-
予測・運用
産業用ロボットの異常探知：5日前の故障予測・400台のロボットに適用
独自開発した教師なし学習ベースの異常探知アルゴリズムを活用。生産工程・環境に特化したカスタマイズモデルの開発を通じて、設備の異常を少なくとも5日前までに探知。また、400台余りの多様なロボットアームを統合された環境でモニタリングおよび管理することで、ダウンタイムによるコスト損失を最小限に抑制し、生産性を向上。
-
バッテリー 予測・運用
EVバッテリー寿命予測：2,700台以上に適用・モデル性能を4.6倍まで改善
バッテリー管理システムのデータと電気自動車（EV）運行パターンの分析を通じて、車両用リチウムイオンバッテリーの残存寿命予測とライフサイクルモニタリングを可能に。
-
予測・運用 化学
PP工程の緊急シャットダウン（ESD）早期探知：7日前に早期予測
ポリプロピレン（PP）製造工程の反応炉にディープラーニングによる異常探知モデルを適用してESD（Emergency Shut Down）を事前に察知し、異常特性に対するインサイトを提供。
-
エネルギー 予測・運用
太陽光発電量の予測：787の発電所で3,000以上のモデル運用
様々なアンサンブルモデルを活用して予測精度を高めることで、787の発電所を統合運用し、3,000以上のモデルを素早く再学習してデプロイするAI運用環境（MLOps）を構築。
-
半導体 最適化
チップ設計の自動化：設計時間を85%短縮し・性能を49%改善
AIベースのシミュレーターと強化学習エージェントを活用して、ASICに存在する数百万のコンポーネントの最適配置を自動化し、作業時間と性能を向上。
-
最適化
HVACの制御最適化：エネルギー消費を10%削減
電気自動車の実データを活用してリアルに最も近いAIシミュレーターを開発。演算速度を大幅改善した軽量化モデルを搭載することで車両エネルギー制御を最適化。
-
最適化 製造業
マルチロボットのプログラミング自動化：所要時間を6週間から3日間に短縮
AIとロボティクス技術を融合し、マルチロボットで構成された車体溶接工程を迅速かつ安全に行うロボットプログラムを作成するためのパスプランニングを実施。作業時間を短縮し、製品の生産スピードを向上。
-
最適化 製造業
SMTマウントシーケンス最適化：8週間で既存アルゴリズム性能を達成
強化学習を利用してPCB上での効率的な電子部品の装着順序をプランニング。表面実装の技術工程にかかる所要時間を最小化。
-
最適化 製造業
パラメータチューニングの自動化：52%時間短縮・20%精度向上
データに基づいたシミュレータと強化学習を活用してパラメータチューニングを自動化し、ソフトウェアにおけるモーションコントロールの制御値と実際の制御値のずれを最小限に抑制。
