NEC、予測の根拠をわかりやすく示すAI技術を開発 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

このエントリーをはてなブックマークに追加

日本電気株式会社(NEC)は2月25日、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」を開発したと発表した。

本技術で製造業や小売業、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するという。

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実施されている。具体的には、AIが将来予測とその予測結果をもたらす要因を提示し、改善策や対策は、専門家の経験に基づいて立案されている。

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る。

ルール発見型推論技術は、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。

たと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る。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なかった。

本技術は、独自の方法で各ルールの優先順位付けをすることで、より少なく、高精度なルールを探る。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。独自の方法で各ルールの優先順位を決め、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。

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た。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せるという。
ルール発見型推論技術による施策立案支援

リリースでは、製造業・小売業を想定した技術検証の結果も紹介された。

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、たとえば「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、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を見出した。

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変化する条件が可視化され、具体的な施策立案支援ができることを確認した。

たとえば、「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るという。

>>ニュースリリース