの試作や試験を

繰り返している

モデリング故障診断故障予兆検知

センサデータ稼働ログデータ保全実績データetc…

データ収集・整形

特徴抽出・選択数理モデリング

異常パターン一致

傾向予測正常時からの乖離

膨大な製造条件

製造工程

温度圧力

電流流量 …

突発的な設備故障

材質

ｻﾌﾟﾗｲﾔ

設備効率向上ソリューション


日立ソリューションズのSASの取組み

23

2019年7月1日認定予定

2018年度 Best Data Scientist Award受賞• SASのAI技術などを活用し、イノベーティブな分析案件を推進したパートナー企業を表彰

2017年度 Best Pioneer Award受賞• SASにとって新規顧客および新規エリア、業種の開拓に貢献したパートナー企業を表彰

SASのGold Partnerへ


日立ソリューションズのSASの取組み

24

関連URL

• SAS Analytics (6/11 リニューアル予定)https://www.hitachi-solutions.co.jp/sas/

• SAS Marketing Automationhttps://www.hitachi-solutions.co.jp/digitalmarketing/sp/products/sas_ma/

• SAS®Viyaの協業推進

• SAS Marketing Automationなど、マーケティング分野の協業推進

•データサイエンティスト×SASの取り組み(データサイエンティストのSAS資格取得など)

https://www.hitachi-solutions.co.jp/sas/

https://www.hitachi-solutions.co.jp/digitalmarketing/sp/products/sas_ma/


SASアナリティクス

25

SAS支援実績

# サービス名内容

① データ分析支援データ分析経験を持つデータサイエンティストによるデータ活用およびデータ分析のご支援

② SAS活用支援 SAS技術を業務活用するための技術的なご支援

③ SASライセンス販売 SAS製品によるデータ分析基盤に関するライセンス販売

④ SAS構築支援これまでのBI環境構築の経験を活かし、SASによる分析環境を構築するためのご支援

# 業種業務支援概要主な機能種類

1 通信営業拡販お客様の既存SAS環境でのデータ集計・分析業務の支援 EG、BASE ①

2 エネルギー営業分析 SAS環境の構築とレポート・データ処理開発 VA、EG、AMO ②③④

3 製造業故障予知データ分析業務（故障予測等）へのSAS適用 EM ①③④

4 金融(生保) 主計業務 SAS環境構築と技術的な事象の調査・解決支援、マイグレーション作業 EG ②③④

5 運輸マーケティング SAS環境のマイグレーション作業 EG、BASE ④

6 商社需要予測 SAS環境の開発支援と活用支援 EG、DIS ②

7 金融(保険) 営業支援 SAS環境の構築と技術的な事象の調査・解決支援 EG、VA ②④

8 鉄道生産管理 EnterpriseGuideの操作方法、技術的な課題事象の調査 EG ②

9 製薬・病院分析 SAS環境の構築や技術的な事象の調査・解決支援 EG、VA、BASE ②③④


データ分析支援

26

弊社データサイエンティストが『データコンサルティング』『データ分析』を行い、

貴社のアナリティクスを支援します

SAS Visual Analytics SAS Visual Data Mining & Machine Learning

データコンサルティング１

構想策定・仮説設定データの理解分析モデルの作成精度・効果検証

セルフサービス型でデータを視覚的に探索可能

ダッシュボード・レポーティング画面を作成可能

ディープラーニング・機械学習をフローチャートで実施可能

データクレジング、データ加工、ディープラーニング、機械学習の多種多様な機能を提供

データ分析2

保有データの状態確認(欠損・異常値等)

保有データの可視化

保有データの傾向把握

ビジネス課題の整理KPI検討

活用・業務適用シナリオ検討・協創

ロードマップ検討

データクレジング

データ加工(集約・グループ化等)

分析モデルの構築

予測結果の精度効果の測定

貴社へのご報告・議論フィードバック

PoC結果報告書作成


ご清聴ありがとうございました

ご記入頂いたアンケートと交換で

ノベルティをプレゼントします。

会場出口にて交換させて頂きます。

データ・アナリティクス・マイスターが語る ai/iot...

Documents