令和元年度研究外部評価(中間評価)
整理番号 | テ ー マ 名 | 評価点 | 総合評価 |
19-M1 | 機械学習を用いた異常検知技術の実用化 | 15.6 | B |
研究期間 | 平成30年度〜令和2年度(3ヵ年) | ||
研究概要 | 機械装置等の振動データや画像データをAIで解析して異常の有無を自動検知する際に、異常時のデータを十分に用意できない場合でも、正常時のデータをAIに学習させることによって異常の有無を検知できる技術を確立する。 | ||
外部評価委員のコメント |
|||
・弊社は、外観検査装置を多く使用しており機械学習で異常検知できる事を期待します。 | |||
・この研究で作られるAIが県内企業で簡単に利活用できるものであれば、大変良いと思います。また、この技術・手法が色々なものに幅広く活用されることを期待します。 | |||
・ニーズに合ったテーマであると思います。但し、成果に対するジャッジの基準をさらに明確にして進めたほうが良いと思います。 ・画像の正常品の誤検知が20.5%とあるが、これをどう少なくできるかが非常に重要であり、当社でも課題と捉えています。 |
|||
・機械学習でのネックとなる学習データをいかに簡略化できるかという取り組みは非常に重要と考えます。ぜひ継続してください。 | |||
・実際に異常検知ができることを示すことができれば、県内の各企業がAIの導入に積極的になると思います。より導入しやすい形で、研究成果が仕上がることを期待しています。 | |||
・汎用的に使用するためには、今回の拡充研究は必要になります。今後の深層学習研究では、環境や機器などの違いにより、どの程度学習させると最良の結果が出るのかなど重みとバイアスに関する研究にも期待します。 | |||
・装置環境のみでなく、機種変更にも対応可能なAIを作るという目標変更は妥当です。 | |||
・経験値が影響するのでさらに時間をかけることが望ましい。 | |||
・近年、AIを活用した予防保全の研究は進んでいるが、それに必要なデータが膨大であることより、正常値のみの画像データにより異常を判別するアルゴリズムの構築は面白い。正常と判別した結果の中に異常値が含まれなかったことは評価できるが、異常値と分類された中に含まれる正常値が約2割あり、今後はこの割合をどれだけ減らせるかという点にも着目したい。振動データによる異常検知については、より汎用性を高めるために研究期間を1年延ばすということについては十分理解できます。様々な条件でも活躍できるAIモデルを期待します。 |