top of page

AI解析プラットフォーム Multi-Sigma

Multi-Sigma(マルチシグマ)とは

研究開発において、設計上の最適値をどれだけにすれば良いのか? という課題が多々ありませんでしょうか?

複数の条件(説明変数:負荷荷重、圧力、温度)に対して、複数の結果(目的変数:出力、燃費、効率など)という組み合わせパターンが数多く考えられる場合、AI解析により、最適解を求めることが可能です。

Multi-Sigmaは、「多入力・多目的システム」において、試行錯誤や経験に頼って行われてきた研究開発に、AIの力でブレークスルーをもたらしたいという、AI研究者の強い想いから生まれました。

従来のPDCAサイクルにAIの手法を取り入れた「革新的実験計画法」により、多入力・多目的システムの最適解を、効率よく導きます。

​機能とポイント:
・データサイエンスの専門的な知識は不要です

 

multi-sigma01.png
Multi-sigma03.png

1.最小限のデータとコストで、最適解を

深層学習を高度にチューニングすることで、少ないデータでも過学習することなく高精度に予測が可能です。

ニューラルネットワーク解析は20以上、ベイズ解析はさらに少ないデータから精度の高い予測ができます。​ビッグデータは必要ありません。

Multi-sigma04.png

2.要因分析で、説明できる AI

要因分析により、説明変数の寄与の大きさと、寄与の方向性について、定量的に分析することが可能で、ブラックボックスと言われるAIを説明可能にします。

multi-sigma02.png

3.最適解を見つけ実験工程も超効率化

多目的遺伝的アルゴリズム(MOGA)により、トレードオフにある複数の目的を同時に満たす条件を自動で探索します。お客様にとって最適なバランスの条件を抽出頂けます。

​※MOGA: Multi-objective genertic algorithm

lp-point-card04.png

4.安全、導入と管理コストを削減

Google Cloud Platform 上で構築されているデータセキュアなSaaSアプリで、お客様にてハードウェアやソフトウェアをご準備いただく必要はありません。普段お使いのパソコンやタブレット端末のWebブラウザからAI 解析をしていただけます。

応用例・ソリューション

【新規巻線製造工程の開発プロセス】

SWCC様におけるAIを活用した新規巻線製造工程の開発プロセス:エイゾスのMulti-Sigmaを用いたプロセス・インフォマティクス

​​​

【ケーススタディ】

臨床データから心疾患の有無を予測​​

【カゴメ様対談】

カゴメ様におけるAIを活用したスマート農業:エイゾスのMulti-Sigmaを用いた生鮮トマトの収量予測へ

【カゴメ】

5週間先まで、トマトの収穫量を予測可能

導入サポート

ライセンス体系

【 無料評価版 】

お客様が期待されるAI解析であるかどうかを、全機能に制限なしでテストできます。

​まずは、評価版にてテストを!!

​​

機能制限:なし

価格  :無料

期間  :アカウント作成から1ヶ月

全機能を、無料で使うことができます

​マルチシグマの評価版希望と、お問い合わせください

​シングルライセンス

1ライセンスから購入できます。​

​​

登録アカウント数:1

並列ジョブ数  :1

ライセンス期間 :1年更新のサブスクリプション

​アカデミックライセンス :あり

​シングルライセンスのお見積り希望と、お問い合わせください

​チームライセンス

チームライセンスでは、ボリュームディスカウントが適用されます

チームメンバー間で、作成したAIモデルを共有し利用することができます。

登録アカウント数:1 (最大5名が登録可能)

並列ジョブ数  :3

ライセンス期間 :1年更新のサブスクリプション

​アカデミックライセンス :あり

※10ライセンス、100ライセンスといった、大型のライセンスパッケージも用意しています

​チームライセンスのお見積り希望と、お問い合わせください

​技術コンサルティング

Aiの専門家による、技術コンサルティングを提供することが可能です

まずは、ご相談ください

カタログ

このほかの、様々な事例カタログも準備しております。お問い合わせください

​・プレーヤーの技術レベルに応じた最適なテニスラケットの製作

・連鎖解析によるアスリートの怪我の予測

・MEMSセンサ製造プロセスの多目的最適化

・自動車の燃費性能とエンジン出力の多目的最適化

・コンクリート圧縮強度の予測

​・人工心臓のデザイン最適化

FAQ

  • GPTなど、生成AIとは違うのですか?
    →生成AIと呼ばれるものは、すでに学習済みのAIです。Multi-Sigmaは、ユーザー様のデータを学習し、ゼロからAIモデルを作るものになります。

  • プログラミングやデータサイエンスのスキルがありません
    → 学習コストをかけずに、あらゆる人にAIスキルを与えます。プログラミングスキルやデータサイエンスの専門知識は不要です。どなたでも、専門家と同等の品質で、世界最先端の解析を行えます。

  • 入力変数と説明変数は、複数可能ですか?
    → 一般的な自動機械学習(AutoML)は、予測機能のみでアウトプットは一つのみですが、最大200個の説明変数から最大100個の目的変数を予測し、かつ100個の目的変数の条件を同時に満たす200個の説明変数を逆解析可能です。

  • 学習機能はどういうものがありますか?
    → 深層学習の2大技術といえるニューラルネットワークとベイズ最適化によるデータ解析の両方が利用できます。ある程度まとまったデータ(20個以上程度)で威力を発揮するニューラルネットワークと、最小のデータ数(3~5程度)からの逐次最適化で威力を発揮するベイズ最適化を組合せた解析が可能です。

  • 複数のAI手法を使えますか?
    → 目深層学習を利用した予測と遺伝的アルゴリズムを利用した最適化を同時に1つのアプリで実行することが可能です。最適化のAIが予測のAIを使いながら、多目的な最適解を自動で探索することができます

  • 最適化の条件について教えてください
    → 遺伝的アルゴリズムを利用し、多目的の最適化を行うことができます。目的変数の最大化・最小化・目標値設定と、説明変数の制約条件の設定が可能です。

  • 要因分析とは何ですか?
    → 予測モデル作成後、感度分析の技術により、どの説明変数がポジティブもしくはネガティブにどの程度効いているかを定量的に評価することができます。

  • ハイパーパラメータとは?
    → AIエンジニアの必須スキルと言われているハイパーパラメータ(機械学習アルゴリズムの挙動を設定するパラメータ)のチューニングを自動で実施することができます。ボタン1つで過学習を抑制しつつ、高精度な予測が可能となっています。

  • AI実験計画法とは?
    → 従来の統計をベースにした実験計画法から、AIをベースにした実験計画法にすることで、多重共線性問題の解決、予測精度の向上、多目的な予測・最適化、実験計画の簡易化・無駄の排除が可能となります。

bottom of page