異常検知への生成AI活用と判断の標準化、高精度化

第1部 異常検知への生成AI技術の導入と活用のポイント

(2025年5月13日 10:30〜12:30)

　近年、様々な業務に生成AIの活用が模索されている。プラントや製造現場の監視・保守・保全においても同様に生成AIの活用が注目されているが、他の分野と比較してその進み方は遅いのではないかと感じられる。その背景にはプラント現場においては「人」のもつノウハウ、つまりドメインナレッジが必要であり、かつ業務遂行において重要であることが起因する。しかし、ベテランの退職スピードにドメインナレッジの伝承が追い付かず、保全の現場から失われつつあることが課題となっている。 　本講演では、監視・保守・保全の現場における異常検知への生成AI活用について、活用方法のアイデアを挙げ現場活用の課題と対策案について仮説をもとに解説する。生成AIを活用することで現場がどのように変わるのか、異常時の説明性向上、運用現場での実装ポイントについて紹介する。また、技術解説としてこれら適用案の背景となるRAG (Retrieval-Augmented Generation) を用いた専門知識の補強や、現場で求められる説明性の向上などについて解説する。

1. はじめに
   1. 近年のプラントや製造現場における課題
   2. AIによる異常検知とその課題
2. 応用編:生成AIの監視・保守・保全活用検知活用
   1. 異常検知における生成AIの可能性
   2. 異常発生時の説明性向上と判断支援
   3. RAG (Retrieval – Augmented Generation) による専門知識の補強
   4. 生成AIを活用した異常発生後の対応支援
   5. 異常検知システムへの生成AI導入時の課題と成功のポイント
3. 技術編:生成AIの仕組みと実装
   1. 文書検索における生成AI
      1. RAGとはどのような技術か
      2. GraphRAGによる説明性の向上
   2. 生成AIを用いた行動決定agent
      1. Transformer を用いた異常検知
      2. 予測データによる行動決定
4. おわりに
• 質疑応答

第2部 生成AIを用いた異常検知と判断の標準化、高精度化への活用

(2025年5月13日 13:30〜16:30)

　ChatGPTの登場により、生成AIをいかに活用していくのか、が多くの企業の課題となっています。生成AIの素早く、大量のデータを、一定のルール (プロンプト) に従い生成可能であるという特徴をいかすことができる分野は多くあります。そんな中で、生成AIの基本である機械学習の学習データに使用できないか、ということを、多くの人が考えています。しかし、実際に生成AIを使用して学習データを生成しようとすると、なかなかその手順、何が使用できるか等、超えるべき課題は多いです。 　そのため、現実のデータ以外の生成方法をまとめ、その中で生成AIを活用していく手法をまとめました。まだまだ発展する分野ではありますので、課題含め学習していきましょう。

1. 機械学習の基本
   1. 何を学習しているのか
   2. 学習データの役割
2. ディープラーニングの基本
   1. 何がディープなのか
   2. 学習データの量
   3. 転移学習
3. 学習データの生成
   1. 一般的な学習データの取得
      1. 画像データでの例
      2. 自然言語での例
   2. データオーギュメンテーション
      1. 画像データでの例
      2. 自然言語での例
   3. シミュレーターを使用した学習データの生成
      1. 画像データ (2D、3D) での例
      2. 自然言語での例
   4. 生成AIの活用
      1. 画像データをもとに別画像の生成
         1. Dモデルの生成
      2. 学習データの生成
   5. 異常検知への活用
      1. 異常検知の種類
      2. 異常検知のための学習データの生成
4. 課題と今後の展望
   1. 現時点での課題
   2. 今後の展望
• 質疑応答