Solution Use Case

AI数値解析

秘密計算技術
AI解析

AI数値解析で需要予測の高度化や与信判断の自動化を支援

AI（人工知能）を導入する企業が増え、様々なユースケースと共にAIの活用方法も広がりをみせています。AI数値解析技術は製造現場では生産・部材発注予測に活用され、金融機関では与信判断の高度化や自動化に活用されています。しかし、理想の精度が出ず課題改善に至らないケースもあります。

イーグリスはビジネスイシューにフォーカスして最適な手法を選択・設計します。従来の数値解析方法にとらわれずにあらゆる機械学習モデルから検討することで顧客の予測精度向上や工数削減・生産性向上を支援しています。
このページではイーグリスの技術力と問題解決力・構想策定力によって社会実装してきた数値解析のユースケースを紹介いたします。

Issue よくある課題

AIによる数値解析は各社が保有するデータを用いて解析を行い、予測値や傾向値を算出していくケースが主ですが、従来のAIモデルでは結果の精度が期待値には至らず、結果的に人手を増やして業務を遂行するケースがあります。AIによる数値解析はモデルの評価が重要ですが、それ以上に「期待どおりの結果が出ていないこと」への対応策を柔軟に検討することがより大切だとイーグリスは考えます。

新しい解析方法を選定した方がよい場合、既存モデルを改善することで問題解決につながる場合等、ケースにより対応策は様々ですが、AIによる数値解析のモデル構築アプローチを正しく評価し、採用すべきモデルを自社で判断することがネックとなりAIを上手く活用できていないケースが多く見受けられます。

AI algorithm design technology

AIアルゴリズム設計技術

与信判断をAI解析で自動化。
判定精度の向上とコスト削減に貢献

某フィンテック会社では数千件/日を超える支払い能力審査（与信判定）を人手でおこなっていたため業務コストが課題でした。業務コストを削減するためAIで判断できるものはAIでおこなうことで、人が判断すべき件数を極小化する取り組みを開始しました。

イーグリスは過去の不正・正常判定の審査データを整理しデータの性質や特徴量を設計した上で、複数のAIモデルを選定しました。実装検証による評価をおこなうことで明示的で高精度なAI審査モデルの構築に至りました。AIモデルによる与信判定業務の自動化により、1日当たり25%分の業務コストを削減することができました。

数値解析手法のアップデートにより電力需要の予測誤差を大幅改善

某電力エネルギー会社では電力エネルギーの需要予測と実際の消費量に大きな誤差が生じていましたが誤差修正の取り組みがうまくいかず、また、送電所では蓄電ができないために、過大な電力調達をおこなわざるを得ず、環境面・経営面共に大きな損失につながっていました。

イーグリスは予測精度の向上にむけた数値解析手法の見直しに着手。時系列データを解析することで特徴を抽出し、アテンションモデル（特徴のある曜日や時間帯に重みづけ）をおこなう等、解析する特徴量から見直しをおこなう事で、エネルギー需要予測の誤差を4割以上低減させることに成功。数億円規模でのコスト改善へ繋げることができました。

Various types of model design

様々な種類のモデル設計

数値解析モデルを独自に開発。定量ルールでは計測が困難な特殊部品の調達予測精度を向上

車両や飛行機はメンテナンス時に定期的な部品交換を必要とします。AI数値解析を用いて故障兆候を捉え、部品交換時期を予測する企業が増えています。しかし、交換頻度の低い部品は需要予測が難しく、必要な部品の調達と在庫管理の効率化が十分におこなえないため、一部の部品在庫の長期滞留や部品不足で修理できず使えない機体を抱えてしまうことで経営損失につながっていました。

イーグリスは部品交換時の報告書の内容や過去の調達実績、運行データや運行時の外部環境等、様々な数値データを用いた新しい解析モデルを提供しました。複数種類のデータを用いることで交換頻度の低い部品でも高精度の需要予測をおこなえるようになり、交換部品の発注業務の標準化や部品不足の解消等、メンテナンス業務の生産性の向上につなげることができました。

年間数千件の機械の不具合対応を数値解析を用いて自動化・スマート化

イレギュラー対応には人手がかかるものですが、某機械整備会社では不具合発生時の人手によるオペレーションコスト課題が深刻な状況でした。
従来、機械整備の不具合発生時は対応の優先付けや類似ケース探索に始まり、メーカーマニュアル・関係者への事実確認や、修理・交換の判断、不具合処理が完了し経過の記録をおこなうまでに膨大な時間がかかっていました。不具合は年間数千件にも及ぶため、調査に要する処理時間の削減、ベテランの勘と経験から判別される基準の標準化、適材適所化による件数の最適化等が課題でした。

イーグリスでは不具合の詳細データ（構造化データ）を用いて相関性や類似性を見つけ、過去事例のキーワード検索を類似度の高いものから表示していくように変更。人による状況判断を減らすことでケース調査やマニュアル・関係者への確認にかかっていた時間を削減しました。業務のデジタル化を通して、一人あたりの対応量を削減することで、コスト効率改善へ貢献しました。