生産現場でAIの性能を維持する
継続的な運用を支えるモデル管理基盤。ライフサイクル全体を通じて、AIの品質を管理します。
変わり続ける製造現場AIの品質には継続的な管理が必要
製品、治具、照明、カメラの変化は、AIの精度に影響を与える可能性があります。半導体製造では、AIの品質を維持するために、継続的な監視・評価と、適切に管理された更新が求められます。
変化を検知し
AIの性能を維持する
管理図に基づくルールを含む統計的な監視により、ドリフトの初期兆候を検知します。モデルの挙動、検査対象製品の変化、環境条件を調査したうえで、是正措置や再学習が必要かを判断します。
- 01 監視・ドリフト検知
- 02 要因分析
- 03 再学習
- 04 評価・承認
- 05 モデルのデプロイ
Return to monitoring the deployed model and continue the cycle. Model adoption and production release require the applicable human approvals.
人が関与すべきポイントを定める
監視と評価を自動化しながら、是正措置、再学習、本番リリースに関する判断は、現場で定めた承認手順に従って行います。
プラットフォーム
データとモデルの挙動を監視し、異常なパターンを検知。設定された基準に照らして候補モデルを評価します。
現場の技術者
変化がモデル、製品、運用環境のどこに起因するかを調査します。是正措置と、再学習の必要性を判断します。
品質保証チーム
評価の根拠を確認し、現場の要件に従ってモデルの採用と本番リリースを承認します。
ドリフトの検知だけで、本番モデルの変更が自動的に承認されることはありません。モデルの採用とリリースには、必要な確認・承認プロセスを適用します。
プラットフォームとAIモデル
外観検査モデルを含むAIモデルを、MLOpsの管理下で運用します。 AIモデル
入力データと出力
入力：モデルの推論結果、入力データの分布、品質指標。
出力：ドリフトアラート、評価結果、候補モデル、デプロイ状況。
導入環境と関連製品
クラウド、オンプレミス、ハイブリッドに対応。 関連製品： AIモデル と 因果AIプラットフォーム.
まずは製造現場の課題をお聞かせください
お客様の工程、データ、導入環境についてご相談ください。