NEC、過去の事例から要因と発生条件を導き出して改善条件を提示するAI技術を開発

NECは2022年2月25日、「ルール発見型推論技術」を開発したと発表した。過去の事例データから事象の要因と発生条件を導き出し、具体的な改善条件を提示し、人が理解しやすい表現で施策の立案を支援するAI技術である。製造業、小売業、金融業などの領域において、製品不良要因の事前特定や顧客の購買行動分析などに貢献する。

　ルール発見型推論技術は、過去の事例データから事象の要因と発生条件を導き出し、具体的な改善条件を提示し、施策の立案を支援するAI技術である。製造業、小売業、金融業などの領域において、製品不良要因の事前特定や顧客の購買行動分析などに貢献するとしている（図1）。

図1：「ルール発見型推論技術」の効果（出典：NEC）
拡大画像表示

過去事例を正解データとして学習することによって、結果につながる要因と発生条件を導き出す。「どの要因が、どのような条件のとき、何が起きるか」をルールとして構築し、それぞれの要因の改善条件を示す（図2）。

図2：「ルール発見型推論技術」を用いた施策立案支援の概要（出典：NEC）
拡大画像表示

ルールに優先順位を付けて高精度なルールを探る

例えば、製造業における製品不良の要因分析においては、原材料の成分配合や処理装置の設定など大量の要因が影響し、ルールが膨大になる。従来は、これらのルールを網羅的に調査して各要因の改善条件まで導き出すことは現実的ではなかった。

これに対して今回開発した技術は、各ルールの優先順位付けを独自の方法で行うことによって、より少なく、より高精度なルールを探っていく。

具体的には、製品不良が発生したデータと発生しなかったデータを正解として学習させ、ルール群を構築する。ここから各ルールを優先順位づけし、さらに並列計算技術を応用することで、必要十分なルールを少ない計算量で選別する。

オープンデータを用いた実験では、事例全体をカバーするために既存手法で50個近いルールが必要だったものが、今回の技術では十数個のルールで達成できることを確認した。これにより、従来手法よりも少ないルールで、より精度の高いルールを導き出せるようになった。

製品不良要因分析や顧客の購買行動分析で効果を確認

検証したユースケースの1つは、製造業における製品不良要因分析である。欠陥品に影響する要因を特定できるようになったほか、「材料の温度が100度より高く、かつ設備の圧力が20hPaより高いとき、80%の確率で故障する」など、これまで専門家が想定していなかった要因が欠陥品発生に影響する可能性も導き出せた。

検証した別のユースケースは、小売業における顧客の購買行動分析である。過去の顧客の購買データや店舗施策データなどを基に、新規顧客から優良顧客へと変化する要因と条件を可視化することで、具体的な施策の立案を支援できることを確認した。例えば、「商品Aの購入数が10点より多く、かつ来店回数が50回より多いとき、90%の確率で商品Bを購入する」などの、結果につながる具体的要因と発生条件が提示できるとしている。