検査偽装やリコール問題の裏で求められる確かな検査・検品技術
異常をほぼ100%検出*1 する高速な検査・検品AIを開発・提供する株式会社アダコテック（本社：東京都品川区 代表取締役: 池田満広）は、東京大学エッジキャピタル（本社：東京都文京区 代表取締役社長: 郷治友孝、以下UTEC）および、DNX Ventures（本社：米国サン・マテオ マネージングディレクター: 倉林陽、以下DNX）を引受先として、総額4億円の第三者割当増資を実施しました。
PoCを終え、すでに複数クライアントが実運用フェーズに移行
アダコテックは、製造業を中心に導入が進む優れた異常検出AIを、自社製ソフトウェアとして開発、提供しています。アダコテックの開発するAIは、一般的なディープラーニングの100分の1程度しか教師データを必要としないため、サンプルデータ取得の負担が小さいほか、非線形式 *2を用いず積和演算 *2により算出するためCPU *3の負担が小さく、市販のPCで運用が可能。すでに10以上のクライアントでPoC（Proof Of Concept、概念実証）、FS（Feasibility Study、実現可能性調査）を経て、順次パイロット検証、実運用のフェーズに移行中。その多くが自動車部品などの製造業における検査・検品や、トンネルなどのインフラ非破壊検査などの社会的に重要なシーンに適用されています。
*1 False negative 0%：不良品を正常品として判定してしまう割合
*2 線形(式)：一次関数。実現象として視覚的に把握しやすい。四則演算でほとんどの算出が可能。
非線形(式)：二次以上の高次な関数。高次な微分方程式によって表現され、高度な計算処理を必要とする。
*3 コンピュータの司令塔的な演算装置で、連続的で複雑な計算を得意とする
検査・検品精度の向上で、製造業の生産性向上に貢献
今回調達した資金でチーム強化を重点的に行うほか、プロダクト面では、さらなる研究開発や、検査・検品AI技術をより多くの企業が気軽に検証・活用していただけるよう、SaaS化の準備・提供を進める予定。
検査・検品シーンの課題解決によって製造業の生産性向上の一翼を担い、日本のみならず世界のものづくりをエンパワーメントしていくべく、ますます尽力して参ります。
技術的特徴｜非ディープラーニング系「検査・検品に実用性のある異常検出AI」
アダコテックは、産業技術総合研究所*2により開発されたAIを自社製ソフトウェアとして提供しています。弊社のシステムは、特徴抽出法*3等を活用した適応学習型認識方式の非ディープラーニング系AIです。ビッグデータ（膨大なデジタルデータ）が潤沢にあるWEB解析などのシーンで威力を発揮するディープラーニングですが、高頻度にPDCAを積み重ねる必要のある製造業の現場、特に、与えられたタクトタイム*4以内に求められる検出精度を100%実現しなければならないシビアな場面には、弊社のアプローチでこそ解決できるシーンが多数あることを認識しました。
たとえばディープラーニングでは、異常検知のために正常品と異常品の両方を教師データとするのが一般的であるのに対し、弊社のソフトウェアは正常品のみを教師データとし、状況によっては10～100枚程度学習するだけで「正常を逸脱したもの＝異常」を網羅的に検出します。膨大な教師データ（ディープラーニングの場合少なくとも1,000～10,000枚程度以上）を必要としないため、すぐにでもFS（Feasibility Study、実現可能性調査）に着手できたり、試行錯誤を高回転させることができます。
また、計算処理の負担が小さく汎用PCで充分に運用可能。正常モデルからの逸脱で異常検知ができることから、未学習・前例のない異常も精緻に検出するアルゴリズムを実現できます。検査・検品のシーンにおいて高いご評価をいただいております。
*1 国立研究開発法人 産業技術総合研究所
*2本技術（高次局所自己相関特徴抽出法：HLACを用いた適応学習型認識方式）は、
産総研大津名誉リサーチャーらによって開発され、弊社がパッケージソフトとして実装したものです。
*3 製造における生産工程の均等なタイミングを図るための工程作業時間
[画像1: (リンク ») ]
導入実績｜製造品検査やインフラ検査で実ラインへ導入
弊社のソフトウェアは、すでに10以上のクライアントでPoC（Proof Of Concept、概念実証）、FS（Feasibility Study、実現可能性調査）を経て、順次パイロット検証、実運用のフェーズに移行中。その多くが自動車部品などの製造業における検査・検品や、トンネルなどのインフラ非破壊検査などの社会的に重要なシーンにて適用されています。特に、全数検査の要求が高い業界や単価が高い製造品の製造現場で、「不良品を見逃さず」「不良を判断した理由を明示しながら」「タイトなタクトタイム内で」検品をクリアするなど、広範にご活用いただいております。
現在は製造業への提供が大半ですが、用途や対象に合わせて４つの異常検知システムを組み合わせ・使い分けることで、それ以外の様々なシーンにおける活用が期待できます。たとえば、監視カメラの動画解析用途や装置の経時劣化をモニターするなど、製造業以外でも事例が生まれはじめています。
受賞実績｜FUJITSU ACCELERATOR 第7期
[画像2: (リンク ») ]
2019年春に開催された富士通株式会社主催のアクセラレータープログラム『FUJITSU ACCELERATOR』のピッチコンテストにて優秀賞を獲得しました。また同プログラムの第7期として採択企業として2019年8月末を目標に両社で協業検討を行い、新たな事業創出を目指します。
調達資金の活用｜人員強化とSaaSプロダクトの開発に
今回調達した資金は、経営メンバー・エンジニアなど増員、チーム強化を重点的に行う予定。プロダクト面では、自社特許に基づくグレードアップに向け、さらなる研究開発を進めるほか、検査・検品AI技術をより多くの企業が気軽に検証・活用していただけるよう、SaaS化の準備・提供を進めます。
投資家メッセージ
UTEC パートナー 黒川尚徳氏
パターン認識技術で世界的に著名な産総研フェロー大津博士等及びアダコテックの方々と共に社会課題である製造業デジタルトランスフォーメーションに挑戦できることを光栄に思っております。独自技術である適応学習型認識方式を活用した異常検出AIは、製造業の現場に非常に親和性が高く、自動車・半導体・社会インフラ等高付加価値産業の生産性向上に貢献できると確信しております。今後は、共同出資いただいたDNXさんのお力もお借りしながら、既に複数の製造現場で実運用段階に移行しており高い評価を受けている同異常検出AIの適用シーン拡大とグローバル展開に貢献してまいります。
DNX マネージングディレクター 倉林陽氏
False Negativeが許されない製造業の検品市場において、既存のディープラーニングの課題を克服する技術を持つアダコテック社に投資させて頂くこととなりました。また、今回の投資は弊社と東大エッジキャピタルとの初めての共同投資でもあります。高い技術的優位性を持つ日本発の技術の海外展開を実現させるべく、共に知見を持ち寄りご支援させて頂きたいと思います。
ビジョン｜より厳密で効率のいい検査・検品を実現「製造業の生産性向上に貢献」
工業製品を中心に、製造途中の各工程・完成時・パッケージ・ラベル・梱包外装など、さまざまなポイントで外観検査・非破壊検査が行われています。現在は目視検査やルールベースの検査システムが多く用いられていますが、検査対象の仕様が変わるたびにイチから設定し直す必要があり、パラメータ設定作業に習熟した熟練工でないと完結できず、結果的にプロセス管理部門に負担がかかっています。しかしながら、検品強化・徹底のかけ声も虚しく、製造業界では品質偽装やリコール問題などの悲しいニュースが絶えません。
日本品質を維持するため、より確かな検査・検品体制の実現が求められる中、弊社のシンプルかつ厳密なソフトウェアは、単にコスト削減や検品精度・品質の向上を実現するだけでなく、欠陥品の見逃しが定量的に起こり得ない、製造工程のあり方から変えてゆくことのできるパワーを持つものと確信しております。検査・検品シーンの課題解決によって製造業の生産性向上の一翼を担い、日本のみならず世界のものづくりをエンパワーメントしていくべく、ますます尽力して参ります。
[画像3: (リンク ») ]
プレスリリース提供：PR TIMES (リンク »)
異常をほぼ100%検出*1 する高速な検査・検品AIを開発・提供する株式会社アダコテック（本社：東京都品川区 代表取締役: 池田満広）は、東京大学エッジキャピタル（本社：東京都文京区 代表取締役社長: 郷治友孝、以下UTEC）および、DNX Ventures（本社：米国サン・マテオ マネージングディレクター: 倉林陽、以下DNX）を引受先として、総額4億円の第三者割当増資を実施しました。
PoCを終え、すでに複数クライアントが実運用フェーズに移行
アダコテックは、製造業を中心に導入が進む優れた異常検出AIを、自社製ソフトウェアとして開発、提供しています。アダコテックの開発するAIは、一般的なディープラーニングの100分の1程度しか教師データを必要としないため、サンプルデータ取得の負担が小さいほか、非線形式 *2を用いず積和演算 *2により算出するためCPU *3の負担が小さく、市販のPCで運用が可能。すでに10以上のクライアントでPoC（Proof Of Concept、概念実証）、FS（Feasibility Study、実現可能性調査）を経て、順次パイロット検証、実運用のフェーズに移行中。その多くが自動車部品などの製造業における検査・検品や、トンネルなどのインフラ非破壊検査などの社会的に重要なシーンに適用されています。
*1 False negative 0%：不良品を正常品として判定してしまう割合
*2 線形(式)：一次関数。実現象として視覚的に把握しやすい。四則演算でほとんどの算出が可能。
非線形(式)：二次以上の高次な関数。高次な微分方程式によって表現され、高度な計算処理を必要とする。
*3 コンピュータの司令塔的な演算装置で、連続的で複雑な計算を得意とする
検査・検品精度の向上で、製造業の生産性向上に貢献
今回調達した資金でチーム強化を重点的に行うほか、プロダクト面では、さらなる研究開発や、検査・検品AI技術をより多くの企業が気軽に検証・活用していただけるよう、SaaS化の準備・提供を進める予定。
検査・検品シーンの課題解決によって製造業の生産性向上の一翼を担い、日本のみならず世界のものづくりをエンパワーメントしていくべく、ますます尽力して参ります。
技術的特徴｜非ディープラーニング系「検査・検品に実用性のある異常検出AI」
アダコテックは、産業技術総合研究所*2により開発されたAIを自社製ソフトウェアとして提供しています。弊社のシステムは、特徴抽出法*3等を活用した適応学習型認識方式の非ディープラーニング系AIです。ビッグデータ（膨大なデジタルデータ）が潤沢にあるWEB解析などのシーンで威力を発揮するディープラーニングですが、高頻度にPDCAを積み重ねる必要のある製造業の現場、特に、与えられたタクトタイム*4以内に求められる検出精度を100%実現しなければならないシビアな場面には、弊社のアプローチでこそ解決できるシーンが多数あることを認識しました。
たとえばディープラーニングでは、異常検知のために正常品と異常品の両方を教師データとするのが一般的であるのに対し、弊社のソフトウェアは正常品のみを教師データとし、状況によっては10～100枚程度学習するだけで「正常を逸脱したもの＝異常」を網羅的に検出します。膨大な教師データ（ディープラーニングの場合少なくとも1,000～10,000枚程度以上）を必要としないため、すぐにでもFS（Feasibility Study、実現可能性調査）に着手できたり、試行錯誤を高回転させることができます。
また、計算処理の負担が小さく汎用PCで充分に運用可能。正常モデルからの逸脱で異常検知ができることから、未学習・前例のない異常も精緻に検出するアルゴリズムを実現できます。検査・検品のシーンにおいて高いご評価をいただいております。
*1 国立研究開発法人 産業技術総合研究所
*2本技術（高次局所自己相関特徴抽出法：HLACを用いた適応学習型認識方式）は、
産総研大津名誉リサーチャーらによって開発され、弊社がパッケージソフトとして実装したものです。
*3 製造における生産工程の均等なタイミングを図るための工程作業時間
[画像1: (リンク ») ]
導入実績｜製造品検査やインフラ検査で実ラインへ導入
弊社のソフトウェアは、すでに10以上のクライアントでPoC（Proof Of Concept、概念実証）、FS（Feasibility Study、実現可能性調査）を経て、順次パイロット検証、実運用のフェーズに移行中。その多くが自動車部品などの製造業における検査・検品や、トンネルなどのインフラ非破壊検査などの社会的に重要なシーンにて適用されています。特に、全数検査の要求が高い業界や単価が高い製造品の製造現場で、「不良品を見逃さず」「不良を判断した理由を明示しながら」「タイトなタクトタイム内で」検品をクリアするなど、広範にご活用いただいております。
現在は製造業への提供が大半ですが、用途や対象に合わせて４つの異常検知システムを組み合わせ・使い分けることで、それ以外の様々なシーンにおける活用が期待できます。たとえば、監視カメラの動画解析用途や装置の経時劣化をモニターするなど、製造業以外でも事例が生まれはじめています。
受賞実績｜FUJITSU ACCELERATOR 第7期
[画像2: (リンク ») ]
2019年春に開催された富士通株式会社主催のアクセラレータープログラム『FUJITSU ACCELERATOR』のピッチコンテストにて優秀賞を獲得しました。また同プログラムの第7期として採択企業として2019年8月末を目標に両社で協業検討を行い、新たな事業創出を目指します。
調達資金の活用｜人員強化とSaaSプロダクトの開発に
今回調達した資金は、経営メンバー・エンジニアなど増員、チーム強化を重点的に行う予定。プロダクト面では、自社特許に基づくグレードアップに向け、さらなる研究開発を進めるほか、検査・検品AI技術をより多くの企業が気軽に検証・活用していただけるよう、SaaS化の準備・提供を進めます。
投資家メッセージ
UTEC パートナー 黒川尚徳氏
パターン認識技術で世界的に著名な産総研フェロー大津博士等及びアダコテックの方々と共に社会課題である製造業デジタルトランスフォーメーションに挑戦できることを光栄に思っております。独自技術である適応学習型認識方式を活用した異常検出AIは、製造業の現場に非常に親和性が高く、自動車・半導体・社会インフラ等高付加価値産業の生産性向上に貢献できると確信しております。今後は、共同出資いただいたDNXさんのお力もお借りしながら、既に複数の製造現場で実運用段階に移行しており高い評価を受けている同異常検出AIの適用シーン拡大とグローバル展開に貢献してまいります。
DNX マネージングディレクター 倉林陽氏
False Negativeが許されない製造業の検品市場において、既存のディープラーニングの課題を克服する技術を持つアダコテック社に投資させて頂くこととなりました。また、今回の投資は弊社と東大エッジキャピタルとの初めての共同投資でもあります。高い技術的優位性を持つ日本発の技術の海外展開を実現させるべく、共に知見を持ち寄りご支援させて頂きたいと思います。
ビジョン｜より厳密で効率のいい検査・検品を実現「製造業の生産性向上に貢献」
工業製品を中心に、製造途中の各工程・完成時・パッケージ・ラベル・梱包外装など、さまざまなポイントで外観検査・非破壊検査が行われています。現在は目視検査やルールベースの検査システムが多く用いられていますが、検査対象の仕様が変わるたびにイチから設定し直す必要があり、パラメータ設定作業に習熟した熟練工でないと完結できず、結果的にプロセス管理部門に負担がかかっています。しかしながら、検品強化・徹底のかけ声も虚しく、製造業界では品質偽装やリコール問題などの悲しいニュースが絶えません。
日本品質を維持するため、より確かな検査・検品体制の実現が求められる中、弊社のシンプルかつ厳密なソフトウェアは、単にコスト削減や検品精度・品質の向上を実現するだけでなく、欠陥品の見逃しが定量的に起こり得ない、製造工程のあり方から変えてゆくことのできるパワーを持つものと確信しております。検査・検品シーンの課題解決によって製造業の生産性向上の一翼を担い、日本のみならず世界のものづくりをエンパワーメントしていくべく、ますます尽力して参ります。
[画像3: (リンク ») ]
プレスリリース提供：PR TIMES (リンク »)
本プレスリリースは発表元企業よりご投稿いただいた情報を掲載しております。
お問い合わせにつきましては発表元企業までお願いいたします。
お問い合わせにつきましては発表元企業までお願いいたします。
