WOLFRAM

機械学習とMathematicaで自動組立てラインを最適化

自動化された現場の製造システム

「Mathematicaの総合的なプラットフォームとしての力はまだまだ過小評価されています。そのハイブリッドシステムは，複雑なタスクをプログラムし，結果を出し，シームレスに他の環境に結び付けることを容易にしてくれます．」

チャレンジ

自動組立てラインでの製造工程を最適化する．

利点

  • 解釈可能な計算モデルを自動的に作成
  • 総体的な設備の効率性と製品品質を最大化
  • 継続して改善するために複雑な自動化工程をより深く理解

解決方法

machine learning framework とMathematicaを使って，製造現場の管理システムによって提供されるデータから適応的なモデルを作成する．

Wolframの強み

  • 宣言型プログラミング言語が機械の学習タスクを分かりやすく記述
  • 機械学習のツールに統計と数学的モデリングを結合
  • 自動化ソフトウェアプラットフォームにシームレスに統合

車，電化製品，および家庭・オフィス家具といった我々の生活必需品はますます自動工程の中で製造されるようになってきています．これらの複雑なシステムの設定を変更するには，正しい意思決定支援や自動回復の機能が不可欠です．そしてこの重要な情報を決定するためには，機械学習機能が必要となります．

機械の処理を向上させる

uni software plusが開発したMathematicaアプリケーション machine learning framework (MLF)は，これらのシステムの問題に画期的なソリューションを提供します．MLF は過去のイベントデータとその他の統計の分析に基づいて機械がそれ自身の工程を改善することを可能にします．また，理解しやすく，高速計算を行うモデルの作成を支援します．

MLFは，データ収集やモデリング機能が不可欠である主要メーカーの製造システムにすでに統合されています．Bosch，Braun，Moeller等を重要な顧客とし，高度な自動組立てラインのシステムを提供するAMS Engineeringのような企業は，設備の全体的な効率と製造工程を改善するためにMLFを使用しています．

組立てラインを最適化する

このような組立てラインには，優に何百ものパラメータを持つ30以上の工程モジュールが含まれる場合があり，これらのパラメータは頻繁な製品再設計のたびに変更されます．Mathematicaの総合的なディスクリプタおよびソルバは，MLFの迅速なモデル作成・評価装置と結合し，製品デザイン，設備稼動性，生産効率，品質率等の点において継続的に機械学習によって得られる「知能」を高めていきます．

MathematicaとMLFは，オフラインで正しいモデルを作成しテストすることから，稼動中の製造現場管理の不可欠な部分となることまで，自動組立て工程の中で常に使用されるものです．「Mathematicaの総合的なプラットフォームとしての力はまだまだ過小評価されています。そのハイブリッドシステムは，複雑なタスクをプログラムし，結果を出し，シームレスに他の環境に結び付けることを容易にしてくれます．このおかげで我々が machine learning framework を設計することができたのです」とuni software plusの社長Herbert Exner氏は語っています．

詳細

関連体験談