AI・機械学習を用いた画像分類とは?その方法、実活用例を徹底解説
AIや機械学習を活用した画像分類は広がりを見せています。最近では、次のような活用事例があります。 1. パン屋さんのレジ業務への画像認識AI活用 2. バスケットボールなどスポーツ関連への画像認識AI活用 3. 運送会社の安全運行や防災分野への画像認識AI活用 4. 電車やバスの改札・空港の認証ゲートでの画像認識AI活用 5. 音楽フェスなどイベントでの画像認識AI活用 6. 製鉄所における作業者の安全管理業務への画像認識AI活用 7. Eコマースサイトへの画像認識AI・検索技術への画像認識AI活用 8. マグロの検品業務への画像認識AI活用 9. ワイン検査業務への画像認識AI活用 AI・人工知能の技術が積極的に活用されている分野の一つに画像認識があります。画像認識は、画像(動画)データからパターンを認識して、その特徴から対象物を特定します。画像認識はディープラーニングにより精度が飛躍的に向上したため、現在、さまざまな業種・業界で導入が進んでいます。 本記事では、AI・人工知能・機械学習を活用した画像分類について概観し、その方法、実際の活用例について、AIを活用した画像分類のおすすめツールを紹介します。

-
AI・機械学習を活用した画像分類とは?
画像分類とは、画像を何らかの特徴やルールに基づいてどのカテゴリ(モノの種類)に属するか分類することをいいます。
画像分類では、入力した画像からAIが最も似ていると考えられる対象を判別できるように、「畳み込みニューラルネットワーク(Convolutional Neural Network, CNN)」と呼ばれる手法を用いて学習させます。画像分類のAIでは入力画像から、その画像が最も類似している対象を自動的に検出します。
-
なぜ、画像分類のAI・機械学習を活用するのか?
AIを構成する重要な要素として、「ニューラルネットワーク(Neural Network, NN)」があります。この「ニューラルネットワーク」は人間の脳における情報ネットワークを模倣したもので、AIはこのニューラルネットワークで入力情報を「形」や「模様」「色」など注目すべき特徴量と呼ばれる情報に分解し、入力情報から対象を対応付けにより判定します。
例として入力画像が「ミカン」であるか判定する画像認識AIがあったとき、そのAIは映っている対象を「オレンジ(色)」、「球状(形)」といった複数の情報に分割して、作成した「ミカン」モデルの情報と結びつけて比較を行うことで判別を行います。
画像分類では、AIが入力する画像から最も似ていると考えられる対象を自動的に判別できるように、このニューラルネットワークを発展させた「畳み込みニューラルネットワーク(Convolutional Neural Network, CNN)」と呼ばれる手法を用いて学習させます。
このCNNは、フィルタと呼ばれる領域をそれぞれの入力画像に合わせることで、フィルタと画像の重なった部分の特徴量が適宜計算され、形成される畳み込み層と呼ばれる層と、畳み込み層として抽出された特徴量を圧縮するプーリング層の2層が機械学習に大きく寄与します。
この畳み込み層とプーリング層のそれぞれの処理により、従来の点として特徴抽出を行い、学習を行っていたニューラルネットワークに対して、領域として特徴を抽出するようになったCNNで学習させたモデルの検出性能は大幅に向上しました。これが、画像認識の分野でAIが広く使われるようになった理由の一つです。
また、当初、CNNは画像認識のために開発された技術でしたが、現在はその性能の高さから画像認識の他にも物体の認識や状況の推定、音声認識などさまざまな問題・分野へと広く応用されています。
-
AI・機械学習を活用した画像分類の方法・ワークフロー
プログラミングを使わずにAIを作れるMatrixFlowでの画像分類の例を簡単にご紹介します。
ここでは、ファッション画像を種類ごとに分類します。詳細は、以下のMatrixFlowのお役立ちサイトをご覧ください。
画像分類は教師あり学習の1つです。教師あり学習は正解・不正解のある学習データをAIに学習させる方法です。ファッション画像の分類の正解をAIに学習させることで、種類ごとの画像の特徴を覚えさせ、分類したい画像を入力したとき、それがどの種類に分類されるかをAIが判定します。
このような画像分類が実現すれば、目視では大変な画像分類の作業を簡単にできます。また、製品の仕分けや画像による検索、在庫の管理などに利活用することができます。
AIを作成する全体的な流れを簡単に説明します。
まず、AIはデータセットのデータを元に学習や予測をしていきますので、「シャツ」や「ドレス」など用意したファッション画像の種類10個を用意します。そして、それぞれのラベルに該当するファッション画像をフォルダに入れます。
データの準備ができたら、レシピの作成を行います。レシピは、AIが処理を行う手順を示す設計図のようなもので、MatrixFlowではブロックとブロックを結ぶだけで簡単に作成することが可能です。
最後にAIに学習をさせます。
今回のAIは「テストデータ正解率」が84.1%となりました。
「テストデータ正解率」は、テストデータの予測結果のうち実際の正解とどれだけ一致しているかを示す評価指標です。
今回は、予測の8割以上が実際の正解と一致しているAIなので、精度が高いと言えるでしょう。
具体的には、「シャツ」の画像をAIに入力すると、8割以上の可能性で「シャツ」という結果が得られるということになります。 -
画像分類にAI・機械学習を活用した実例
1.パン屋さんのレジ業務への画像認識AI導入活用事例
画像分類を活用した事例として、パン屋さんのレジでトレイ上のパンの種類・値段をカメラで一括識別するシステムが稼働しています。画像識別技術をレジ精算に応用する世界初の試みで、 ベーカリーショップのレジ業務に革新をもたらしました。
パン屋さんにある商品の登録数は無限で、商品の形状や色、トッピングなどの情報が無数にあります。実に、100種類以上のパンが並ぶこともあり、新商品やマイナーチェンジした商品など、新人スタッフがすべての商品名を覚えるのは決して簡単ではありません。スタッフを新規採用しても、商品名を覚えるのに時間がかかるため、入社すぐの時期から一人でレジを任せることは難しくなっていました。このAIレジを導入することで、オリジナリティ溢れるパンを販売している店舗でも、レジ業務の効率化が実現しています。
この技術を応用すると、パン屋さんだけではなく、洋菓子店、その他あらゆる小売店にて、POSレジやセルフ精算機、対面とのハイブリットのセミセルフ精算機、キャッシュレス端末など、お店の人員規模や形態に合わせて柔軟に組み合わせが可能です。
2.バスケットボールなどスポーツへのAI導入活用事例
画像認識AI導入活用事例として、AIを用いた「ハイライト動画自動作成サービス」が共同で開発されています。このサービスは、3人制バスケットボールリーグの、2021年シーズンに参戦する四つの国と地域の男女96チームに提供されました。利用者は、試合名やチーム名、選手名をそれぞれ指定して、ゴールシーンなどのハイライト動画をAI技術により抽出作業を自動化し、ダウンロードして利用することが可能です。
これにより、抽出動画の秒数の調整や、音楽の合成などの編集が可能なため、将来的にはSNS上への共有やチームプロモーションなどに広がっていくことが期待されています。
3.運送会社の安全運行や防災へのAI導入活用事例
運送会社の安全運行や防災へのAI導入活用事例として、気象情報会社、運送事業者などで、AI等の先進技術を活用した車両の運行データの解析により、運送事業者の安全な運行を可能にするための路面情報や周辺気象情報の抽出が実施されています。
実証実験では、走行中に取得した路面の画像データを、気象情報会社の提供する気象データとともにAIで解析を行い、乾燥・湿潤、凍結、積雪などの路面の状態を自動で判定しました。
これらの実証実験の結果をもとに、防災等への活用が期待されています。
4.電車やバスの改札・空港ゲートへの画像認識AI導入活用事例
電車やバスの改札への画像認識AI導入活用事例として、2021年に、千葉県佐倉市にて運行するバス会社が、顔認証乗車システム実証実験を行いました。
実証実験では、バスに乗車する際に、現金の支払いや定期券の提示等をしなくても、顔認証によって乗車代金の決済が可能になりました。
さらに、バスと鉄道という異なる公共交通機関において、顔認証乗車システムで決済という同一の仕組みによる乗車代金の決済を可能とすることで、都市版のMsaS実現へ向けてスタートが可能となります。将来的には、もっと気軽に移動できるようなパーソナルモビリティや、自動運転によるバス運行、ドローンタクシーといったさまざまな交通手段の提供を実現し、自家用車の利用ができない高齢者や子供などが安心して便利に移動できる新しい都市交通システムの実現が期待されます。
。また、運輸関連へのAI画像認識活用の同様な取り組みとして、羽田空港にある顔認証ゲートは「初めての人や高齢の人でも、抵抗感なく迷わない」簡単で安心なセキュリティシステムとして稼働しています。顔認証ゲートの利用には、事前登録は一切不要です。日本のパスポートに内蔵されているICチップ内の顔写真と、入国ゲートで撮影した本人の写真を画像認識AIを用いて照合し、本人確認を行っています。
このゲートに用いられている顔認識技術で、老化や化粧・表情による顔の変化も確実に認識できるので、共連れ等の不正も検知することが可能となりました。
5.音楽フェスなどイベントへのAI導入活用事例
2021年にポートメッセなごやで開催された音楽フェスでは、画像認識AIカメラを活用して滞在人数を瞬時に計測し、計測した滞在人数を可視化したり、属性分析をしたりする試みが行われました。
昨今のコロナ禍において、展示場や劇場、ホールなどあらゆる大規模空間では、感染防止のためいわゆる「3密(密閉・密集・密接)」を防ぐため、滞在人数の制限がなされています。コンサート会場など、大規模空間にてイベントを実施する際、大人数が同時に入退場する場合は、出入口が複数あるなどの理由により入退場の管理が容易でない施設があります。そのような施設においても、安全・安心なイベント(展示会やコンサート)の開催を実現するため、施設内の滞在人数をリアルタイムで把握することが重要です。
これらの画像認識AIを活用した技術は、会場内の滞在人数をリアルタイムで把握し、入場者数の管理を容易にするため、今後さらに人数等の制限を順守した「安心・安全なイベント開催」の実現にも繋げやすくなるでしょう。
6.製鉄所における作業者の安全管理業務への画像認識AI導入活用事例
AIによる画像認識技術を、製鉄所における作業者の安全行動サポートに活用する技術が導入されています。製鉄所における安全推進に関するAIを活用した画像認識技術の適用が進みつつあります。
AIによる画像認識技術を活用した人物検知による事例、安全リスクへの対応等の事例はほかにも多くありますが、製鉄所の安全管理業務への応用には、特殊な条件による開発技術が必要です。製鉄所の工場内は場所によって照明条件が異なったり、多種多様な装置が配置されていたりすることに加え、作業者もさまざまな姿勢で作業を行うため、人物検知そのものが困難な環境です。そこで、大量の人物画像を撮像してAIによる機械学習を行うことに、製鉄所での実用レベルの画像認識による人物検知を実現しました。この技術により、条件によって立ち入り禁止エリアが変化する特殊な工場内においても、AIが正しくエリアを認識することが可能となりました。
さらに、立ち入り禁止エリアに作業者が進入してしまった際、AIが警報を発するとともに自動でラインを停止させるシステムも実現しています。このシステムの稼働で、従来人手のみで行われていた安全な職場づくりをさらに強力にサポートすることができるようになりました。
7.Eコマースサイトへの画像認識AI・検索技術の導入活用事例
通販サイトでは、欲しい商品の写真をアップロードすると、サイトに掲載されている膨大な商品の中から類似のものを見つけ出すことが可能になります。
Eコマースプラットフォームに関するユーザーのクレームは大きく2つに集約されるといいます。
・欲しいアイテムを見つけるのが困難
・アイテムが豊富すぎて混乱する自分の欲しい商品写真をアップロードするだけで類似商品を探し出してくれる画像検索は、こうしたユーザーのクレームを一挙に解決する有効な手段となります。
この技術を支えているのは、マシンラーニングとディープラーニングを活用した人工知能による商品検索アルゴリズムです。
今後さらにこれらの技術とレコメンドを組み合わせて、ユーザーのサイト内における閲覧履歴やクリック動作から趣味嗜好を分析し、ユーザーへの需要が高いレコメンデーション機能にも応用できるでしょう。
8.マグロの検品業務への画像認識AI導入活用事例
マグロの検品業務への画像認識AI導入活用事例として、天然マグロの品質を判定する画像認識システムが開発・活用されています。マグロの目利きになるには、最低でも10年はかかるといわれており高齢化などでマグロの目利きができる熟練者は全盛期の半分にまで減少しており、後世にその技術や知識を伝えるのが難しくなっていうという課題があります。
焼津にある水産工場では、キハダマグロの尾の断面約4,000本のマグロの断面画像を収集しこれらを機械学習によりAIに学習させ、およそ1か月で目利きのノウハウを取得することが可能となりました。さらに、AIは大量の画像から、画像の違いを独自に解釈し、業務ノウハウとして確立することに成功しました。
このシステムを実際の工場の検品フローに投入したところ、その道35年の職人とくらべて約85%の一致率を達成することができました。
9.ワイン検査業務への画像認識AI導入活用事例
ワイン検査業務への画像認識AI導入活用事例として、輸入ワインの中味を自動で検査する装置が開発されました。
従来は、検査作業員が目視による検品を実施していたワインの瓶を光に透かして、ラベルの隙間から液体に微細な異物が混入していないか確認する作業では、経験と熟練した技術が必要とされます。このため、輸入ワイン販売数量を検品作業するために1ラインあたり10名程度の作業員が必要となっていました。
この自動検査機は、赤外光照明・カメラにより、ワインに異物が混入していないかを確認する検査装置です。ここでも画像認識AIが活用されています。作業員が検査機にワイン瓶をセットして検査をスタートすると、約10秒間、瓶が傾斜した状態で旋回し、液体に緩やかな渦流が発生するため、画像認識AIにより、ラベルの陰に隠れた異物まで高精度に検出することが可能となりました。
画像認識AIにより、あらかじめ各種瓶の形状に合わせた最適な傾斜角・旋回パターンの設定や、赤ワインや白ワインなど液色に応じた最適な光量、撮像タイミングを設定し学習させることで、作業員は検査したい品種を選択すれば自動で検査することが可能です。
自動検査機を導入することで検品作業の効率化を図ると同時に、今後見込まれる労働力不足に対応することが期待されています。
-
AI・機械学習を用いた画像分類とは?その方法、実活用例まとめ
AI・機械学習を用いた画像分類について、その方法と、実用・活用事例についてご紹介しました。
MatrixFlowを操作すると、ドラッグ&ドロップで簡単にAIを作成できますので、画像分類について試してみたい方はぜひトライしてみてください。MatrixFlowは、画像分類AIの作成だけではなく、需要予測、在庫最適化、生産計画立案、人員配置など、製造業を始めとしたさまざまな分野の課題を解決することができます。
MatrixFlowは実際に操作する際に役立つマニュアルや、AIの作り方や結果の見方、精度の高め方などAIコンサルタントに相談できるサポート体制もありますので安心です。
MatrixFlowに関するご質問や、ご自身の持つ課題を解決することができるのか?といったご質問・ご相談がありましたら、右のお問い合わせ欄からお気軽にお問い合わせください。
-
ビジネスのためのAI活用プラットフォームMatrixFlowについての詳細はこちら
MatrixFlowの製品情報ページ -
AI活用・導入の実現方法についてのご質問ご相談はこちら
お問い合わせ
関連した事例
-
効率化できる在庫管理の考え方と、AIを活用した最先端の在庫管理
製造業や小売業など、商品を扱う企業において重要なのが「在庫管理」です。適切な在庫管理ができていないと商品の需要変化に対応できず、売上機会の損失にもつながりかねません。そうはいっても、今さら管理方法を変えるのは遅すぎるかも...と思われる方もいるでしょう。在庫の管理方法を改善するのに遅すぎることはありません。今現在うまく在庫管理ができていない場合も、コツや事例を学べばいつからでも改善可能です。本記事では、在庫管理を効率化するための考え方について解説していきます。
-
需要予測は当たらない?AIで高い精度を実現する方法
企業が抱える在庫削減は、ビジネスにおける非常に重要な課題のひとつです。少ない在庫でも欠品を起こさないようにするためには、どのようにすればよいでしょうか? 答えは一言でいうと、将来の需要を正確に予測して、必要なときに必要なだけ生産すればよいのです。 しかし、新型コロナウイルスによる需要の激減を数年前から予測できた人はどれだけいたのでしょうか? また、来月発売される新製品の需要を完璧に予測することは可能でしょうか? 残念ながら「需要予測とは当たらないもの」と言っても過言ではありません。 今日、多くの企業がビジネスの現場で需要予測に取り組んでいます。 データを集計、加工、分析しレポートとして出力するシステムを導入したり、独自の予測モデルを作ったり、あるいは在庫担当者の長年の経験に頼ったり、方法はさまざまですがほとんどの企業が需要予測をさまざまな形で取り入れていると言ってよいでしょう。 長年多くの企業で取り組まれてきたにもかかわらず近年ますます需要予測の重要視されているのはなぜでしょうか? 本記事では、需要予測の基礎についておさらいし、需要予測を高い精度で実現する方法についてご紹介します。
-
建設・土木・ゼネコンにおけるAI技術:AI活用領域と、事例6選をご紹介
機械学習やディープラーニングの技術進化で、AIの活用・導入が一般的になりつつあるなか、AIとの親和性から、高いレベルで導入が進んでいる業種と、そうでない業種もあります。建設業界ではゼネコンをはじめ、さかんにAI投資が進められており、AIによる業務改善や品質向上など、建設現場へのプラスの効果が期待されています。 今回は、建設業界ならではの課題や今後の動向、実際の活用事例についてご紹介していきます。
-
AIを活用した需要予測による在庫最適化
ここ数年で、AIを活用して商品の需要を予測する動きが増えてきています。 AIを需要予測に使う目的は様々ですが、最も多いのは在庫の最適化です。 どの商品がどのくらい売れるのかをAIが予測できれば、最適な在庫数を保つことができます。 本記事では、AIを使った需要予測によってどう在庫が最適化されるのか、事例を交えて解説していきます。
-
生産管理と品質管理の違いとは?AIを活用した最先端の事例もご紹介
生産管理とはモノづくりの現場で行われる受注から納品までを含む業務のことです。一言で生産管理といっても、生産計画、受注管理、発注管理、在庫管理、製造管理、外注管理、進捗管理、品質管理までの工程が含まれます。 生産管理は三つの要素である「品質」「原価」「納期」が重要です。なぜなら、高い品質の商品を、できるだけ原価を安くし、短期間で作ることが企業の利益に深く結びついているからです。 この記事では生産管理と、その一工程である品質管理の関係性を整理しながら、AIを活用した事例についても紹介します。
-
AIで在庫管理を最適化する、需要予測システムについて徹底解説
需要予測の精度を上げるには、膨大な情報のなかから関連データを収集・分析せねばなりません。この作業に最適なのがAIによる機械学習システムで、収益を最大化させるために必要な売上予測、在庫管理のサポートにも役立ちます。在庫管理に有益な需要予測システムのメリット、導入の注意点とはどういったものでしょうか。
-
無料で在庫管理を行う方法!在庫管理ツールと使い方をご紹介
在庫管理を正確に行うことは経営を行ううえで非常に重要です。在庫管理が正しく機能していないと、企業経営に大きなダメージを与えることになります。 しかし在庫管理を手作業で行う場合、その成果を担当者の経験やスキルに依存してしまうことが多く、属人化しがちな業務です。作業工数もかかってしまうため、ツールを用いてもっと簡単に在庫管理をしたいという人も多いのではないでしょうか。 とは言えいきなり有料のシステムを導入するのもハードルが高いため、まずは無料で使えるツールを導入したいですよね。この記事では、無料で在庫管理ができるツールとその使い方、それぞれのメリット・デメリットについて紹介します。
-
工場の生産管理におけるAIの活用法とは?
時間とコストを削減したり、不良品の発生を防いだりする際に役立つのが生産管理システム。最近ではこのシステムを利用して工場の生産管理をAI化する企業が増えています。そこで本記事では、生産管理における AI の活用方法と題して、生産管理システムの機能やメリットを紹介します。
-
製造業の在庫管理におけるAI活用とは?事例5選とともにご紹介
AppleのSiriやGoogleのAlexaなど、AIはここ数年で一気に身近な存在になりました。 AIとは、データを学習することで人間の活動を再現できるシステムのことです。 お掃除ロボットや翻訳機能といった身近なところから、医療現場や農業など様々な領域で活用されています。 日々の生活だけでなく、企業の課題解決にも利用され始めているAI。最近では特に、製造業での活用が注目されています。 人手不足の解消や製品の品質担保、需要変動に即した在庫管理など、製造業の現場では日々様々な問題が発生しています。 もしこれらの問題がAIで効果的に解決できるとしたらどうでしょうか。 本記事では、AIを使って在庫管理に成功した事例や、製造工数を削減した事例をご紹介します。 テクノロジーを使って製造業の課題を解決したい場合は、ぜひ参考にしてみてください。
-
AIを活用した生産性向上の方法と実例をご紹介
AIを活用することで、労働力不足の解消や、働き方改革の推進が可能となり、生産性を向上できることをご存知ですか。AIの導入で成功するためには、なぜAIを使うのか、実際にどんなデータを用いれば課題が解決できるのかを明確にすることが大切です。この記事では、ビジネスの現場で、AI活用が進んでいる背景やAI技術を活用するメリット、活用事例について解説します。また、AIを導入する際のポイントも紹介しますので、ぜひ参考にしてください。 目次 AI導入が広がる理由とは? AI導入による、生産性向上事例9選 MatrixFlowを活用したAI導入 AIを活用した生産性向上の方法と実例:まとめ
-
MESとは?生産管理のDXに欠かせない、MES・AIを導入する8つのメリット
従来の「ものづくり」は、一般的に「売れるモノ」の見込みを立てて、大量生産を行っていました。しかし、近年はニーズの多様化により製品のライフサイクルは短期化しており、少量多品種生産へとトレンドが移行しています。 つまり工場の設備は同じままで、多種多様な製品を生産しなければならない必要性に迫られています。そのためにも、生産管理のDX化は必要と言えるでしょう。そこで注目を集めている「MES」の導入について説明します。
-
AIを活用した製造管理とは? 製造業のDX推進の方法と事例紹介
製造業において、製造管理にはどのような役割があり、なぜ重要なのでしょうか?生産管理と同義に捉えられることが多いですが、管理の目的や範囲にはそれぞれ違いがあります。製造管理の役割や意義を的確に把握したうえで、業務にあたることが大切です。 今回は、生産管理とも比較しながら製造管理の役割を明らかにしたうえで、その必要性やメリットを解説します。さらに、現代の製造業において需要が高まっているAI活用についても、製造管理の現場にもたらす効果や導入事例を紹介するので、ぜひ参考にしてみてください。
-
アパレルの生産管理におけるAIの活用方法 - 需要予測・検査・検品
アパレル業界における生産管理には効率化が求められます。生産量や販売時期の予測から始まり、納品までの一連の流れには多くの工程が存在するため、管理が大変です。 そこで、現状の課題から、アパレル業界における生産管理の基礎知識を合わせて解説します。どうすればアパレル向けの生産管理システムを効率化できるのかも紹介します。
-
AI導入の失敗例と、成功のポイントとは?
AI導入の失敗はよくあること。「AIはすごいらしい」という時期は過ぎ、AIを導入する企業は確実に増加しています。日々の生活でもAIに遭遇することが増え、AI導入の検討段階に入ったという企業もあるでしょう。 今回は、AI導入の悪い事例を具体的に紹介します。失敗の原因を知り、自社の取り組みの際の参考にしてみてください。
-
小売業界におけるAI需要予測の実例や、進め方、ツールをご紹介
小売業界で、AIの活用が進んでいることはご存知でしょうか。 これまで人の管理に依存していた、在庫や発注管理をAIが代わりに担うようになってきています。 AIを活用することで、担当者の主観に頼らずデータを分析でき、より確度の高い予測ができるといったメリットがあります。 AIを使った商品の需要予測にはどのようなメリットがあるのか、具体的な事例を踏まえてご紹介していきます。
-
AI・機械学習による需要予測のメリットは?高い予測精度を実現する方法を解説
昨今、多くの企業で『需要予測』が注目されています。目まぐるしく変わる社会の変化に合わせて、無駄なく製品の提供するには需要予測が欠かせません。 需要予測の目的は、「消費者が製品を必要とするタイミングや量を予測し、適切に供給する」ことにあります。 精度の高い需要予測を実現することで、人・物・コストの流れを最適化することができ、企業によっては数億円のインパクトになることもあるでしょう。 これまで、需要予測はベテラン従業員のKDD(*1)に頼る傾向がありました。近年では「AI」「機械学習」などを活用した新しい手法も身近になりました。 本記事で『需要予測』について、そのメリットや最新のAI・機械学習を活用方法について解説していきます。 (*1) KKDとは日本語の「経験」(KEIKEN)、「勘」(KAN)、「度胸」(DOKYOU)の頭文字を取ってできた言葉で、製造業を中心に職人の技として尊重されてきた手法です。
-
AIによる需要予測に必要なデータの種類とは?集め方についても紹介
人々がスマホを片手に生活するようになり、SNSへの投稿が活発になるなどして、企業は様々なデータを取得できるようになりました。 そうしたデータを需要予測をはじめとしたビジネスシーンに活用しようという動きが強まっています。 需要予測とは、市場において「会社の商品やサービスがどれくらい売れるか」「在庫がどれくらい必要になるのか」などを、予測することです。 この記事では、その需要予測を行うにあたり、どのようなデータが必要となるのかについて説明します。 また膨大な量となるビッグデータを扱うに当たって、欠かせないAIについての活用についても触れていきます。
-
データサイエンティストには簡単になれるのか?今後求められる視点を解説
近年注目されているデータサイエンティストという職種。そもそもデータサイエンティストとはビッグデータから必要な情報を抽出して、企業の問題解決をしていく職業です。本記事ではデータサイエンティストになるための方法や将来性、今後求められる視点を中心に紹介します。
-
生産計画をエクセルで行う場合の、メリットやデメリットを解説
生産計画を策定する際には、原材料調達から出荷までを円滑に行うため、全体を見渡した設計が必要になります。生産計画に落ち度があれば、原価アップや品質の悪化、納期遅れなどにつながるため、会社の業績を左右する重要な役割です。 中小規模の製造業であれば、エクセルで生産計画を作成しているケースは多いでしょう。エクセルは生産計画以外でも業務に使用する頻度が高く、多くのビジネスパーソンにとって使い慣れたツールです。 エクセルの機能を使いこなせれば、生産計画を作成・管理する効率も格段に向上させることが可能です。しかし、エクセルで生産管理を行うことにデメリットはないのでしょうか。 本記事では、生産計画をエクセルで作成・管理することのメリット・デメリットを徹底解説します。また、エクセル以外の専用ツールを導入する価値についても紹介するので、ぜひ参考にしてみてください。
-
AIの来客予測への活用方法とは?実例とともに解説!
来客予測を正確に行うことは、店舗運営において非常に大事な要素です。しかし、これまでのように人の力で行う来客予測では複雑かつ膨大なデータを正しく処理することが難しく、時間と手間がかかる割に成果につながりにくいという課題がありました。 AIによる来客予測を行うことでそのような課題を解決できるとともに、顧客ニーズの多様化やグローバル化、コロナ禍の影響などにも迅速に対応することが可能になります。 本記事では、このようなAIを活用した来客予測のメリットや方法、具体的な事例などを紹介します。
-
AIを実業務に活かす方法 - 実例とともにご紹介
「AIって何ができるの?」 「ビジネスに転用できるの?」 このような疑問を抱いている方も多いのではないでしょうか。近年では企業の採用業務の負担を軽減したり、物流の需要予測を行って、業務を効率化してくれたりするAIなど様々なシステムが登場しています。 そこで本記事ではAIを活かすことができる業務や活用事例、AIを導入する前に確認しておくべきポイントを紹介します。
-
製造業におけるDXとは?AIを使いこなしDXを実現する方法
近年、海外だけではなく日本市場でもAI(人工知能)の活用が注目を集めています。しかし活用が求められる領域でも、十分に導入が進んでいるとはいえません。AIは、データをもとに絶え間なく作業することが可能です。一定のクオリティを維持しつつ、連続的に稼働できます。 中でも「製造業」はAIとの親和性が高く、活用が求められている領域です。製造業におけるAIを活用した事例は、決して多くはありません。導入にあたって、知識や予算がないことから躊躇している企業もみられます。しかし、日本における製造業の市場を拡大し企業を発展させるにはAIの活用が重要な要素です。 製造業におけるAIの活用を推進すれば、市場や企業の売上を伸ばすだけではなく従業員の負担を軽減することも期待できるでしょう。そこで本記事では、AIを活用した製造業におけるDX(Digital TransFormation)の進め方やDX化のメリットなどについて解説します。
-
生産管理の将来性は? DX・AIを活用できるかが肝
製造業における生産管理といえば、自社製品の製造・原価・品質に大きな影響を及ぼす重要な職務です。 近年では、システムやAIの導入により生産性を大きく向上させる企業が増えています。 生産管理におけるDX(デジタルトランスフォーメーション)の推進は、人員の確保や次世代への技術継承に悩む企業の解決策となりつつあります。 本記事では、AIが生産管理という仕事にもたらしている変化や、生産管理職の将来像についてご紹介します。
-
AIの生産管理への活用方法とは?実例とともに解説!
近年は少子高齢化による就労人口の低下により、多くの産業において、付加価値や生産性の向上、業務効率化といった課題が明確になってきております。特に製造業界では、労働力不足が深刻化しています。 過去にはこれらの課題を解決するための有効な手法としてIT化が推進されてきました。最近では、さらにAI・人工知能を導入する企業も散見されています。特に、製造業をはじめとした生産管理において、AIを活用する企業は年々増加しています。生産管理の分野において、AIを活用し生産性向上を目指しています。 本記事では、生産管理の場面で、具体的にどのようにAIを活用していくのか、そのメリット・方法・事例も含めてご紹介をさせていただきます。
-
Excelを使った在庫管理のやり方、表の作り方、使える関数をご紹介!
企業の活動において、消費者であるユーザーが欲しがる商品を、欲しいタイミングで、欲しい分だけ適切に提供できることが、企業が目指すひとつの理想の形ではないでしょうか。 実際、「適正な在庫水準とは何か?」という問いにパーフェクトに答えるのは難しいとはいえ、ある程度の健全な在庫水準を保ち、欠品を防止に務めるのは、およそ商品を扱う企業にとっては共通の使命ともいえるのでしょう。 適性な在庫水準を保つために必要となるのが在庫管理表です。 実際に、紙での在庫管理をしていることも少なくないと思いますが、扱う商品などのアイテム数が多い場合、紙の在庫管理表では管理しきれなくなる可能性も出てきます。そこで便利でかつ的確な在庫管理を可能にするのが、Excelです。 本記事では、Excelを活用した在庫管理の方法について、在庫管理のやり方、表の作り方、使える関数をまとめてご紹介します!
-
テキストマイニングやり方入門編、実活用例をご紹介
アンケートやSNS投稿などの膨大なデータから、顧客ニーズの把握や将来の予測ができるということで、近年注目されているテキストマイニング。本記事では、そのテキストマイニングの概要や活用事例、やり方を紹介します。
-
AIを活用して簡単に「時系列予測」ができる!メリット、やり方を紹介
企業活動を円滑に行うには「今後の予測をいかに正確に立てることができるか」にかかっているといっても過言ではありません。特に食品・飲料など売上に季節要素が高い業界の活用は必須と言えるでしょう。 そのために、季節・トレンドなどの時間的変化を考慮しながら「時系列予測」を立てる必要があります。 この記事では「時系列予測」を行うメリット、やり方、AIを使った便利なデータ分析方法について紹介します。
-
AIを活用した在庫管理とは?メリットや導入方法、事例を紹介
在庫管理を行う場合、次のような課題を抱えている企業は多いのではないでしょうか。 ・担当者の知識や経験によって管理品質にバラツキがある ・データ入力や作業のミスが起こりやすい ・正確な需要予測ができずに在庫不足、在庫余剰が発生する こうした課題も、AIを活用した在庫管理を導入することで解決できます。 この記事ではAIを活用した在庫管理のメリットや、導入方法、実際に導入している業界の事例などをご紹介します。
-
売上予測にAIを活用するメリット7点!やり方・導入事例を紹介
「AI」を使って売上予測ができることをご存じですか?在庫を抱える小売業にとって、売上予測を正確に行うことは大きな課題です。なぜなら多くの在庫を抱えることは経営にとって大きなリスクとなるからです。大量に仕入れた在庫の多くが売れ残ってしまった場合、企業は大きな損害を被ります。その誤差をできるだけ少なくする技術として、注目を集めているのがAIによる売上予測です。この記事では、売上予測にAIを活用した場合のメリット、やり方、導入事例などについて紹介します。
-
AI・機械学習で必ず必要なデータの前処理とは?簡単にできる加工方法をご紹介
業務効率化や売上拡大のため、ビジネスでのAI活用が進んでいます。 ですが、AI活用に「データ前処理」が重要であることはあまり知られていません。 データ前処理は、AI実装までの作業工程の8割を占めるとも言われるほど重要な工程です。 本記事では、AIにおけるデータ前処理とは何なのか、具体的なデータの前処理方法を解説していきます。
-
製造業でのAIによる異常検知と原因の特定
製造業において、日々稼働している生産ラインの中には、製品を作るためのさまざまな機器があります。これらの機器が突然、なんの前触れもなく故障し、停止してしまうと、生産ライン全体の停止、修理にかかる費用、新しい機器のリース代など、さまざまなコストがかかり、製造する上でのデメリットとなります。 上記から、異常検知は製造業においてクリティカルな問題です。また、異常検知の実施にあたっては現場の長い経験や、高度な技術も求められるため、工場や生産管理の現場担当者から見ると、異常検知は頭を悩ませる課題のひとつとなります。 今回は、そのような異常検知について、その概要、方法、さらには最新のAI・機械学習を活用した異常検知の方法についてもご紹介します。
-
製造業でのAIによる需要予測の活用事例
製造業ではビックデータを使ったAIによる需要予測を行うことにより作業の自動化が進み、人手不足問題の解消や生産ロスの解消にも貢献します。
-
担当者の経験に頼った需要予測を時系列予測で改善
商品やサービスの需要をAIによる時系列分析でより正確に予測していきます。 高精度な需要予測ができれば、データに基づいた仕入れや生産の計画ができます。
-
時系列予測でコールセンターの業務効率化
コールセンターの業務効率化を、AIを活用した時系列予測を用いて、解決します。 日々の入電(問い合わせ)数から対応するオペレーター数を適切に配置することで、コストの削減と業務の効率化に繋がります。
-
SNSの投稿に含まれる感情をテキストマイニングで分析する
SNSの投稿から感情を分析するなどのマーケティングのための作業を、AIによるテキストマイニングで効率化します。 AIによるテキストマイニングは業務効率化を実現するだけでなく、分析結果を用いて、商品開発や広告・宣伝をすることができます。
-
売上最大化のための在庫予測
近年、小売業や通販業界で問題になっている在庫管理の課題を、AIを活用した在庫予測の手法を用いて、解決に導きます。 AIを活用した在庫予測は、従来の需要予測より精度が高く、信頼性の高い予測を実現でき、適切な在庫予測による売上最大化が見込めるようになるメリットがあります。