Technology
見る（Perception）・決める（Intelligence）・動かす（Physical）の3層を、ひとつのチームで扱います。AIのモデルから、現場の設備やロボットまで繋げてお渡しします。
層ごとに、扱う技術と、選ぶときに見るところをまとめています。
Structure
3層とも当社の中で扱います。見る・決める・動かすのどこから入るご相談でも、そのままお受けします。
Perception
見る・読む
カメラ・センサー・帳票から状態を取り出します
たとえば
検査画像から、良否とその理由を取り出す
Intelligence
決める
取り出した情報から、次の一手を出します
たとえば
異常の兆しを、担当者によらず同じ基準で判定する
Physical
動かす
設備・ロボット・人の手順に返します
たとえば
判定結果を、設備の停止や作業指示にそのまま渡す
動かした結果は、また「見る」に戻ります。使うほど、判断の材料が増えていきます。
Layers
層ごとに、扱う技術と、選ぶときに見るところをまとめています。
Perception
カメラやセンサーが捉えたものを、意味のある情報に変えます。後ろの判断を支える土台の層で、モデルより先に「撮り方」から設計します。
よくある課題
選定時の判断基準
撮影条件から決める
照明・角度・背景を先に揃えます。ここが安定すると、どのモデルでも精度を出しやすくなります。
不良品の枚数を数える
不良品が何枚あるかで、選べる手法が変わります。少ない場合に向く手法もあります。
見逃しと過検出のバランスを決める
工程にとってどちらを優先するかを先に決め、その基準に合わせて調整します。
進め方のポイント
導入前に、時間帯や季節をまたいだ現場の画像で確かめます。検証環境で出た精度を、現場でもそのまま出すためです。
扱う技術
Intelligence
捉えた情報から、次に何をすべきかを決めます。予測を出すだけでなく、なぜそう判断したかも残るので、現場が納得して使えます。
よくある課題
選定時の判断基準
説明が要る判断かを見る
品質保証や監査に関わる判断なら、根拠が残る手法を選びます。
AIと人の分担を決める
AIが自信を持って判定できたものは自動で流し、迷ったものだけを人に回します。
使うほど賢くなる仕組みにする
運用しながら学習データが増え、精度が上がっていく形で組みます。
進め方のポイント
生成AIで答えを出すときは、根拠にした文書を必ず並べて出します。現場がその場で確かめられる形です。
扱う技術
Physical
判断を、実際に設備やロボットを動かすところまで繋ぎます。既存の設備に組み込むことも、横に足すこともできます。
よくある課題
選定時の判断基準
既存設備との繋ぎ方を決める
制御盤に手を入れられない設備には、後付けのセンサーで、設備に触れずに繋ぎます。
どこで処理するかを決める
止められない工程は、現場のエッジ機器で完結させます。通信が切れても動き続けます。
自動と人の役割を決める
自動で止めるのか、人に知らせて判断してもらうのかを、現場と一緒に決めます。
進め方のポイント
通知を出すときは、誰がいつ何をするかまで決めてお渡しします。受け取った人が、そのまま動ける形です。
扱う技術
How We Choose
現場の条件から順に決めていき、モデルと構成は最後に選びます。決めることが増えるほど、選択肢は絞られていきます。
何をもって効いたとするかを決める
見逃し率か、工数か、判断のばらつきか。最初にここを決めます。
現場の制約を先に置く
通信、電源、設置場所、止められない時間帯、触れない設備。最初に並べておきます。
手持ちのデータで届く範囲を見る
いまあるデータで解けるなら、そこから始めます。足りなければ、集めるところを最初の一歩にします。
運用する人を決める
誰が日々見て、誰が直すのか。引き渡したあとも回り続ける形にします。
最後にモデルと構成を決める
ここまで決まれば、選ぶものは自然に絞られます。既製品で足りる場合は、既製品をお勧めします。
Typical Setups
現場の条件に合わせて、主に4つの構成から組み立てます。
Contact
AI導入テーマが決まっていない段階から、技術検証・PoC・実装方法をご相談いただけます。
こんなご相談から
