株式会社ナピル
2026年09月10日
製造プロセス向けAI予測・データ分析基盤構築
製造データを活用した予測モデルの検証と、AWS上でのデータ分析・知識発見環境を構築
製造工程に蓄積されたデータを活用し、品質の安定化や将来的な省人化につなげるため、AI予測モデルの開発・評価およびAWS上のデータ分析基盤構築を支援しました。
また、データサイエンティストによる分析支援に加え、お客様のOJTメンバーがAmazon SageMakerやAmazon Quickを活用し、自らデータ分析や知識発見を行うためのナレッジトランスファーも実施しました。
主な成果
製造データの活用からAI予測、データ分析、知識発見までを支援する環境を構築しました。
クラウド環境
データ分析基盤
AI予測モデル
OJT・知識発見支援
技術的課題
開発にあたっては、以下の課題に取り組みました：
① 時間とともに製造条件が変化するプロセスドリフトを考慮した予測モデルの構築・評価
② データサイエンティストだけでなく、業務メンバー自身がデータを探索・活用できる環境とスキルの整備
③ 製造データを機械学習や分析で継続的に利用するためのデータ処理基盤の整備
④ セキュリティ制約のあるプライベートネットワーク上でのAWS分析・開発環境の構築
これらに対し、機械学習モデルの開発支援に加え、Amazon S3、AWS Glue、Amazon Athena、Amazon SageMakerなどを組み合わせたデータ分析基盤を構築しました。 また、分析結果を確認するためのPoC環境を整備し、お客様自身がデータ分析や知識発見を行えるようナレッジトランスファーを実施しました。
データ分析基盤
■ データ取り込み
製造工程で蓄積されたデータをAWSへ取り込み
製造工程で蓄積されたデータをAWSへ取り込み
■ 前処理・特徴量生成
機械学習やデータ分析に利用するためのデータ処理を実施
機械学習やデータ分析に利用するためのデータ処理を実施
■ データ分析
Amazon AthenaやAmazon SageMakerを活用した分析環境を整備
Amazon AthenaやAmazon SageMakerを活用した分析環境を整備
■ 知識発見支援
お客様自身がデータを探索・分析できる環境とスキルを整備
お客様自身がデータを探索・分析できる環境とスキルを整備
AI予測モデル
製造プロセスデータを活用したハイブリッドモデルを構築し、過去データを用いた検証に加え、実運用環境を想定したシャドートライアルを実施しました。
- 過去の製造データを用いたモデル開発・評価
- プロセスドリフトを考慮したモデルの有効性検証
- 実運用環境を想定したシャドートライアル
OJT・知識発見支援
データサイエンティストによる分析支援だけでなく、お客様のOJTメンバーがAmazon SageMakerやAmazon Quickを活用し、自らデータ分析や知識発見を行えるよう、分析手法や活用方法を共有しました。
今後の展望
今後は、継続的なデータ取り込みやモデル監視・再学習などのMLOpsを整備し、製造条件の変化に対応しながら、対象工程や製品ラインへのAI活用の拡大を目指します。
技術スタック:
- Python
- scikit-learn
- XGBoost
- Streamlit
- AWS
