CASE

K社の工場では製造する上で、どうしても時間が経過すると不良品が発生してします。
不良品が発生し始めると、続けて発生してしまうため、早期に発見、できれば予知して改善したいと考えていました。
製造過程おける様々なデータをセンシングしており、このデータを活用したら予知ができるのではないかと考えていましたが、どのように進めるとベストなのかが分からず、社内独自の取り組みでは良い結果を得られませんでした。

経営層のつながりによってK社とKICONIA WORKSは接点を持ちました。
他の企業も含め様々な企業から提案をもらう中で、最も現実的で可能性がある提案で、たとえ失敗に終わっても次に繋がる示唆が得られそうであることを評価いただき、KICONIA WORKSと研究開発（PoC）に取り組むことになりました。

非常に複雑な製造工程であり、データも多種多様であったため、まずドメイン知識やデータを理解することが難しかったと言えます。
お客様の中で、こうしたら良いのではないかという抽象的なアイディアがあったものの、それをデータ分析や機械学習モデルの生成と評価を繰り返しながら具体化していくことは難易度は高いものの二人三脚で困難な課題に取り組む面白さもありました。
ただ、良い結果を求めるのではなく、短期間であっても様々な検証を行い、本質的な課題解決や良い結果を求め続けました。

結果的にはすぐに現場で使えるモデルの開発までは至らなかったものの、多くの検証の中で、今後どうすれば現場で活用できるモデルにできるか、どのようにAIを活用すると良いのかという点を、UI/UX観点含めて整理できたことを評価いただきました。
また、データ分析やモデル生成の過程も評価いただき、お客様に様々なナレッジを提供させていただき、喜んでいただきました。

• 呉屋（エンジニア）
  最初データを見たときには、理解がなかなか難しかったものの、お客様との対話の中でデータを徐々に理解していき、理解が進めば進むほど手法のアイディアも出すことができました。
  最初に決めたレールでプロジェクトを遂行するのではなく、お客様との対話や分析の過程での気づきをモデル学習に組み込んでいき、どんどん性能が高くなっていくことは、大変でしたが非常にやりがいを感じました。
• 書上（プロジェクトマネージャー）
  複雑な製造工程、データであったため、作成するモデルも多少複雑になり、それをお客様にしっかり説明し納得していただきながら進めることはチャレンジングでした。
  我々としても、気づきや学びの多いプロジェクトで、今後も同様の案件が増えることが予想される中、非常に良い経験の一つになりました。