ソリューション

株式会社アダコテックは、国立研究開発法人産業技術総合研究所(産総研)の革新的な技術である「高次局所自己相関特徴抽出法」を用いた学習型パターン認識を発展させ、さまざまな分野へ応用しています。

適用分野

「定常状態を起点に、逸脱を検知する」技術特性を活かした応用分野として
『生産現場における製品検査、不具合予兆検知、メンテナンスタイミング最適化、交換部材延命化、』
『警備・警戒・セキュリティ』
を2本柱として定義しています。
多種多様な産業・業務分野への適用、応用を重ねる過程で蓄積された社内のノウハウから、
課題、シーン、目的に合わせた最適な解決策を探求しています

  • 安心安全・セキュリティ
    ●重要施設外周・沿線の侵入予兆行動
     (接近、よじ登り等)の警戒警備
    ●大量輸送機関の安定運行支援・見守り
    ●人搬送装置(エスカレータ、ムービングウォーク等)の
     正しい使われ方見守り
    ●空港の保安検査場のような不可逆エリア監視
    ●置き去り・持ち去り・設置位置変動を見守り
  • 以上のようなシーン、目的に対し、複数カメラによる監視業務の1次スクリーニング(監視システムと人による判断の橋渡し)
  • エンジニアリング
    ●工業製品の外観検査※
    ●生産機械、インフラ機械の不具合予兆検知
    ●勘と経験による暗黙知の形式知化
    ●メンテナンスタイミングの最適化
    ●メンテナンス要員のOJT支援
    ●メンテナンスコストの適正化
    ●メンテナンス部材の節減
  • ※半導体、金属・樹脂部品、梱包外装など、対象の大小、検出現象の重要度合いは千差万別です

高次局所自己相関特徴とは

高次局所自己相関(Hingher-order Local Auto Correlation:HLAC)特徴法とは、産総研が1980年台に開発した画期的な画像特徴量の一つです。
このHLACの発展型のうち、CHLAC(動画の特徴抽出)、HLIC(複数センサデータ間の相関モニタリング)、FLAC(音・振動センサから得られる周波数間相関モニタリング)計4つの特徴抽出法にもとづく検知製品を展開しております。

さまざまなアプローチで異常や予兆の検知を学習ベースで実現しています

これらの中から、一般的にご理解いただきやすい事例として、 CHLACによる動画像検知の例をお示しします。

従来技術

あらかじめ想定する行動=異常行動を定義・登録する必要があるため、
未知の行動は異常として検知できません。

CHLAC技術

日常を学習=正常を起点に検知=正常でないものを網羅的に検知
=未知の異常、予期しない異常も検知できます。

現実的なステップを踏んで、実用検討いただけます

実験的な確認から、生産ラインへの適用まで、順を追って確認・ご検討いただけます。
step by stepで進めるため、仮に「これ以上検討できない・発展させられない」と判断された時点でストップすることもできます。
自部門予算から経営判断を伴う投資計画まで、段階的に投資をコントロールできます。
コストに見合う効果が得られる確証を積み上げることで、上席の判断を仰ぎやすく、伸るか反るかの判断を必要とする可能性を回避できます。