データグリッドが開発する疑似不良生成技術により、不良判定AIを作成するために必要な実在する不良データ量を8割削減することに成功

SHARE:

 株式会社データグリッド(本社:京都大学吉田キャンパス構内、代表取締役CEO:岡田 侑貴、以下「データグリッド」)と住友電気工業株式会社(本社:大阪市中央区、社長:井上 治、以下「住友電工」)は、データグリッドが開発する疑似不良生成技術により、不良判定AIを作成するために必要な実在する不良データ量を8割削減することに成功しました。また、不良判定AIの開発期間を8か月短縮できることも明らかにし、疑似不良生成技術の高い有用性を確認しました。
 不良発生頻度が低い製造現場でも熟練作業員並みの高度な不良判定基準を持つAIを実現させるために、住友電工が持つ不良判定技術とデータグリッドが持つ疑似不良生成技術を組合せ、苦手克服学習技術(弱点トレーニング・ループ)を付与した独自の不良判定AIの共同開発を進めた成果であり、両社は引き続き人手で行われている外観検査工程を自動化するなど、製造現場の幅広い工程を自動化する取り組みの加速・拡大に取り組んでいきます。
■取組の主な成果
 住友電工で製造する2種の工業製品について、データグリッドが持つ疑似不良生成技術を用いて、実在する不良画像を学習することで不良画像の特徴を捉え、実在する不良画像そっくりの疑似不良画像の作成に成功しました。今回生成した疑似不良画像のほとんどが技術者の目で見ても実在する不良画像に見える質の高さを確保することができています。
 さらに、工業製品Aの疑似不良画像を使い、データグリッドが持つ疑似不良生成技術と苦手克服学習技術(弱点トレーニング・ループ)の不良判定AIの開発高速化に対する効果検証を行いました。その結果、データグリッドが持つ2つの技術を使うことで、実在する不良画像の必要量を約8割削減することが可能になり、それに伴ってデータを収集するために要する期間を1/5に減らすことが可能であることがわかりました。
 データグリッドの疑似不良生成技術は、不良プロパティ(形状・大きさ・位置などのパラメータ)を自由自在に操作できる点が特長であり、製造現場ではめったに起きない不良だけでなく、熟練技術者の暗黙知である不良に関する知見に基づいた新しい不良についても好きなだけ疑似不良画像を生成することができ、不良判定AIの開発高速化に大きく寄与することが期待されます。

PR TIMESで本文を見る