ThyssenKruppとMicrosoftは、Azure Machine Learningシステムをベースとした専門のシステムを構築した。このシステムは、サービス点検を行っている現場のエンジニアに、エレベータのどこが故障している可能性があるのかを知らせることができる。具体的には、該当のエラーコードを引き起こす可能性が高い原因を4つ挙げて、それぞれの問題の検査方法を伝える。
このシステムは、実際にどのような問題があり、それをどう解決したかというエンジニアからのフィードバックによって、そうしたエラーコードを解釈する方法や、将来的に別のエンジニアにアドバイスする方法を学び、改善していく。
ThyssenKruppは、このシステムの概念実証バージョンを使って、50基未満のエレベータを対象とした試験を実施している。2015年には、同システムを本格展開する予定で、12カ月間で約60万基のエレベータとエスカレータに拡張することになっている。同社はこのシステムを最終的には、世界中の自社エレベータの約60％の監視に使用する予定だ。
購入を予測する
JJ Food Serviceは英国の大手卸売業者で、数千種類の食料品や日用品を英国内の6万以上の顧客に届けている。
顧客のニーズを予測したいと考えた同社は、Microsoftと協力して、リピート客のショッピングカートに事前に商品を入れておくために、その顧客が購入する商品を予測できるシステムを開発した。
JJ Food Serviceのアプリケーションは、顧客のオンラインでの行動を記録し、それをAzure Machine Learningサービスに送って、それぞれの顧客が将来購入する可能性が高い商品のリストを生成する。
このシステムは、3年分の取引データを使って学習しており、同社の「Microsoft Dynamics AX」システムと連携している。これは、ビジネス全体からの情報を処理するERPシステムだ。
導入に約3カ月かかったJJ Food Service のシステムは、顧客のオンラインまたは電話による購入行動を予測する。こうした予測は、かなり正確であることが分かっており、全体としては、顧客が購入する商品の約80％を予測した。
このソフトウェアは同時に、購入内容を分析し、必要になる可能性のある他の製品を予測しようとする。例えば、肉と野菜を注文したレストランは、食用油も必要かもしれない。
同社は、このシステムによって売り上げを伸ばし、顧客満足度を高めると同時に、在庫管理の効率化にもつながることを期待している。
この記事は海外CBS Interactive発の記事を朝日インタラクティブが日本向けに編集したものです。
