学習に使用するデータの種類や収集方法、最適な結果を導くために欠かせないデータの前処理（信号処理）の手法など、エンジニアリングのためのAI活用をご提案いたします。

自動運転における障害物の検知

識別系のAIの例として、自動運転の中で利用される障害物検知を挙げます。
自動運転では障害物を検知してそれらに応じて適切な対応をとる必要があります。
その判断材料の一つとして、車載カメラの映像から、その映像内のどこに何(人間であったり、他の車であったり)が存在するを識別する必要がありそこでAIが利用されます。

設備故障の予測

プラントの設備の故障を実際に起こってから対応するのではなく、事前に検知し対応して稼働率を上げたいと考えます。
その場合、各設備に適切なセンサーを配置して、その設備の異常性を監視しますが、実際に故障が起きたシグナルの特徴ではなく、故障が起こる前兆をAIで監視することになります。
前兆の特徴が既知であればその特徴を監視し、未知であれば機械学習でその特徴を見つけ出し、それらの故障率をAIで予測します。
管理者は各設備のシグナルの特徴を知り尽くした人間でなくても、AIの警告を受け取り、適切な行動をとれる可能性が上がります。

ピッキングの事例

ある製品の全国に散らばる各生産工場に製造に必要な部品がどのくらい必要でいつ、どこから供給すればよいかなどを適切に判断したいと考えます。
その場合、その製品の販売状況や、その部品の在庫、各生産工場の製造ラインの状況などを、AIに入力して、過去の実績を考慮した上の部品の供給量を予測することで適切な供給計画、販売計画の判断材料とすることができます。
また供給計画や、販売計画すらAI化することも検討できます。
管理者はAIの出力を確認し、判断を行うだけでよくなり、煩雑で日常的な計算から解放され、より柔軟な思考プロセスが必要な仕事に取り組むことができます。