機械学習・AIを用いたデータ分析と自動化技術について · Copyright © 2016 GRID All Rights Reserved. TECHNOLOGY| 機械学習・深層学習のフレームワーク

Copyright©2016GRIDAllRightsReserved.

INFRASTRUCTURE + LIFE + INNOVATION

機械学習・AIを用いたデータ分析と自動化技術について

資料５


会社概要

�� INFRASTRUCTURE + LIFE + INNOVATION

「人工知能を誰でも使えるように一般化する事と、より高度なアルゴリズムを開発し、

人工知能のさらなるブレークスルーを生み出す事を目指しています。」

我々は、この異なる２つのミッションに対して取り組んでいます。

会社概要

株式会社グリッド2009年10月東京都港区北青山3-11-7 AOビル6F

会社名設立所在地

再生エルギープラント開発事業人工知能開発事業


当社の事業領域

Edge sensor Operation/UIIoT ML/AI

Text

Control

Web

Device

Mail

Partner Partner


GRIDのサービス提供形態

ReNomの提供

AI開発プロジェクトの実施

AIサービスの提供

データ解析サービスの提供


現在取り組んでいるプロジェクト分野

金融

医療

交通

石油・ガスプラントコンサルマーケティング業務支援

Energy Power

Industrial IoT

Robotics

農林水産自然災害


ENERGY | エネルギー

ü 電力ネットワークの上流から下流にいたる様々な場所で収集・蓄積された膨大なデータをAIを使って解析

ü 太陽光発電における発電量の予測や、スマートメーターの情報を解析し消費電力量を予測

ü 火力発電所における燃料の燃焼効率の最適化や、異常検知

ü バーチャルプラントの制御アルゴリズムの開発など


RENEWABLE ENERGY | 発電・消費電力予測

消費電力量予測üスマートメーターの情報から、各家庭の消費傾向を学習

ü気象データや、カレンダー情報等の外部要因データを人工知能を使って解析

ü30分後～数日先までの消費電力量を予測

発電電力量予測ü500mメッシュの気象情報から発電所周辺の日射量を積算

ü積算した日射量をベースに、30分後～数日先までの発電量を予測


POWER PLANT OPTIMIZATION | 火力発電所運転最適化

ü 火力発電所における、様々な機器の運転データにAIを活用し分析することで、発電所の制御を最適化

ü 機器の稼働効率をあげることで、高度に運転を制御することが可能です

ü 過去の環境データと機器の運転データを分析し、変動する環境に応じて運転を最適化することで、燃料の燃焼効率をあげ、運転コストの削減が期待できます


ANOMALY DETECTION | 異常検知

ü 機器の運転データと検査結果の相関性を分析することで、部品の故障や摩耗などを予測。計画的なメンテナンスの実現や、高度な状態監視が可能になります

ü 異常や不安定稼働の予兆を発見し、不慮の運転停止等を未然に防止することで、安定した運転を実現できます

ü 現場で利用されている様々な機器にAIを活用することで、高度な稼働制御を実現することが可能です


CONTROL OPTIMIZATION | プラント制御

ü プラントやデータセンター等運用の安定化や省エネ、効率化、製造品の品質向上にAIを利用

ü オペレータの操作履歴などのデータをもとに、各パラメータの入力値と制御結果の相関性をディープ・ニューラル・ネットワーク（DNN）に学習させる

ü 学習済みDNNをベースとして深層強化学習を行い、より良いパラメータの組合せを探索する

ü 試験運転によって、計算されたパラメータを試験。目標値に向けて、強化学習を繰り返し、性能を向上


SAFETY | 安全性への貢献

ü データの活用によりAIをオペレーター支援として活用、プラントや発電所、工場などにおける運転員の負荷軽減や、人材不足の問題解消に貢献することが可能です

ü AIによりリアルタイムデータの解析を実施し、状態監視やモニタリングを強化することで、突発的なトラブルの予測や、安定した運転を実現します

ü AIの活用で、突発的なトラブルを軽減し、常に安定した運転を維持することで、高度な施設制御による安全性の向上を実現することが可能です


WEATHER FORCAST | 気象解析システム

ü気象庁から配信される広範囲の気象予測情報を、500mメッシュに再計算し、地域・時間軸ともに、より詳細な情報として算出

ü気象情報を4Dで可視化

ü気象データをインフラの状態予の変数として活用し、気象がビジネスに与える影響を分析したり、予測精度の向上に活用しています。


VPP | VURTUAL POWER PLANT

深層強化学習を用いて、パーチャルパワープラントを制御するアルゴリズムの開発を行っています。

これにより、電力網やプラント制御など、個別の制御を行いながら、ネットワーク全体を効率を最適に制御する事を可能にし、刻々と変化する電力受給バランスの下で、従来人では得られなかった最適な解を導く事が実現できます。

バーチャルパワープラント


機械学習・深層学習のフレームワークReNom（リノーム）について


TECHNOLOGY | 機械学習・深層学習のフレームワーク

GRIDが自社開発した機械学習/深層学習のフレームワークReNom（リノーム）。機械学習/深層学習のフレームワークは、開発にはソフトウェアとアルゴリズムに関する深い知見と高い技術力が必要となります。ReNomの設計思想は、複雑なアルゴリズムを誰でも簡単に扱うことができ、様々なアルゴリズムを組み合わせる事をコンセプトとしており、複雑な課題を解決し、新たな発見から大きなインパクトを提供する、ビジネス実践を目的としたフレームワークです。

GRIDは「人工知能を誰でも使えるように一般化する事」「より高度なアルゴリズムを開発し、さらなるブレークスルーを生み出す事」を目指し、この2つのミッションに対して取り組んでいます。

（リノーム）


ReNom | ReNom.jp リファレンス公開中

www.renom.jp


ReNom | アルゴリズムミックス

Deep Learning

深層学習

Data Analysis Solution

DeepQ Network

DDPG

Topological Data

AnalysisMP problem

SVMRandom forest

Algorithm mix

QuantumAlgorithm

サポート・ベクターマシン

ランダムフォレスト深層強化学習数理計画問題位相的データ解析量子アルゴリズム

ますます多様化、複雑化する課題に対して、GRIDは単一の手法だけでは解決しきれないと考えており、1つのフレームワーク上で様々なアルゴリズムを実装し、課題ごとに組み合わせることで、多様なビジネスの問題を解決できると考えています。ReNomは様々なアルゴリズムを必要に応じて組み合わせて活用する開発基盤を実現します。


ReNom | ユーティリティ

識別や予測において高い精度を実現するためには、収集した生データを分析に適した形に加工、前処理を実施し、学習を行う必要があります。適切なデータに前処理を行うには、データサイエンティストがプログラムを個別に構築する為、多大な工数を要し分析の実施や精度向上に取り組む際の大きな課題となっています。ReNomには、前処理のみならず、サイエンティストの分析作業をサポートできる様々な前処理のユーティリティを多数実装しています。

様々な前処理のユーティリティを実装


ReNom | ディープラーニングによる映像解析

ü ディープラーニングを用いて画像認識が可能です。CNN・FRCNN・YOLO・イメージセグメンテーションなど、画像解析に必要な各種アルゴリズムがサポートされます。

ü カメラ映像からの人や交通の流れの捕捉、製造分野おける画像解析を用いた部品の故障の予測、医療分野におけるレントゲンやCT画像から疾患の検出サポートなど、様々な分野で応用することが可能な汎用性の高い技術です


ReNom | 時系列データ解析

ü 連続的な観測を経て得られた、ある現象の時間的な変化を表すデータを解析し、そのデータの周期的なパターンを見つけ出します

ü 機械の稼働データなど、さまざまな分野のデータから、時間を追って変化する現象において次に何が起こるのかを予測することが可能に

ü データの持つパターンを知ることで、意思決定の一助としたり、予防保全の高度化、メンテナンスサイクルの最適化などさまざまな活用展開を実現できます


ReNom | ハイパーパラメータ

フレームワークを用いてDeep Neural Networkを構成し深層学習を進める際、中間層のユニット数や学習率など様々なパラメーターを決める必要がありデータサイエンティストが試行錯誤を繰り返します。ReNomでは、このハイパーパラメーターを自動探索することで、分析者の負担軽減や分析時間の短縮に貢献します。

ハイパーパラメーター


ReNom | 多様なTutorial

アルゴリズムの解説と、ソースコードが公開されているので、機械学習の経験が少ないエンジニアでもモデル構築が可能。


ReNom | 最適化問題

日常のいたるところに、数え切れないほど存在する最適化問題。数ある選択肢の中から、どれを選択するのが最良の手段なのかを決定することは、様々な情報や条件が複雑に絡み合う実社会において極めて困難ですGRIDでは、AIを使って様々な条件や制限/制約がある中の、無数に存在する選択肢の中から、近似最適解をアルゴリズムを使用して見つけ出し、皆様が抱える課題を解決します。

最適化問題


ReNom | CVAE・GAN 生成モデル

ビックデータにすべて教師ラベルが振られているわけではなく、多くのケースで教師ラベルがつけられない、一部のみしか教師データがないといった事が起こります。生成モデルでは、データの生成過程を学習し、ある特徴間の確率変数を遷移させ、大量のデータを生成し、少ないデータから適切な学習を行う事をサポートします。

生成モデルでデータを生成


ReNom | DQN DDPG 深層強化学習

深層強化学習は、Q-learning とディープニューラルネットワークを組み合わせたものであり、現在大きな注目を集めているアルゴリズムです。試行錯誤を通じて繰り返し学習する為、特に複雑で高度な制御が必要な場合や、状況が変化する環境下で、従来、人では得られなかった最適な解を導く事が実現できます。

深層強化学習


ReNomTDA | Topological Data Analysis

データ・マイニングやコンピュータ・ビジョンの分野での応用を念頭においた新しい研究領域

どのようにして、低次元のデータ構造で表現される対象から、高次元のデータ構造体を獲得するのか、といった問題を解明するために研究されている

データの集合をトポロジーと呼ばれる幾何を用いて解析し、データ持つ特徴の距離が近いものを集合として可視化

複雑な構造を持つデータの理解、検証に応用が可能。Deep Learningと併用し、モデリングを効率化。


ReNom | エッジディバイスへの学習済みモデル出力

ReNomは、機械学習させた学習済みAIをエッジデバイス（PLCなど）に組み込むことができます。オンラインで学習させたデータをシェアードライブラリとパラメーターファイルとしてエッジデバイスに出力し、センサーから収集したデータをオンラインで学習させ、学習済AIを更新していくことが可能です。これにより、リアルタイムでの品質予測・故障予測が可能になり、不良品の削減、故障前のプロセスリトライによる機械寿命の長期化を実現できます。

Online training

学習済みモデル

センサーデータ

Edge device

ex)Raspberry piPLC

Documents

機械学習・AIを用いた データ分析と自動化技術について · Copyright © 2016 GRID All Rights Reserved. TECHNOLOGY| 機械学習・深層学習のフレームワーク

機械学習・AIを用いたデータ分析と自動化技術について · Copyright © 2016 GRID All Rights Reserved. TECHNOLOGY| 機械学習・深層学習のフレームワーク