TOKYO, Feb 25, 2022 - (JCN Newswire) - NECは、過去事例データから事象の要因とその発生条件を導き出すことで具体的な改善条件を提示し、人が理解しやすい表現で施策立案支援を可能にするAI技術「ルール発見型推論技術」を開発しました。
製造業や小売業、金融業などの領域において、製品不良要因の事前特定や顧客の購買行動分析などに貢献します。
製品の品質管理や顧客分析など、データに基づく現状分析は様々な業界で行われています。近年、AIを活用した製品の品質状況の予測や顧客の購買行動予測が行われています。具体的には、将来予測とその予測結果をもたらす要因の提示をAIが行い、改善策や対策は、専門家の経験に基づいて立案されています。
しかし、人手不足の深刻化や熟練技術者や専門家の高齢化が進む中、技術や経験、ノウハウを伝承するとともに、AIを活用し、将来予測と共に施策立案まで含めたトータルな支援が求められています。
NECは、「人と協働し社会に浸透するAIの開発」を推進しており、このような課題解決に向け、本技術を開発しました。
技術の特長
本技術は、過去事例を正解データとして学習し、結果と結果につながる要因と発生条件を見出だし、「どの要因がどのような条件のとき、何が起きるか」をルールとして構築することで、各要因の改善条件を示すことができます。
例えば製造業における製品不良の要因分析では、原材料の成分配合や処理装置の設定など大量の要因が影響するため、構築されるルールが膨大になります。このため、これらのルールを網羅的に調査して、各要因の改善条件まで導き出すことは現実的ではありませんでした。
本技術は、各ルールの優先順位付けを独自の方法で行うことにより、より少なく、より高精度なルールを探っていきます。具体的には、実際に製品不良が発生したデータと発生しなかったデータを正解として学習させ、ルール群を構築します。そこから各ルールの優先順位づけを独自の方法で行い、さらに並列計算技術を応用することで、必要十分なルールを少ない計算量で選別できるように設計しました。
オープンデータを用いた実験では、事例全体をカバーするために既存手法で50個近いルールが必要だったものが、本技術では十数個のルールで達成できることを確認できました。これにより、従来手法よりも少ないルールでより精度の高いルールを導き出すことが可能となります。
ケース1：製造業における製品不良要因分析
製品不良要因分析における技術検証では、欠陥品に影響する要因を特定できるだけでなく、例えば『材料の温度が100度より高く、かつ設備の圧力が20hPa(ヘクトパスカル)より高いとき、80%の確率で故障する』など、これまで専門家が想定していなかった要因が欠陥品発生に影響する可能性も見出すことができました。
ケース2：小売業における顧客の購買行動分析
顧客の購買行動分析における技術検証では、過去の顧客の購買データや店舗施策データなどを基に、新規顧客から優良顧客へ何をきっかけに変化するか、その条件が可視化され、具体的な施策立案支援ができることが確認されました。
例えば、『商品Aの購入数が10点より多く、かつ来店回数が50回より多いとき、90%の確率で商品Bを購入する』などの、結果につながる具体的要因とその発生条件が提示できるため、施策立案が容易になります。
今後NECは、人が信頼できる、人が納得できるAIの開発を通じて、複雑かつ変化の激しい社会における人の判断を支援します。
なお、NECは、本技術を顧客の購買行動分析に活用したデモを「リテールテックJAPAN 2022」(会期:3/1(火)～4(金)、 会場:東京ビッグサイト(東京都江東区))において紹介します。
「リテールテックJAPAN 2022」について：
https://jpn.nec.com/nvci/event/rtj2022/index.html
本リリースの詳細は下記をご参照ください。
https://jpn.nec.com/press/202202/20220225_02.html
概要：日本電気株式会社（NEC)
詳細は www.nec.co.jp をご覧ください。
Copyright 2022 JCN Newswire. All rights reserved. www.jcnnewswire.com
