システムログ・操作履歴のAI活用事例

【成果】 2019年からの試験的な運用を経て、明らかに不具合の予兆を示す有効な特徴量の抽出に成功しました。例えば、ボーイング787のエアコンシステム部品における不具合の予兆検知では新たな特徴量を発見し、この取り組みは航空技術協会の表彰審査会委員長特別賞を受賞するなどの高い評価を得ています。 また、従来の整備士の知見では「システム稼働中に兆候が現れる」と考えられていた事象に対し、AIの分析によって「システム停止中に特定の傾向を示す特徴量が存在する」という新たな事実が判明するなど、人間の経験則を補完する定性的な成果も生まれています。 現在では部品整備部門との共同分析も進んでおり、より多くの担当者がデータ分析に取り組む体制が構築されつつあります。

【成果】 直営塾や先行してモデル転換を行った「超個別指導塾まつがく」において、従来よりも少ない運営リソースで大きな成果を上げています。まつがくでは、国公立大学の合格実績が2020年度の6名から2024年度には42名へ、私立大学は12名から235名へと大幅に伸長しました。また、生徒数も同期間で18%増加するなど、定量的な成長を実現しています。 現場の生徒からは「やることを自分で決められる」「丁寧に学習の進捗管理をしてもらえる」といった肯定的な声が寄せられており、自立的な学習姿勢の定着という定性的な変化も確認されています。

【成果】 AIが乱気流の発生する特徴量を的確に捉えることが可能となり、日本上空の予測モデルにおいて86%という高い正答率を実現しました。従来の予測手法では乱気流の報告情報と予測位置が一致しないことがありましたが、新システムではこれらが正確に一致することが確認されています。 ANAは本システムを正式導入することで、運航における安全性と快適性の向上を実現し、お客様が安心して搭乗できる環境の強化に繋げています。

【成果】 千葉県市川市にある三井倉庫サプライチェーンソリューションの拠点において実証実験が行われ、8つのバースで正式にサービスが導入されました。 ナンバープレートの自動認識により、これまで管理が難しかった荷物の積み降ろし時間の実績データが正確に取得できるようになりました。手入力によるミスや漏れが防げるだけでなく、予約情報がない車両についてもログとして実績データを取得することが可能です。 導入企業では、取得したデータを分析することで、ドライバーの待機時間削減や庫内作業の準備、人員配置の最適化など、業務プロセスの効率化が進められています。また、マニュアルでの管理工数が削減されることで、年間約300万円程度のコスト削減が見込まれています。

【成果】 2024年1月の運用開始以降、エンジンやトランスミッションなどパワートレーン関連の開発に携わる約800人のエンジニアに向けてシステムが解放され、月間に数百回利用されるなど現場への定着が進んでいます。 実際に活用しているエンジニアからは、排出ガス測定機器の仕様や環境規制に関する質問に対して正確かつ詳細な回答が得られ、これまで適切な文書を探し出して膨大な文章を読み解くのに要していた時間が大幅に短縮されたと高く評価されています。 今後は技術図面などの視覚的な情報の取り込みや、顧客の不満を分析して次世代車両の改善に繋げる「消費者の声エージェント」の開発など、さらなる機能拡張が構想されています。