知識構造化と自然言語処理の連携
構造化知識研究所は、ものづくりの現場に役立つ知識の構造化と人工知能の連携による手法の整備ならびに実務への導入を積極的に推進しています。
昨今の人工知能(AI)の技術革新により、設計開発ならびに製造の現場における品質管理業務への人工知能の活用が期待されています。特に弊社が提唱する不具合に関する知識の構造化アプローチと人工知能、特に自然言語処理の間で、互いの強み・弱みを補完し合いながら，ものづくりの現場の業務効率，業務品質を実現させ，日本のものづくりの国際競争力を高めることが、今後非常に重要な取り組みであると弊社は考えています。
昨今の人工知能(AI)の技術革新により、設計開発ならびに製造の現場における品質管理業務への人工知能の活用が期待されています。特に弊社が提唱する不具合に関する知識の構造化アプローチと人工知能、特に自然言語処理の間で、互いの強み・弱みを補完し合いながら，ものづくりの現場の業務効率，業務品質を実現させ，日本のものづくりの国際競争力を高めることが、今後非常に重要な取り組みであると弊社は考えています。
トラブルシューティング強化のためのSSM+AI活用
構造化知識研究所はお客様とともに、熟練技術者がもつ技術ノウハウ、設備異常報告書や設備マニュアルなどの知識を構造化知識ベースとして体系化し、若手技術者や現場の営業担当者がトラブルシューティングに活用する仕組みの環境を具体化し、運用します。また、仕組みを運用する現場負担を軽減し、運用効果を高めるためのAI/IoT技術を活用した仕組みをご提供します。
またトラブルシューティング業務に知識を活用することにを通じて、簡単にトラブル知識のブラッシュアップ、知識の鮮度管理を図る仕組みもSSMとAIを連携することによって可能にします。
例えば、「トラブル症状把握」「内部異常事象特定」「事象発生原因分析」「事象への対策立案」「事象への対策実施」「対策の効果確認」から構成される設備トラブルシューティング支援システムを、以下のような活動を通じて構築、維持します。
①設備マニュアルからの知識ベース構築
複数設備マニュアルを取り上げ、トラブルシューティング向け知識ベースを構築します。
②設備異常報告書からの知識ベース構築
実際のトラブルの事象、原因、対策の記録および熟練技術者へのヒアリングをもとに知識ベースを構築します。
③知識検索支援辞書および検索ロジック構築
SSMmaster及び知識活用ユーザーインターフェースを活用したトラブルシューティングを進めるための辞書データならびに知識検索ロジックを構築します。
④知識活用ユーザーインターフェース作成
知識検索してトラブルシューティングを進めるための具体的な仕様を明確にして、ユーザーインターフェースを作成します。
⑤知識登録ユーザーインターフェース作成
実際の設備トラブル対応業務の結果から新規知識登録/既存知識強化するための具体的な仕様を明確にして、ユーザーインターフェースを作成します。
⑥システム導入と改善
上記活動に基づくシステムを構築し、具体的な試行を通じて改善を進めます。
⑦システム運用方法の明確化とシステムの定着
システムを維持，発展させるための管理方法を整備し、システムを業務に定着させます。
このような取り組みを進めるにあたり、構造化知識研究所ではお客様の活動状況に応じて、幾つかの活動ステージをご用意しております。
●ステージ1
(知識活用支援)
知識ベース・辞書を利用した知識構造化技術による検索
(知識登録支援)
知識データ・辞書を利用したデータ入力支援
●ステージ2
(知識活用支援)
知識構造化と自然言語処理の連携による優先順位提示
複数知識の関係推測に基づく新規知識生成
(知識登録支援)
既存知識の類似度解析によるコンテンツ作成支援
●ステージ3
(知識活用支援)
IoTによる自動センシングの活用による分析精度強化
知識構造化とAIの連携による予兆検知・未然防止強化
(知識登録支援)
既存知識の構造解析によるコンテンツ漏れ検出と質向上支援
各ステージに応じて重点的に強化する課題が異なりますが、知識の構造化アプローチと人工知能アプローチを連携して、現場に役立つトラブルシューティング支援を実現いたします。
こんなお悩みはございませんか・・・．
蓄積した文書にAI(機械学習含む)を適用して知識を整理、活用したいのだがどうも期待通りの成果が得られない・・・。
多様な記述様式のデータ(文書)から，伝承すべき技術に関わる知識を前後文脈を判断しながら精度よく抽出するのは容易なことではありません。
またAIや機械学習は大量の良質な学習データがなければ，自然科学に関する知識を精度よく整理することは困難です。その一方でトラブルに関する知識は1つ1つは個別性が高く、そもそも学習に使える繰り返しデータが大量に整備されている場合は少ないので、個々の技術知識の体系的整理に応用することは簡単ではありません。
技術知識とは、そもそも一定の法則性、再現性があることが前提であるという特徴を踏まえれば、AI活用のベースになる基本的な技術知識体系は予め一定のフレームワークに添って、ひとが整理したほうが効果的．知識の伝承・活用も進めやすいといえます。知識の構造化とAIの連携の利点はまさにこの点にあります。
またトラブルシューティング業務に知識を活用することにを通じて、簡単にトラブル知識のブラッシュアップ、知識の鮮度管理を図る仕組みもSSMとAIを連携することによって可能にします。
例えば、「トラブル症状把握」「内部異常事象特定」「事象発生原因分析」「事象への対策立案」「事象への対策実施」「対策の効果確認」から構成される設備トラブルシューティング支援システムを、以下のような活動を通じて構築、維持します。
①設備マニュアルからの知識ベース構築
複数設備マニュアルを取り上げ、トラブルシューティング向け知識ベースを構築します。
②設備異常報告書からの知識ベース構築
実際のトラブルの事象、原因、対策の記録および熟練技術者へのヒアリングをもとに知識ベースを構築します。
③知識検索支援辞書および検索ロジック構築
SSMmaster及び知識活用ユーザーインターフェースを活用したトラブルシューティングを進めるための辞書データならびに知識検索ロジックを構築します。
④知識活用ユーザーインターフェース作成
知識検索してトラブルシューティングを進めるための具体的な仕様を明確にして、ユーザーインターフェースを作成します。
⑤知識登録ユーザーインターフェース作成
実際の設備トラブル対応業務の結果から新規知識登録/既存知識強化するための具体的な仕様を明確にして、ユーザーインターフェースを作成します。
⑥システム導入と改善
上記活動に基づくシステムを構築し、具体的な試行を通じて改善を進めます。
⑦システム運用方法の明確化とシステムの定着
システムを維持，発展させるための管理方法を整備し、システムを業務に定着させます。
このような取り組みを進めるにあたり、構造化知識研究所ではお客様の活動状況に応じて、幾つかの活動ステージをご用意しております。
●ステージ1
(知識活用支援)
知識ベース・辞書を利用した知識構造化技術による検索
(知識登録支援)
知識データ・辞書を利用したデータ入力支援
●ステージ2
(知識活用支援)
知識構造化と自然言語処理の連携による優先順位提示
複数知識の関係推測に基づく新規知識生成
(知識登録支援)
既存知識の類似度解析によるコンテンツ作成支援
●ステージ3
(知識活用支援)
IoTによる自動センシングの活用による分析精度強化
知識構造化とAIの連携による予兆検知・未然防止強化
(知識登録支援)
既存知識の構造解析によるコンテンツ漏れ検出と質向上支援
各ステージに応じて重点的に強化する課題が異なりますが、知識の構造化アプローチと人工知能アプローチを連携して、現場に役立つトラブルシューティング支援を実現いたします。
こんなお悩みはございませんか・・・．
蓄積した文書にAI(機械学習含む)を適用して知識を整理、活用したいのだがどうも期待通りの成果が得られない・・・。
多様な記述様式のデータ(文書)から，伝承すべき技術に関わる知識を前後文脈を判断しながら精度よく抽出するのは容易なことではありません。
またAIや機械学習は大量の良質な学習データがなければ，自然科学に関する知識を精度よく整理することは困難です。その一方でトラブルに関する知識は1つ1つは個別性が高く、そもそも学習に使える繰り返しデータが大量に整備されている場合は少ないので、個々の技術知識の体系的整理に応用することは簡単ではありません。
技術知識とは、そもそも一定の法則性、再現性があることが前提であるという特徴を踏まえれば、AI活用のベースになる基本的な技術知識体系は予め一定のフレームワークに添って、ひとが整理したほうが効果的．知識の伝承・活用も進めやすいといえます。知識の構造化とAIの連携の利点はまさにこの点にあります。
不具合報告書作成や教訓整理の品質向上のためのSSM+AI活用
不具合報告書を作成する際に、適切にコンテンツを整理することは容易なことでありません。SSMによる知識構造化アプローチは担当者の思考プロセスを誘導することができるため、不具合報告内容の質を高めることに役立てることはできますが、それだけでは十分でないケースも見られます。このような場合に、過去のSSM知識や質の高い不具合情報を活用し、また自然言語処理を使って分析することにより、不具合報告書の作成時や教訓整理時に論点の漏れや不十分さがないかどうかを確認し、必要な論点を反映させる仕組みを構築することができます。
自然言語処理では語句や文脈を読み取って、文書コンテンツの類似性を解析したり、文書をグルーピングしてカテゴリ化することができますが、具体的な品質保証に関わる業務ニーズを踏まえて、何が似ているのか、何を分類するのかということを理解することは簡単ではありません。構造化知識研究所は、そのような業務ニーズを踏まえて、ひとが欲しい内容が何なのかを適切に分析して思考を構造化すれば、自然言語処理と連携することで知識や情報を効果的に取得できると考えています。例えば、自然言語処理で文章のつながりを説明することができても、不具合の発生メカニズム、事象の因果連鎖を適切に説明することは機械的な処理だけに頼ると容易ではありません。しかし、知識構造化の方法論を組合せれば、有効な事象のつながりを構築することや、新しい因果連鎖の気づきを得ることもできます。このような点から、不具合報告書で何を書くべきか、どのような教訓を残すべきかという提案をシステムからユーザに提示することも可能になります。
自然言語処理では語句や文脈を読み取って、文書コンテンツの類似性を解析したり、文書をグルーピングしてカテゴリ化することができますが、具体的な品質保証に関わる業務ニーズを踏まえて、何が似ているのか、何を分類するのかということを理解することは簡単ではありません。構造化知識研究所は、そのような業務ニーズを踏まえて、ひとが欲しい内容が何なのかを適切に分析して思考を構造化すれば、自然言語処理と連携することで知識や情報を効果的に取得できると考えています。例えば、自然言語処理で文章のつながりを説明することができても、不具合の発生メカニズム、事象の因果連鎖を適切に説明することは機械的な処理だけに頼ると容易ではありません。しかし、知識構造化の方法論を組合せれば、有効な事象のつながりを構築することや、新しい因果連鎖の気づきを得ることもできます。このような点から、不具合報告書で何を書くべきか、どのような教訓を残すべきかという提案をシステムからユーザに提示することも可能になります。
