MENU CLOSE

CONTACT TRY TRYETING

CASE 実例紹介

熟練の技術を、高精度に自動化。生産プロセス条件の自動最適化システムの実現

INDUSTRY 産業
製造業
LAUNCH 公開
2019.03
COST 費用
15,000,000〜25,000,000
PERFORMANCE 効果 ※
1500% ※効果は導入時に算定評価したもので、その効果を保証するものではありません。また、5年間の償却期間における合計で算出しています。
TYPE 技術
  • 最適化のアイコン 最適化
  • 機械学習のアイコン 機械学習
  • ディープラーニングのアイコン ディープラーニング
  • 異常検知のアイコン 異常検知

PROBLEM クライアントの課題

外から見えないプラントの中で起こる化学反応を予測する

母原料を熱分解を含む化学反応を経て製造される、とある製薬原料用の結晶系材料に関して、これまで熟練の技術者が48時間以上もつきっきりで炉の状態監視を行い製造されてきました。これは複数の異なるコンディションの炉の条件や環境条件を考慮しながら、時系列的に変化する温度・pH・攪拌速度などのプロセス条件をコントロールしながら、目的生成物の収率を最大化するという至難の技です。当プロジェクトでは、過去のプロセス条件プロファイル(時間に対する変化) と最終収量を機械学習によりモデル化を行い、最適化アルゴリズムによる収率最大化が可能なプロセス条件の逆計算を行うものです。

SOLUTION TRYETINGの解決策

自動化・カイゼンAIによる生産性の向上の実現

長い間工場などの製造現場では、条件に対する結果としての生成物を評価する方法しか取られてきませんでした。この評価結果をプロセス条件と紐付けて長年学習してきた熟練者の感覚によってのみ、プロセス条件のチューニングができませんでした。
しかしながら近年、熟練者の高齢化や育成コストの高さから、製造プロセスのカイゼンに対してのハードルが非常に高くなっています。本プロジェクトは、まさにこの「熟練者の(長年の)学習」を機械によって置き換え、長い期間と多数の試行回数を必要とした「チューニング作業」を自動化しようというものです。
TRYETINGではまず、数年分の環境条件の異なる炉での製造プロセス条件プロファイルと、その最終生成物の収率・結晶構造別の存在比率などの「教師データ」を対応付けて学習することで、仮想空間で、さまざまな仮装実験ができるような物理モデルを構築しました。その仮想空間上でさまざまな実験条件を入力した際の、収率などの生成物状態を計算し、その最大化される条件を、最適化手法の一つである「遺伝的アルゴリズム」によって探索を実施しました。
さらにプラントの制御システムとの接続という実運用も視野に入れて、アルゴリズムプラットフォームソリューション「UMWELT(ウムヴェルト)」上で複数アルゴリズムを組み合わせる形で実装した、IoT・AI連携の好例と言えます。

既存のワークフローを高精度自動化していくAIソリューションとして

現場のベテラン経験者が勘・コツで実現していた技術・ワークフローは、世代の入れ替わりとともにロストされてしまう危険性をはらんでいます。このような属人性の高い「勘・コツ」をAIで代替することは、将来にわたって安定的な事業継続に欠かせません。しかしながら、通常本プロジェクトのようなプラントと結合するようなシステムは、AIがなくとも相応のITシステム投資が必要となります。とりわけ計算負荷や技術制約が大きいAIのシステムを一から構築するのは、期間・技術・コスト面から非常にハードルが高くなっています。TRYETINGは「UMWELT(ウムヴェルト)」上でAIを提供することで、高冗長化タスク分散処理型インフラを実現し、安定稼働、高精度で既存システムと簡単に結合しながらシステムをAI化することが可能となっています。既存のシステムを活かしながら知能化することで、企業のあらゆるデータを蓄積したバーチャル社員の構築を実現しています。