第四次産業革命という大きな時代の変革期、転換点の真っ只中にいる社会を生き抜くために、
AIという革新的なテクノロジーのビジネスへの実装、そして新たな利益の創出は
各業界においての喫緊の課題です。
100社以上の導入実績を誇るディープラーニングのリーディングカンパニー ABEJAは、
豊富なAI活用の知見・ノウハウをもとにお客様の状況やニーズに合わせて
AI導入・活用まで一気通貫で支援します。
トライアルで終わらない、
ビジネス実装される
AIのために
AIは作って終わりではなく、ビジネス現場での運用が始まってからが本番。保守運用はもちろんのこと、定期的に新たなデータを用いて再学習させてAIを育てる体制構築が必要です。
ABEJAはディープラーニングの運用基盤としてABEJA Platformを自社で開発。運用・再学習まで見据えて、ビジネスへのAI実装を支援します。
150社以上の
AIビジネス実装実績
製造業、インフラ業、物流業や
小売業まで、幅広い業界で150社以上のお取引。
AI導入への豊富な知見を基に
AIのビジネス実装をご支援します。
-
製 造
-
物 流
-
小 売
-
インフラ
-
IT
ABEJAが提供する
AIソリューション
-
熟練工の行動分析
熟練工の作業工程をAIが分析。未熟練工のマニュアル作成に活用。
-
商品仕分け
商品の画像とラベルのデータをAIが判別。商品選別・仕分け作業を自動化します。
-
工場での需要予測
製品をどのタイミングでどの程度生産・販売すべきかをAIが予測。AIによる在庫最適化も実現可能にします。
-
ダイナミックプライシング
需給状況に応じて価格をリアルタイムに変動。利益が最大化するように価格を動的に設定します。
-
メンテナンスサポートの効率化
故障問い合わせ内容に基づいて、修理方法や必要パーツを予測。修理にかかる業務の改善をAIがサポートします。
-
店舗分析
顧客行動データの取得・分析。来店客の年代・性別、立ち寄り率、リピート率といった顧客データを可視化します。
-
動線分析
人の動線をトラッキング。小売店舗や商業施設、空港、倉庫といった様々なロケーションで、人の動きを定量的に測ることができます。
-
自動検品
良品／不良品の判定や異常品の検知が、AIにより自動化。
-
ヒヤリハット検知
立ち入り禁止エリアへの侵入をAIが検知してアラート。接触事故を未然に防ぎます。
-
異常箇所の推定
AIが機械の異常発生箇所を特定することで、ダウンタイムを大幅に削減。
-
危険運転リスクの低減
運転手の行動・状態を可視化。危険運転の検知や、今後の事故リスクをアラートします。
-
熟練工の行動分析
豊富な業務知識を持ち、効率よく作業をこなしている熟練工の作業工程を分析できます。熟練工の作業工程をAIが定量化することで、未熟練工の作業効率向上のためのマニュアル作りを簡単に実現し、熟練工の勘と経験といったスキルを、誰でも使えるようにAIが支援します。
課題
- 熟練工と未熟練工との間で作業スピードの差が大きい
- 作業効率の改善を行いたいが、何を改善すればよいのかが分からない
期待される効果
- 未熟練工でも熟練工と同じ質・スピードでの作業を実現
- 作業効率が悪い部分を特定し、業務効率を改善
支援実績
- 製造現場での熟練工の作業ステップ定量化（自動車部品業）
-
商品仕分け
商品画像とラベルデータを学習し、個別商品を判別することが可能です。従来は人の手で行なっていた商品選別・仕分け作業を、AIにより自動化することができます。
課題
- 商品仕分けを行う作業員の人的工数・教育コストが高い
期待される効果
- 仕分け作業の自動化による人的コストの削減
支援実績
- レンタル返却品の数・アイテム種別の仕分け自動化（製造業）
-
工場での需要予測
材料調達から生産、販売までの各工程を分析することで、製品の生産・販売をAIが予測します。特定製品がどのタイミングでどれほどの量を生産し販売するべきなのかを自動予測し、生産管理、在庫管理にいかすことで在庫最適化も実現可能です。
課題
- 生産予測の精度が低く、過剰在庫や売り逃しが発生している
- 過剰在庫・在庫廃棄による利益率が悪化している
期待される効果
- 最適な生産量による利益最大化
支援実績
- 生産数予測（製造）
-
ダイナミックプライシング
需給状況に応じた、リアルタイムな価格設定を可能にします。売れ行き、在庫量、消費ニーズの高まり等をAIが解析し、需給状況を察知することで、もっとも利益が最大化する価格を動的に設定します。
課題
- 在庫状況や売行きを調べることが難しく、商品価格の設定にコストがかかる
- 需給状況の偏りや変動が大きく、価格設定による売り逃しや利益創出機会のロスが生じている
期待される効果
- 市場状況に応じた価格設定による販売利益の最大化
支援実績
- BtoB向け商材の価格最適化（商社）
-
メンテナンスサポートの効率化
製品故障の修理依頼をコールセンターが受けた際のオペレーションをAIがサポートします。お問い合わせ内容に基づいた修理方法や必要な修理パーツを予測し、修理効率を改善します。
課題
- 修理業者が訪問した際に修理に必要なパーツが一致せず、修理完了までに複数の訪問が必要となるため修理効率が悪い
期待される効果
- 修理効率の大幅な改善
支援実績
- コールセンター問い合わせ内容からの修理パーツ予測（製造業）
-
店舗分析
ディープラーニング技術を活用し、店舗に設置したカメラの動画から来店客の年齢・性別、店内の回遊状況など、従来取得できなかった消費者行動を可視化します。
課題
- 店舗施策の効果測定が難しいため、勘と経験に頼って販促計画を立ててしまう
- 収益につながる店舗施策が何か分からない
期待される効果
- 店舗の課題、改善点の可視化
- 店舗施策の効果を定量的に評価
-
動線分析
店舗内に複数台設置したセンサーを活用して、来店客の入店から退店までの動きを捉え、どのように回遊し、どこで立ち止まったかを定量的に把握することができます。
課題
- 店舗レイアウトの課題を定量的に評価できない
- シェルフごとに来店客がどのくらい商品を触っているのか分からない
期待される効果
- 商品配置やシェルフ位置の見直し等による、効率的な店舗レイアウトへの改善
-
自動検品
熟練スタッフによる勘と経験に支えられていた検品作業を、画像や音声データを教師データとして自動化。良品／不良品の判定や異常品の検知がAIにより自動で可能になります。自動検品により、人件費、スキルの高低による精度のばらつき、教育・採用コストの削減等を実現。拡張性が高いAIによる自動検品であれば、構築したモデルを国内外の他工場にも簡単に展開可能です。
課題
- 製品の最終検品を人の目と手で行っていた
- 熟練工と未熟練工との間で精度の差が大きい
期待される効果
- 未熟練工でも熟練工と同じ精度で検品を行うことができる
支援実績
- 製造現場での熟練工の検品業務の自動化（ポータブル端末向け部品業）
-
ヒヤリハット検知
工場内での立ち入り禁止エリアにて、人の侵入を検知してアラートを上げます。フォークリフトの通行エリアなど危険エリアでの接触事故を未然に防ぎ、より安全な現場を実現します。
課題
- 工場内で使用するフォークリフトと人との接触事故が発生
期待される効果
- 本来の動線の範囲から外れた動きがあった場合にアラートを上げることで事故を未然に防ぐことができる
支援実績
- 工場内の接触事故予防（物流業）
-
異常箇所の推定
センサーによる機器の稼働データと異常時の稼働パターンを学習することで、AIが機械の異常発生箇所を特定します。従来であれば故障原因の追求のため発生していたダウンタイムを大幅に削減。より効率的な製造工程を実現します。
課題
- 製造に使用している機器の不良が起きた際に原因を特定するのに時間がかかる
期待される効果
- センサーデータと実際の不良箇所を学習することで不良時のセンサーの状態の傾向から不良箇所の候補を出すことができる
支援実績
- 製造機器の異常箇所の推定（医薬品製造業）
-
危険運転リスクの低減
走行中車両のセンサーや運転手の生体情報を基に、運転手の行動・状態を可視化。危険運転の検知や、今後の事故リスクをアラートします。これにより運転手への事故防止指導やシフト改善が可能に。事故を未然に防ぎます。
課題
- 深刻な労働人員不足に伴う過酷な労働環境による危険運転が危険視されており、死亡事故も発生している
期待される効果
- ドライバーの危険状態を検知しアラートをあげる
- 危険状態が高頻度ででているドライバーのシフト改善、行動改善
支援実績
- ドライバーの運転環境・健康状態の可視化・危険運転リスクの低減（運送業）
導入までのプロセス
ABEJAでは、状況やニーズに合わせて、
一気通貫したAIプロジェクトの支援が可能です。
- 1活用方針の策定
- 2トライアル
- 3開発
- 4運用
-
Step1活用方針の策定
ご担当者様・関係者様のヒアリング、既存データの収集、リソースの確認等を通じて「AIを使ってやりたいこと・実現したい成果」を明確化し、テーマ・スコープの設定を行い、優先度・実現性・事業性を勘案しながら、費用対効果の算定を含めて事業計画を策定します。
-
Step2トライアル
事業実現に向けた学習に必要なデータの取得・蓄積を行なった後に、PoC (Proof of Concept)と呼ばれるトライアル分析を実施します。プロジェクトの目的がAIで実現できるかどうかを、簡易なシステム・データにて確認します。
-
Step3開発
トライアルが成功した後、本番環境に実装するためのシステムを開発します。データの取得・蓄積、AIモデルへの学習、AIモデルの本番環境への適応（デプロイ）、運用までの一連のシステムを設計・開発します。
-
Step4運用
AIモデルは精度の維持・向上のために、実装後でも定期的な再学習が必要です。ABEJAはAI・ディープラーニングの運用基盤であるABEJA Platformを自社で開発しており、本番環境に実装した後のAIの保守・運用を円滑に行います。
導入実績
