機械学習導入支援サービス

簡単、速い。「機械学習」+「クラウド」による分析

資料請求/お問い合せ

機械学習導入支援サービス

機械学習導入支援サービスの概要

人工知能(AI:Artificial Intelligence)の活用は、あらゆる産業のビジネスモデルを変える潜在能力を秘めています。
機械学習(Machine Learning)は、人工知能の技術要素の一部分です。 IoT の導入が進むビジネスシーンにおいて、クラウドと IoT 機器が連携しながら、さまざまな機能やサービスの提供を実現するために、クラウド AI やエッジ AI として、その技術が活用されています。

本サービスでは、時系列予測、異常検知・故障予知、画像認識など、さまざまな技術要素で IoT 分野における AI 活用への取り組みを支援します。


時系列予測(例:時系列回帰モデル)
時系列予測(例:時系列回帰モデル)

  • 消費電力、エネルギー負荷予測
  • 近い将来の特定時点における数値予測

異常検知・故障予知(例:状態空間モデル、リカレントニューラルネット)
異常検知・故障予知(例:状態空間モデル、リカレントニューラルネット)

  • 外れ値や変化値をもとにした、異常値検出
  • 画像や音、振動データを利用した、異常検知
  • 現時点の状態分析結果を利用した、故障予測

画像認識(例:画像分類、物体検出、セグメンテーション)
画像認識(例:画像分類、物体検出、セグメンテーション)

  • 撮影画像の仕分け、分類
  • 不良箇所の検出
  • 画像や動画を利用した状態監視



サービスメニュー

Azure Machine Learning 活用サービス
Azure Machine Learning 活用サービス

    Microsoft 社の Azure Machine Learning(以下 Azure ML)を使って、ビジネスにおける機械学習の活用を支援します。

  • 企画、実証実験(PoC)
  • モデルの構築、導入、運用
  • Azure ML 操作トレーニング

クラウド AI 開発サービス
クラウド AI 開発サービス

SBT のデータサイエンティストの支援のもと、さまざまな機械学習フレームワークを使ってモデル構築を行います。

エッジ AI 開発サービス
エッジ AI 開発サービス

リアルタイムデータ分析の要となる、IoT 機器への AI の実装を行います。


導入支援サービスのアプローチ方法

導入の流れ

機械学習導入支援サービスは、お客さまの導入ステージに応じて、企画検討から設計、実装、チューニング、導入、運用の各プロセスを通して、AI ソリューションの実装を行います。

SBT 3つの強み

強み1

得意分野であるクラウド、ビッグデータ活用の推進力

Microsoft Azure をはじめとする多くのクラウドサービスの導入実績がある当社なら、お客さまのデータを活用し価値のあるインサイト創出へと導きます。

強み2

実績と経験が豊富なデータサイエンティストによる支援

Azure ML をはじめとするさまざまな AI 開発ツールを利用した開発実績と、データ分析の経験が豊富なデータサイエンティストの支援で、最適な AI ビジネスモデルを実現します。

強み3

マイクロソフト、AI パートナーとの強力なリレーション

クラウド AI、エッジ AI 双方の分野において、マイクロソフト社、当社 AI パートナー企業と共に取り組んできました。このリレーションシップが、お客さまの実現したいビジネスモデルを形にします。

IoT ソリューションに関する資料請求・お問い合わせ

本サービスに関する資料請求やお見積り、ご不明点など、お気軽にご相談ください。

活用事例

活用例1: エネルギーデータの将来予測(時系列予測)

エネルギーデータの将来予測(時系列予測)

課題 設備エネルギーと消費電力をクラウド上で予測し、効率的かつ最適な設備設計・提供を実現したい。

  • 電力コスト削減
  • エネルギーロスカット
  • 機械学習開発の工数低減
技術 簡単にモデル構築が可能な Azure ML を採用し、エネルギー予測モデル(時系列回帰)を構築。自動化やサービス提供に向けた連携開発にも対応。
成果 予測結果の活用や、提供を通じたエネルギー最適化計画のモデルと基盤構築に成功。Azure ML の採用により、自社内で精度検証を行うしくみを、レクチャーとあわせて支援した。
将来の展望
  • 予測結果の提供サービス化
  • 学習モデルの精度を自動チューニング
  • お客さま IoT 基盤システムとの連携



活用例2: 撮影動画による不良箇所検出(画像認識)

撮影動画による不良箇所検出(画像認識)

課題 ドローン搭載の赤外線カメラを利用して、太陽光発電ソーラーパネルの故障箇所を特定したい。

  • 法令による義務化
  • 点検効率の向上
  • 自社サービスの利益拡大
技術 Deep Learning による画像のセグメンテーションと分類を実施。分析基盤には Azure データサイエンス VM(DSVM(GPU))を採用し、従来の学習時間を1/10以下に削減し、精度検証効率も向上。
成果 特定種別の検査対象において、正解率93.5%の精度実現に成功。オリジナルの画像検出モデルとして、検査用 Web アプリケーションに組み込める形で提供した。結果、これまで2時間要した検査作業が3分となり、お客さまの業務時間短縮に成功した。
将来の展望
  • 最新の画像認識手法を利用した検出精度向上
  • 学習モデルの精度自動チューニング
  • エッジ上での推論実行による高速/効率化



IoT ソリューションに関する資料請求・お問い合わせ

本サービスに関する資料請求やお見積り、ご不明点など、お気軽にご相談ください。

導入事例