昨今、製造業では「在庫管理の最適化」、「検査の機械化」及び「設備保守業務の自動化」などの分野でAIが活躍するシーンを見受けられるようになりました。一方、作成したAIモデルを本番環境にて安定的に稼働するためには,MLモデルの精度評価を行い,精度劣化が見られた場合にはモデルの再学習を行うことで継続的に精度を維持するMLOpsの仕組みが必要と認識しております。
本セミナーでは、AWSのテクノロジーを使った製造業での活用事例の紹介、日本郵船/MTI様の「予兆保全」の取り組み事例そして、日立製作所様における「MLモデルの管理を行うための研究」から得られた知見のご紹介をさせていただきます。
タイトル |
AWS の機械学習を使った製造業における業務活用 - Amazon SageMaker |
日時 |
2021 年 11 月 25 日(木) 開演: 14:00 ~ 16:00 |
会場 |
オンライン開催 |
参加費 |
無料 |
申込方法 |
お申し込みフォームに記載 (メールで Webinar アクセス用リンクが送信されます。) ※競合他社様からのお申し込みはお控えください。 ※複数名のご参加を予定されている場合でも、お手数ですが 1 名ずつのお申し込みが必要となります。(おひとり様につき1つのメールアドレスが必要となります。) |
対象 |
AWS にご興味をお持ちのエンドユーザーの皆様 AWS にご興味をお持ちのCIO, CDO, データサイエンティスト, 機会学習エンジニア, ML Opsエンジニアの皆様 |
主催 |
アマゾン ウェブ サービス ジャパン合同会社 |
アジェンダ |
14:00-14:25 オープニングセッション アマゾン ウェブ サービス ジャパン合同会社 14:25-14:55 事例セッション1) 機械学習を用いたIT機器の性能異常検知におけるAmazon SageMakerの活用事例 河野 泰隆 氏 株式会社 日立製作所 研究開発グループ デジタルプラットフォームイノベーションセンタ サービスコンピューティング研究部 概要:日立製作所では、機械学習を活用してIT機器の性能異常を自動的に検知するための研究開発を行っています。機械学習モデルの精度は、IT機器の使われ方の変化に伴って劣化する可能性があるため、精度維持のためのモニタリングと再学習の仕組みが必要です。特に機械学習モデルの数が多い場合、モニタリングや再学習を効率的に行うことが課題でした。本講演では、Amazon SageMakerを中心としたAWSの各種サービスを用いて機械学習モデルのモニタリングと再学習を効率的に行う仕組みを開発した事例をご紹介します。 14:55-15:05 休憩 15:05-15:35 事例セッション2) 海運会社の船舶運航データ活用におけるMLベースのシステム運用への挑戦 山田 省吾 氏 日本郵船株式会社 海務グループ ビッグデータ活用チーム チーム長 概要:ビッグデータとリアルタイムのデータ収集を活用した船舶の健全性モニタリングは、船舶の性能を向上させ、定期的なメンテナンスからCBM(Condition Based Maintenance)に移行するという当社の目標に不可欠な要素となっています。 しかし、船舶の健全性を保つためには、オペレーターがいかにして機械部品の異常な状態を見分け、原因を突き止め、与えられた情報に基づいて行動するかということが重要なポイントになります。そのためには、日本郵船のデータ収集プラットフォームから送られてくる様々な機器の信号から、異常な原因を検出することが必要となります。そのため、異常検出モジュールは、診断分析の出発点として開発され、手動による監視で検出されたものと同じ問題を検出します。AWSサービスを利用して構築したデータストリームの継続的なモニタリングを活用し、高度なアナリティクス、機械学習、マリンエンジニアのコグニティブな知識を組み合わせて、異常な症状を検出することで運航を支援していきたいと考えています。 15:35-15:50 Q&A 15:50-16:00 クロージングセッション アマゾン ウェブ サービス ジャパン合同会社 |
推奨パソコン環境 |
視聴にあたり、以下のPC環境をご確認ください。 ブラウザ環境: Google Chrome (most recent 2 versions) Mozilla Firefox (most recent 2 versions) インターネット環境: Computer: 1 Mbps or better (broadband recommended) ※セルフチェックが可能となっております。セルフチェックはこちら≫ ※携帯からのご視聴は推奨しておりません。 |