Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

[Cloud OnAir] Google Cloud の AI / IoT 最新事例紹介 2020年10月22日 放送

Google Cloud が提供している AI / IoT ソリューションの最新事例について、各業界のお客様がどのように機械学習やデータをビジネスに活用しているかをご紹介、解説させていただきます。

  • Login to see the comments

[Cloud OnAir] Google Cloud の AI / IoT 最新事例紹介 2020年10月22日 放送

  1. 1. Cloud Onr Cloud OnAir Cloud OnAir Google Cloud の AI / IoT 最新事例紹介 2020 年 10 月 22 日 放送
  2. 2. 写真を配置後 角丸六角形くり抜きの図形を 被せてください https://goo.gl/NcsiAz Speaker Cloud OnAir Customer Engineer, ML Specialist Toshio Kodama, Dr. Eng. 博士(データ工学) 製造・小売・金融等の各業界での AI 導入支援を行う
  3. 3. Agenda Cloud OnAir 1 3 2 4 Google Cloud の AI / IoT ソリューションのご紹介 IoT 事例 機械学習、深層学習の事例 製造における品質管理 DX
  4. 4. Cloud OnAir Cloud OnAir Google Cloud の AI / IoT ソリューションのご紹介
  5. 5. Cloud OnAir すべての開発者向け・自由度が低い 機械学習の専門家向け・自由度が高い Google の学習済み モデルを活用 Cloud AutoML カスタムモデルの 開発を自動化 機械学習 API カスタムモデルの 開発を効率化 AI Platform 燃料 エンジン Googleが提供 Google が提供 お客様が提供 Google が提供 お客様が提供 お客様が提供 Google Cloud AI のプロダクト分類
  6. 6. Cloud OnAir Gateway Edge IoT, Edge ML WAN 接続管理 Cloud IoT Core イベント起動 & ETL Dataflow, DataPrep, Cloud Functions 保存 Spanner, BigTable, BigQuery, Firestore, GCS, DataStore, etc 解析 & インサイト 抽出 Cloud ML, AutoML, TensorFlow アプリ開発 Data Studio, Firebase 設備 セキュリティ Cloud IoT で IoT をエンタープライズ スケール
  7. 7. Cloud OnAir 機器データ データ蓄積 モデルの学習 Cloud IoT Edge リアルタイム解析& ML Edge TPU 運行データ 学習済みモデル エッジデバイス Edge ML Edge Connect データ 学習したモデルを配信 クラウド側でモデル学習エッジ側で推論し行動する CPU GPU Cloud IoT Edge で変わる機械学習ライフサイクル データ受信
  8. 8. Cloud OnAir Cloud OnAir IoT 事例
  9. 9. Cloud OnAir ● 7 万台を超えるガス発電・給湯暖房機器や業務用の発電設備等をクラウド IoT 基盤に接続し、 BigQuery 上でデータを集約 ● AutoML Tables を活用したガスの需要予測や発電機の最適な制御を実施 ● 小規模な発電装置から生成される電力を集約した仮想発電所システムの基盤で ニアリアルタイム処理を実現 ● コンサルティングサービス( PSO)や教育プログラム( ASL)を通じて人材育成も実施 都市ガスインフラを支える IoT 分析基盤上で大量データのハンドリングや分析が可能となった ASL 終了時の一コマ 1. 家庭のガス需要予測・発電機制御の最適化 (大阪ガス)
  10. 10. Cloud OnAir Cloud OnAir 機械学習、深層学習の事例
  11. 11. Cloud OnAir 2.輸送車輌の基盤部品の劣化予測 (車輌部品メーカー) ● 輸送車両の基盤部品の劣化を予測したいが、工作機械からデータだけでは予測精度が 上がらない。部品の画像の外観検査を実施 ● AutoML Vision を用いて、ひびあり (57 枚)・ひびなし (151 枚) の 2 値分類を実施 少量の画像で高精度の予測精度を達成、実用化に向けて画像を収集中 ひびなし(Free) ひびあり(Crack)
  12. 12. Cloud OnAir 経産省が公開する災害情報の記録文書データから、 Natural Language API を利用して ロケーションやイベントに関するワードを自動抽出し、共起ネットワークで可視化 災害情報の可視化によりインサイトが得られ、災害事故対策に活用 「階段」と「坑内」「詰め所」「足場」 が関連 = 階段に共通した事故がある 「終了」でネットワークが連結 =作業終了後の災害が多い 災害情報の共起ネットワーク 共 起 ネッ トワ I ク作 成 分析ワードの自動抽出 階段 坑内 足場 終了 詰め所 3. 災害記録文書データの可視化 (化学メーカー)
  13. 13. Cloud OnAir 『オススメ編成』を導入で初心者の勝率が 5 ポイント上がり、長期的なプレー継続率が向上 ● さまざまな「スキル」を持ったキャラクター約 3,000 種を効果的に組み合わせる 「デッキ」の構築が初心者には難易度が高くなっていた ● ASL* を受けた技術者が、 AI platform を利用して「デッキ」の構築を AI でサポートする『オススメ編成』を実装 *Advanced Solutions Lab、Google の AI 教育プログラムのこと 「ASL では、Google で実際に AI プロダクトを作っている エンジニア達と多くの議論を していたので、 AI 開発の落とし穴な どを先に見越しておくことができまし た。こうした知見が なければ、開発はもっと難航したか も知れません。」 (開発リーダー・奥村氏) 「デッキ」 4. 「逆転オセロニア」の「オススメ編成」 開発 (DeNA)
  14. 14. Cloud OnAir ● 増設メモリの価格はソフト / ハードウェアの受給の影響を受け、 日々変動するが、価格予測の計算式を定期的に更新する工数が大きくなっている ● AutoML Tables を利用し、増設メモリの価格を PC (7 種) や サーバー (6 種) の市場価格から予測を行う 特徴量エンジニアリング、アルゴリズム選択 / パラメータ調整の自動化機能により、 容易に高精度の予測を達成、増設メモリ価格予測の自動化を実施予定 モデルの予測精度 特徴量の重要度 5 増設メモリの価格予測 (電子機器メーカー)
  15. 15. Cloud OnAir Cloud OnAir 製造における品質管理 DX 事例
  16. 16. Cloud OnAir 工程 1 工程 2 検査工程 N・・・原材料 市場 検査 NG 設計 ・・・ データが繋がっていない ので、すぐに原因が調 査できない... 原因をたどるには ノウハウがある人に聞く しか無い... 製造に関わるデータが繋がっていないと...
  17. 17. Cloud OnAir 工程 1 工程 2 検査工程 N・・・原材料 市場設計 ・・・ 繋がった データ データが繋がっているので 課題対応がスピードアップ 課題への対応を標準化して ナレッジベースを作成しよう 繋がったデータ
  18. 18. データ可視化 予測 原因分析 工程能力指数 稼働率 売上予測外観検査 (画像) 分類 製造工程 自動化 強化学習Mixed Reality クレーム率 製造についての繋がったデータがあれば、 要因探索から最適化までの改善が可能に 繋がった データ 工程個別 プロセス全体 非定型データ単体 定型データ単体 非定型・定型データ複合 回帰 時系列 プロセス異常の 原因探索 品質管理のロードマップ Google Data Portal Cloud ML Cloud Storage Cloud ML 最適化・自律化AI Platform

×