TECHNOLOGY
機械学習・予測モデルのAI活用
「機械学習・予測モデル」に関する記事 101本・導入事例 12件・製品 12件。技術の切り口でまとめています。
-
製造業のAIとは?できること・できないことを5つの機能で整理する入門
-
業種別に見る製造業AI:30業種の課題と効くAI用途を1枚のマップで整理
-
製造業の需要予測AIとは?統計手法・LightGBM・基盤モデルの使い分けと導入手順
-
工場の省エネAI:設備別の見える化・ベースライン回帰・最適制御の3段階
-
予知保全AIとは?異常検知・故障診断・余寿命推定の3段階と導入6ステップ
-
製造業の調達・SCMのAI:需要連動発注・サプライヤーリスク・価格予測の4用途
-
時系列データの異常検知AI入門:統計・予測残差・再構成型の3方式と選び方
-
製造業のAI活用10領域:外観検査・予知保全から設計・技能伝承まで一覧
-
半導体前工程のAI:ウェハ欠陥検査・バーチャルメトロロジー・装置保全の実際
-
AI学習に使えるMESデータ一覧:実績・停止理由・品質判定・作業者など8種類
-
工場向けMLOps:モデルの版をロットのトレーサビリティに記録する運用設計
-
EU機械規則2023/1230とAI:「自己進化する安全機能」は第三者評価が必要に
-
中控技术TPT 2:プロセス産業の時系列大模型が工業AI収益を伸ばす理由
-
食品工場のAI活用:キユーピーの原料検査から需要予測・省人化まで5用途
-
異常検知の誤報を減らす:1日あたり誤報件数とイベント単位評価で設計する
-
省エネ効果の正しい測り方:生産量で補正するベースライン回帰とISO 50001
-
需要予測の精度指標:MAPEが壊れる3つの理由とWRMSSE・MASEの選び方
-
在庫最適化AI:安全在庫を需要と調達リードタイムのばらつきから決める
-
工程パラメータは「重要データ」か:中国工信領域のデータ分類分級と日系工場
-
産業機械メーカーのAI活用:受注設計・調達・組立・アフターサービスの4領域
-
医薬品製造のAI:GMP・CSVの要求とAIのバリデーションをどう両立するか
-
需要予測AIの効果測定:Tüpraşの納期遵守率85%→95%に学ぶ業務KPIの置き方
-
製造業AIのROI試算:効果の数え方と投資回収期間の出し方を3つの例で
-
中国政策が「工業小モデル」を明記した理由:大小モデル協同と模数共振の考え方
-
华为盘古大模型5.5の工業応用:予測大模型とCV大模型の中身を読む
-
鉄鋼業のAI活用:圧延の品質予測・設備保全・エネルギー最適化と宝鋼・南鋼の事例
-
時系列異常検知の評価の落とし穴:71手法×967系列の比較で分かった3つの事実
-
ブルウィップ効果をAIで抑える:需要情報の共有と発注平準化の4つの打ち手
-
需要予測AIはナイーブ予測に勝っているか:ベンチマークの作り方と3つの罠
-
空調・熱源・コンプレッサの最適制御AI:東京ガス×エイシングの約5%省エネ
-
多変量SPC(MSPC)入門:Hotelling T²とQ統計量で相関のある工程を監視する
-
振動データの予知保全AI:ISO 20816の評価ゾーンから機械学習までの使い分け
-
AIに必要な学習データ量の目安:外観検査・予知保全・需要予測の3用途別
-
AIモデルのドリフト監視:材料ロット・季節・設備改造で精度が落ちる仕組みと対策
-
樹脂・成形メーカーのAI活用:成形条件・金型管理・外観検査を変える5つの方法
-
需要予測をS&OPと生産計画につなぐ:予測区間を安全在庫に変換する方法
-
需要予測に必要なデータ:出荷実績を需要と見なす誤りと最低2周期分の履歴
-
多変量の設備データで異常検知:SWaTデータセットに学ぶ51センサの扱い方
-
熟練計画者の暗黙ルールをモデル化する:計画AIが現場で使われない問題の解き方
-
安全AIの再現率と誤報のトレードオフ:警報が無視されない運用を設計する
-
多品種少量・受注生産のAI活用:見積・計画・段取りで効く4つの使い方
-
工作機械とAI:加工条件の最適化・工具摩耗予測・機上計測の3つの使い方
-
需要予測AIツールの比較:SaaS・APS付属・内製Pythonの3類型を8軸で比べる
-
マテリアルズ・インフォマティクス:材料開発の実験回数を1/9にした逐次学習
-
予知保全は閾値管理で足りるか:機械学習が要る4条件と「誤報率10%」の壁
-
異常ラベルがない工場データの異常検知:正常データだけで学習する4つの手順
-
ベイズ最適化で条件出し:射出成形16実験で最適条件に届いた研究の読み方
-
M5コンペに学ぶ需要予測:LightGBMとクロスラーニングが上位を独占した理由
-
調達価格予測AI:鋼材・樹脂・電子部品の市況を予測して購買判断に使う方法
-
段取り替え順序の最適化:順序依存の段取り時間をAIで減らす方法と効果の測り方
-
外観検査AIの学習データは何枚必要か:良品200枚・不良数十枚の目安と集め方
-
需要予測AIが現場で使われない5つの理由:予測値を営業が上書きする問題
-
時系列基盤モデルChronosは需要予測に使えるか:ゼロショット予測の実力と限界
-
射出成形の品質AI:成形条件データで不良を予測し条件を自動補正する方法
-
製品系譜(ジェネオロジー)で不良の真因を追う:MESデータを使った要因分析の手順
-
中国の大規模設備更新政策と工業AI:2027年に設備投資25%増の目標
-
補修部品・少量多品種の需要予測:ゼロが多い間欠需要を扱う4つの方法
-
外観検査に生成AI(VLM)は使えるか:従来の異常検知モデルとの3つの違い
-
树根互联の工業AI:設備250万台の接続から時系列予測大模型への転換
-
飲料メーカーのAI活用:充填ラインの検査・需要予測・CIP洗浄の省エネ
-
金型メーカーのAI活用:見積・加工条件・金型保全とメンテナンス時期の予測
-
Siemensの産業用基盤モデル(IFM)とは:3Dモデルと図面を読むAIの狙い
-
鋳造・ダイカストのAI活用:鋳巣の予測とX線検査・型式判別の事例
-
化学のバッチプロセスAI:多品種バッチの品質予測と条件最適化の進め方
-
新製品・品番切替の需要予測:履歴がない品目を類似品で予測する3つの手法
-
歩留まり改善AI:宝鋼の熱延幅予測で歩留まり0.5%向上の事例と再現の条件
-
AI開発契約の注意点:経産省モデル契約で確認する成果物の権利と責任7項目
-
AIサプライチェーン計画の欧米勢:o9・Kinaxis・Aera・SAP IBPを比較
-
めっき・表面処理のAI活用:液管理・膜厚予測・外観検査を自動化する方法
-
EU機械規則2023/1230とAI:2027年1月適用で機械メーカーが備える5点
-
時系列DBとヒストリアンの選び方:PI System・クラウド時系列DB・OSSを比較する5軸
-
欧米のプロセス分析AI比較:Sight Machine・Seeq・Braincube・Fero Labs
-
板金加工のAI活用:図面からの見積・ネスティング・曲げ順序の自動化
-
バーチャルメトロロジー(VM):半導体の全数測定を推定に置き換える仕組みと精度管理
-
振動・画像など高頻度データの扱い:保存期間・圧縮・特徴量化の設計4項目
-
AI・機械学習・ディープラーニングの違い:製造業の3つの例で理解する
-
ポンプ・ファン・コンプレッサの状態監視AI:回転機の異常を早期に見つける設計
-
生成AIと従来の予測AIの違い:製造業の業務で使い分けるための5つの基準
-
紙・印刷のAI活用:紙切れ予測・印刷欠陥検査・段取り削減の3用途
-
工作機械の工具摩耗をAIで予測:主軸負荷データから工具交換時期を決める方法
-
3D外観検査AIの使いどころ:レーザ変位計とステレオで凹凸・高さ不良を捉える
-
製造業の特徴量ストア:品番・設備・時間窓の3軸で特徴量を共有し横展開を速くする
-
AIの「精度95%」をどう読むか:製造業で使う評価指標の基礎5つ
-
精密機器メーカーのAI活用:微細組立の検査・作業分析・校正記録のデジタル化
-
図面をどのAIに見せるか:ファナック・三菱重工の国産基盤モデル投資と経済安全保障
-
製造業AIで使うデータ6種類:画像・時系列・実績・品質・文書・音声
-
良品0枚から始める外観検査:WinCLIPなどゼロショット異常検知の実力と限界
-
製造業AIのリスク一覧:品質・安全・法務・運用の4分類12項目と対策の担当部門
-
多品種少量生産でAIは使えるか:品種切替のたびに学習し直さないための4つの工夫
-
組立加工とプロセス産業で異なるAIの使い方:データと制御の違い3点
-
製造業AIの基本用語30:会議やベンダー提案で困らないための語彙集
-
説明可能なAI(XAI)とは:品質保証部門が求める根拠の示し方4つ
-
品質保証部門のAI活用:検査・不具合解析・文書業務の6つの使い方
-
設備保全部門のAI活用:点検・予知保全・保全記録の検索まで5つの使い方
-
生産管理部門のAI活用:生産計画・納期回答・在庫最適化など4つの使い方
-
予測AIと数理最適化の違い:生産計画・条件出しで組み合わせる3つの型
-
異常検知と分類AIの違い:不良データが少ない製造業での選び方3基準
-
教師あり学習と教師なし学習の違い:外観検査・予知保全など製造業の6用途で整理
-
PFN、国産基盤モデル「PLaMo 3.0 Prime」をMicrosoft Foundryで提供開始
-
三菱重工とPFNが資本業務提携:出資100億円でミッションクリティカルAIを共同開発
-
ファナックがNoetraに出資:国産マルチモーダル基盤モデルに製造業44社が参加
「機械学習・予測モデル」の導入事例
-
美的荆州工場がAIグラスと品質エージェントで初品検査を15分から30秒に短縮
-
美的厨热の芜湖工場がAI計画とコントロールタワーで納期39%短縮、灯塔工場に選出
-
美的通用制冷の重庆工場が79のデジタル施策で製品構成のリードタイムを81%短縮
-
海尔の中央空調互聯工場がAI自動スケジューリングで設計周期62%短縮、領航級に
-
宁德时代の宜宾工場がAIエネルギー管理とマイクログリッドで排出を56%削減
-
徐工が領航級智能工厂で受注から納品までの周期を55%短縮した事例
-
海康威视が領航級工場のAIラインで効率243%増、段取り替え時間を半減させた事例
-
格力電器が珠海の工場にAIモデル155個を組み込み、管理効率を46%高めた事例
-
恒力重工が2人で2週間超かかった計画業務をAIソフトで約30分に短縮
-
タイヤ大手の中策橡胶が卓越級工場で開発期間50%短縮・不良率0.5%を報告
-
カーボンブラックの黑猫集团が浪潮云洲の工業AIで新製品の品質合格率を15%向上
-
宝钢が华为の盘古大模型で熱延の仕上げ幅予測を改善し、歩留り0.5%向上
「機械学習・予測モデル」に関わる製品・サービス
記事を探す
CONSULTATION
「AIで何ができるのか分からない」段階からご相談ください
AI導入テーマの選定、PoCの設計、データ基盤・MESとの連携、本番運用と人材育成まで。株式会社サオスの実務者が、貴社の現場とデータに合わせた進め方をご提案します。
AI導入の相談をする相談は無料です。特定製品の売り込みは行いません。