NEC、過去事例データから新規施策立案支援を可能とするAI技術を開発

　NECは、過去事例データから事象の要因とその発生条件を導き出すことで具体的な改善条件を提示し、人が理解しやすい表現で施策立案支援を可能にするAI技術「ルール発見型推論技術」を開発しました。

　製造業や小売業、金融業などの領域において、製品不良要因の事前特定や顧客の購買行動分析などに貢献します。

　製品の品質管理や顧客分析など、データに基づく現状分析は様々な業界で行われています。近年、AIを活用した製品の品質状況の予測や顧客の購買行動予測が行われています。具体的には、将来予測とその予測結果をもたらす要因の提示をAIが行い、改善策や対策は、専門家の経験に基づいて立案されています。

　しかし、人手不足の深刻化や熟練技術者や専門家の高齢化が進む中、技術や経験、ノウハウを伝承するとともに、AIを活用し、将来予測と共に施策立案まで含めたトータルな支援が求められています。

　NECは、「人と協働し社会に浸透するAIの開発」を推進しており、このような課題解決に向け、本技術を開発しました。

■技術の特長

　本技術は、過去事例を正解データとして学習し、結果と結果につながる要因と発生条件を見出だし、「どの要因がどのような条件のとき、何が起きるか」をルールとして構築することで、各要因の改善条件を示すことができます。

　例えば製造業における製品不良の要因分析では、原材料の成分配合や処理装置の設定など大量の要因が影響するため、構築されるルールが膨大になります。このため、これらのルールを網羅的に調査して、各要因の改善条件まで導き出すことは現実的ではありませんでした。

　本技術は、各ルールの優先順位付けを独自の方法で行うことにより、より少なく、より高精度なルールを探っていきます。具体的には、実際に製品不良が発生したデータと発生しなかったデータを正解として学習させ、ルール群を構築します。そこから各ルールの優先順位づけを独自の方法で行い、さらに並列計算技術を応用することで、必要十分なルールを少ない計算量で選別できるように設計しました。

　オープンデータを用いた実験では、事例全体をカバーするために既存手法で50個近いルールが必要だったものが、本技術では十数個のルールで達成できることを確認できました。これにより、従来手法よりも少ないルールでより精度の高いルールを導き出すことが可能となります。