ニュース一覧
不良検知・異常検知・予兆検知・予知保全 におけるデータ活用
製造業・インフラ分野で重要性が高まる「不良検知・異常検知・予兆検知・予知保全」について、データ活用の全体像と具体的な進め方をまとめた資料です。画像・時系列・テキストなどの多様なデータを用いた代表的ユースケース、分析のフロー（前処理〜特徴量設計〜モデル構築〜評価・改善）、仮説検証による改善サイクル、さらに環境構築・アルゴリズム実装/検証・MLOpsまでの実運用に必要な観点を整理。自社の課題に対して「何から着手すべきか」「どのようなアプローチが有効か」を短時間で掴めます。
自動化工場最適化ソリューション<br>～AGV/AMR運用最適化で性能と生産効率を最大化～
自動化工場の生産効率を最大化するために、AGV/AMR運用を中心とした「工場最適化」の考え方と解決アプローチを整理した資料です。交差点渋滞、充電待ち行列、供給偏り・欠品など、固定ルール（最短経路・閾値充電・単純優先）では起きやすい課題を整理し、配車（タスク割当）・経路選択・待機戦略・充電戦略といった運用要素を最適化対象として定義。工場をシミュレーションで再現し、KPI（スループット、充電待ち、在庫切れ等）が改善する運用ロジックを、ルールベース／探索／強化学習などで導く手順と、部品メーカーの工場搬送業務自動化事例をまとめています。
製造業向けオペレーション最適化ソリューション<br>強化学習 × シミュレーション
製造業の生産現場で日々発生する判断（どのロットから処理するか、どの設備に割り当てるか、AGVをどう走らせるか等）を、刻々と変化する現場の状態に応じて最適化する「リアルタイムオペレーション最適化」ソリューションの紹介資料です。計画型（数理最適化）とシミュレーション型（ルール、探索、強化学習）の使い分けを整理し、シミュレーション型のアプローチを中心に解説。生産計画の最適化、AGV搬送の自動化、リアルタイム配車のユースケースも紹介しています。
強化学習とシミュレーションユースケース<br>生産シミュレーションと最適化
生産分野を題材に、強化学習とシミュレーションを組み合わせて現場の最適化を実現する方法をユースケースで紹介する資料です。リアルタイムに生産スケジュールを立案して自動化工場へ実装する取り組みや、シミュレーション最適化による生産ライン効率化（Dispatchルール最適化、納期遵守・リードタイム最適化など）を具体的に解説。さらに、生産計画を数理最適化型/シミュレーション型のどちらのアプローチで最適化するか、シミュレーション型の場合の最適化アルゴリズムにメタヒューリスティックと強化学習のアプローチを使うかなどの、手法選択のポイントも紹介しています。
リテールテックの活用 小売業の業務最適化<br>～ ダイナミックプライシング、発注量最適化 ～
小売業の業務最適化を、機械学習と数理最適化を組み合わせて実現するための考え方と事例をまとめた資料です。顧客行動や需要を予測し、その結果をもとに発注・値付け・製造量・陳列数・差配・配送ルートなどの意思決定を最適化する「Predict then Optimize」を軸に解説。発注量最適化、ダイナミックプライシング（値引き率最適化）、製造量・陳列数最適化、配送計画最適化などの具体例を通じて、欠品・過剰在庫・廃棄ロスの抑制と利益最大化の両立に向けたアプローチが掴めます。