東京エレクトロン デバイス CX-M
専門知識不要、時系列データのみで異常判別プログラムを自動生成する専用マシン
東京エレクトロン デバイスは、時系列データから装置の異常判別プログラムを自動生成する専用マシン「CX-M」を開発。人手によるデータ分析作業を自動化するもので、あらかじめ用意した時系列データ入力するだけで、異常判別プログラムの自動生成が行える。
東京エレクトロン デバイスは2017年11月28日、時系列データから装置の異常判別プログラムを自動生成する専用マシン「CX-M」を開発し、同日から販売を開始した。
これまで工数の掛かっていた人手によるデータ分析作業を自動化するもので、あらかじめ用意した時系列データ(正常/異常データ)を入力するだけで、「データクレンジング」「特徴抽出」「判別モデル作成」「判別精度検証」をCX-Mのソフトウェアで自動処理し、異常判別プログラムの生成および出力が行える。製造設備開発担当者、管理業務者をターゲットとしている。
◎「製造業AI/ビッグデータ」関連記事 ~導入・活用事例、課題、市場動向~ など
» 日本企業は「データリテラシー」が足りない
» 「ビッグデータ」「データアナリティクス」「AI」は製造業に何をもたらすのか?
» AIを活用した故障予知は課題も多く、緩やかなペースで進展
» AIによる予兆保全は2018年「成長期」へ
設備機器の異常検知の実現が容易に、“誰でも簡単操作”が売りの「CX-M」
製造現場では、IoT(Internet of Things)技術を活用した設備機器の異常検知の実現に注目が集まっている。しかし、これを実現するためには、データ分析および判別モデルの作成が行える専任者が必要であったり、外注する場合は分析用データを社外に出す必要があったりと、いくつかの障壁があった。また、異常検知を実現したいが「事前にROIが分からないと投資しづらい」という声も聞かれていた。
CX-Mはこうした声に応えるもので、異常判別に必要な分析処理を全て賄うことができ、アプライアンスであるため社内で完結して異常検知の実現に取り組むことが可能である。また、CX-Mの販売開始に併せ、判別可否と精度を事前に確認できる無償分析診断サービスを提供。同サービスを活用することで、ROIを算出した上での投資判断が行えるとする。
CX-Mには、データクレンジング、特徴抽出、判別モデル作成(機械学習)、判別精度検証、異常判別プログラムの生成/出力を行うソフトウェアが実装されており、ユーザーはGUIによる簡単なオペレーションのみで、専門知識を有することなく、異常判別プログラムの作成が行えるという。また、CX-Mは内部処理されたデータ分析内容を確認できるため、入力データ量やデータクレンジングに依存する判別精度を数値化できる。
ソフトウェアは、「学習モード」と「テストモード」が用意されている。学習モードでは、“教師あり学習”に基づき、時系列の正常データと異常データを学習させるインタフェースを備え、学習結果の確認、判別モデルの保存と出力が行える。
テストモードでは、生成した異常判別プログラムを選択し、入力データを基に判別精度や結果を確認できる。2017年度中にソフトウェアのバージョンアップを予定しており、“教師なし学習”をサポートするという。なお、CX-Mで作成した判別プログラムをアプリケーション化する際は、同社が提供するIoT向けノンプログラミング開発クラウド「Connexon」を利用でき、ユーザー側でアプリケーション開発まで容易に行えるとする(関連記事:IoTアプリ開発を5分の1の工数で、東京エレがIoT開発を加速)。
CX-MのOSには「Ubuntu」を採用。ハードウェアは、CPUにインテル「Core i7-4770S(3.1GHz)」プロセッサ、メモリ16GBを搭載する。ストレージは500GBのHDDで、インタフェースとしてUSB 3.0×2ポート、USB 2.0×6ポート、COM×2ポート、SDメモリカードスロット、リモートスイッチ端子を備える他、出力ポート(ディスプレイポート×2、HDMIポート)、LAN×2ポートを標準で搭載する。筐体はボックス型で、サイズは165×190×43mm、重量は約1.4kgである。
CX-Mの販売価格は、ハードウェア、ソフトウェア、プリセット作業費込みで99万5000円(税別)。ハードウェアは3年間のセンドバック修理保守付きで、ソフトウェアは年間サブスクリプション方式での提供となる(標準で3プロジェクトまで使用可能)。2年目以降はソフトウェアの年間使用料72万円(同)が必要。ソフトウェアのサブスクリプションには、ソフトウェアの利用権と技術サポートが含まれ、プロジェクトを追加できるアドオンオプションも用意されている。また、CX-Mの購入者向けに、振動と温度データの収集が行えるオプションパッケージも提供する。
◎併せて読みたいお薦めホワイトペーパー:
» デンソーのAIプロジェクトが目指すもの
» 「組み込みAIチップ」が5年後には一般化するといえる、3つの理由
» 「組み込みAI」実現に向けた半導体ベンダーの施策
» 松原仁 教授講演「人工知能は未来をどう変えるのか」
» IoTとAI、ビッグデータ時代のソフトウェアテスト
Copyright © ITmedia, Inc. All Rights Reserved.
製品/サービス(製造IT)
生産性向上、品質向上、コスト削減、技術伝承など、製造現場の課題解決やカイゼンに役立つ、ITツール/サービスに関する最新情報をお届けします。
この記事の著者
新着ホワイトペーパー PR
-
製品資料
[株式会社 Green AI] AIで脱炭素計画を最適化、初年度からエネルギーコストとCO2を削減する方法 -
市場調査・トレンド
[スマートジャパン編集部] 「ペロブスカイト太陽電池」の普及戦略が公表 政府が目指すコスト・導入量のロードマップを解説 -
市場調査・トレンド
[スマートジャパン編集部] 導入が加速する再エネ・系統向け蓄電システム コスト・収益性の現状分析 -
技術文書・技術解説
[スマートジャパン編集部] いまさら聞けない「ペロブスカイト太陽電池」の基礎知識と政策動向 -
技術文書・技術解説
[スマートジャパン編集部] 「ペロブスカイト太陽電池」の開発動向、日本の投資戦略やコスト目標の見通しは?
関連記事
こんなメディアも見られています
TechFactoryに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
特集
- マテリアルズ・インフォマティクスの動向調査
- 研究・開発職のデジタル活用調査
- 設計・解析業務におけるAI活用
- 3Dプリンタ利用動向調査
- CAD利用動向調査
- つながる工場の現状と課題
- 製造業におけるAI開発および活用の実態
- 設計・製造現場における品質管理
ホワイトペーパーランキング PR
-
1
EE Times Japan×EDN Japan 統合電子版:フィジカルAIが生み出す新たな「設計思想」――電子版2026年8月号
-
2
半導体装置メーカー 業績まとめ【2027年3月期第1四半期】
-
3
新入社員に読んで欲しい鉄鋼材料の基礎知識まとめ(Part4)
-
4
一時は時価総額トヨタ超え キオクシア2026年度の動向
-
5
微細配線間の絶縁劣化をどう捉える? 先端パッケージ評価の最前線
-
6
新入社員に読んで欲しい鉄鋼材料の基礎知識まとめ(Part1)
-
7
EE Times Japan×EDN Japan 統合電子版:2026年上半期の半導体業界を振り返る――電子版2026年7月号
-
8
新入社員に読んで欲しい鉄鋼材料の基礎知識まとめ(Part3)
-
9
CADツールの見直しは本当に必要? 切り替えの理由と効果を7つの質問で検証
-
10
新入社員に読んで欲しい鉄鋼材料の基礎知識まとめ(Part2)
TechFactory SNS
インフォメーション
注目情報をチェック
TechFactoryをフォロー