数据科学×Murata
村田制作所的数据科学事例发表和企业展位报告―日本人工智能学会全国大会2024
本文就村田制作所（以下简称村田）在其参加的“日本人工智能学会全国大会2024”上口头发表事例以及企业展位的出展内容和状况，通过当天在现场参加的数据战略推进部3名人员的讲评来进行介绍。
INDEX
1. 参加学术会议，宣传数据科学的实用化
日本人工智能学会全国大会2024（以下简称JSAI 2024）是日本国内有关人工智能的大型学术会议。于5月28日至5月31日在ACT CITY滨松举行，约有3,790人（其中已参加工作人员为3,010人，学生为780人）参加。
村田在多个领域的业务中积极利用数据科学。关于此次参加JSAI 2024的目的，东做了如下说明。
东：“即使是熟悉村田公司名字的人，很多人也不知道包括AI在内的数据科学已在本公司的大量业务中实用化。参加JSAI 2024为许多参与公司、大学研究人员和学生提供了解本公司的数据科学的机会。同时，我们也想通过与公司外部的人员进行交流来获得新发现和学习新认识”
照片自右
东：负责制造领域的数据科学。在学术会议上发表数理优化事例。
中野：负责销售和营销领域的数据科学。在学术会议上发表AI应用事例。
松井：负责新业务中的数据科学。在学术会议上接待村田展位来访人员。
2. 发表数据科学的举措事例
我们参加了工业分会的口头发表，共有来自各个行业的30家公司参加，其中有电机、汽车、制药等制造行业、信息通信行业以及多种风险投资企业等。
现场人数约100人，几乎座无虚席，数据战略推进部的东和中野分别发表了自己实际从事的数据科学事例。下面介绍他们2人的发表内容。
数据科学事例“数理优化在生产调度中的应用验证”
东就数理优化*1的应用验证事例，基于在每个阶段的经验进行了发表，该事例可实现生产现场复杂的生产调度规划业务自动化。
东：“之所以选择验证事例而不是已经实用化的事例，是因为我们希望在为了向事业所导入而进行调整时能够获得观看发表的人员的意见和建议。事实上，在发表结束后，我有了机会与其他公司从事数据科学的人员进行交谈的机会，并且成功地进行了只有在现场才能进行的深入讨论”
*1 数理优化指的是利用数学方法和算法寻找实现特定目标的理想解。例如，考虑多个变量和约束并找出让目标达超大化或超小化的解。机器学习需要使用大量数据进行训练，而数理优化则基于构建的数理模型寻求理想的解。
- 课题：制定生产计划的业务取决于个人。培养人才也需要很长时间。
- 活动：验证将数理优化适用到包含复杂约束的生产计划制定业务的可能性。特别适用于确定分配给设备的业务量的问题。
通过与生产现场密切互动和学习，公式化并得出可接受的解的过程如下所示。
（1）高难度的起步
通过对生产现场进行采访，我们得知过去没有适用数理优化的事例，东本人也是从高中知识（线性规划）起步的。
一般来说，数理优化的难点之一是将实际业务中存在的约束和要求转化为数学公式。
东：“我们采访生产现场时，要求很复杂，而且全是与生产工序相关的专业术语。一开始我们无法掌握具体内容。同时，生产现场以使用机器学习（ML：Machine Learning）为中心，没有适用数理优化的事例。此外，虽然负责技术验证的我有材料科学背景，也有机器学习的经验，但这是我初次从事数学优化工作，对于使用线性规划*2能否解决问题也无法预估”
*2 线性规划是一种在满足多个线性不等式的区域中寻找让线性函数的值超大化或超小化的的变量值的方法。它应对的目标是在一定约束下对对象进行优化。用图表示满足给定不等式的区域，并在该区域内找出目标变量达到超大或超小的变量值。
（2）详细了解业务和小规模的尝试
在熟悉生产现场业务的人员的帮助下，我们对业务有了详细的了解，达到了能够用数学公式对业务进行表达的程度。此外，在实际的生产现场，使用多台设备生产多种多样的产品，但是，我们首先从3个产品×3台设备这样的小规模问题着手实现公式化。
东：“村田有很多对新技术感兴趣的人，熟悉现场操作的人对我的挑战提供了帮助。为了将业务转化为数学公式，需要了解现场业务的细节，他们耐心且通俗易懂地回答了我的问题。同时，我通过书本和学习会学习了优化的知识，除了优化算法，我还从小规模问题中掌握了将业务转化为线性规划问题的手法”
（3）成功实现了满足业务要求的公式化
在加深对现场业务要求的理解的同时，我们反复将多种多样的优化手法进行组合，推进了公式化。结果，我们成功地获得了满足较低要求的公式和可接受的解。这些见解已在部门内共享并在公司内部发布。
东：“虽然我认为这不是一个效率很高的公式，但我们成功地获得了满足业务要求的公式和可接受的解。在完成此项目的技术验证并在公司内部将事例发布以后，现在已开始收到来自其他部门对数理优化感兴趣的人员的咨询”
*3 东用黑字书写约束公式，并用红字书写代码关联，同事对复杂的要求和公式进行整理（图像包含未公开信息，因此已做模糊处理）。
结果，通过数理优化实现的自动化能够达到与人类创建的生产计划相媲美的结果，并达到了探索将数理优化适用到包含复杂约束的生产计划制定业务的可能性这个目标。我们的下一个课题是构建一套应对短期停机（突发问题导致的设备短时间停机）、约束条件变化和工序变化的维护体制。应另一家工厂的要求，将数理优化应用到业务的项目正在进行。
AI使用事例“使用自然语言模型对咨询回答业务进行自动分类”
中野就专有的答复部门建议引擎系统（以下简称“答复部门建议引擎”）进行了说明，该系统利用自然语言模型针对来自公司外部的调查请求和咨询建议适当的应对部门，从而提高答复请求的效率并缩短对客户进行回应的时间。
中野：“我认为村田给别人较深的印象是一家电子元件制造公司，但我希望让人们知道本公司在其他领域也在致力于数据科学，因此选择这个题目。此外，我也想告诉大家，在公司内部从企划到建模、系统开发所实施的举措并没有仅进行PoC（Proof of Concept：概念验证）就结束，而是已投入到实际业务并已获得了成果”
- 课题：例如，对于来自客户或监查机构的认证或与其相关的管理体制等咨询，要求相应部门准备答复，到获得准确的答复为止会花费很多时间和精力。
- 活动：记载客户的咨询并输入模板后，通过高精度的自然语言模型（自动区分日语和英语）自动推断并建议答复部门（图2）。缩短回复时间并提高业务效率。
以下列出了答复部门建议引擎的运用方法以及如何提高便利性和精度的3个要素。
- 系统运用
我们的目标是创建一套任意员工都易于使用的系统。用户所要做的就是在转录模板中填写要咨询的问题并将其保存到云服务器的输入文件夹中。将通过自然语言模型推断答复部门的结果添加到模板中并自动返回到输出文件夹。 - 语言门模型
先行研究的结果表明，使用单一语言模型获得的精度往往更高。因此，我们开发了一种语言门模型，可以自动判断输入的查询是日语还是英语，以提高精度。 - 高精度自然语言模型
我们使用BERT*4模型，成功开发了日语和英语的精度均超过85.0%的模型。对于通过答复来自客户等的咨询来实现实用化，高精度模型开发是不可或缺的。
*4 BERT是Bidirectional Encoder Representations from Transformers的缩写，是Google于2018年发布的自然语言处理（NLP：Natural Language Processing）模型。据说这是一种通用性较好的模型，通过使用交互式无教师学习的事先学习模型（pretrain-model）提高了其掌握上下文表达的能力。
该系统已横向扩展到类似的业务，也已用于销售业务，如图3所示。
村田的产品种类和规格多种多样，每种产品由不同的事业部负责。因此，通过利用答复部门建议引擎识别出满足客户要求的产品，在答复业务方面节省人力并提高答复速度。
中野：“村田的产品和业务种类繁多，因此需要花费大量时间和人力找到适当的答复部门。这些问题仍然大量分散在公司内部。作为今后的愿景，我们想将答复部门建议引擎系列化，将其发展为能够对每个领域的答复创建业务以一次完成的方式提供支援的系统，此外，我们还想努力提高可用性，例如简化输入作业和根据输出内容自动执行咨询操作”
3. 企业展会上内容丰富的活动和自下而上的活动引人关注
在企业展位上，展示了介绍数据科学举措事例的海报和产品。
松井：“来到我们的展位的大多数人都不知道村田正在致力于数据科学。很高兴他们了解了我们在广范围开展的活动。此外，很多人对本公司文化的印象是自上而下，但他们惊讶地发现，本公司实际上有很多自下而上的举措。此外，在医疗保健相关产品的研究开发方面，本公司正在与大学签订联合研究协议。对于正在该领域做研究的学生来说，这似乎很有趣，我们对他们提出的很多问题进行了解答”
4. 今后我们将进行更具体、更深入的沟通
最后，3人谈论了参加JSAI 2024的感想以及对学会的未来展望。
东：“也许是因为我口头介绍了学习在公司内部没有适用事例的技术的过程，所以其他公司的人问了我一些关于公司内部培训的问题。我觉得，为了培养与数据科学相关的人才，今后在加强公司内部培训和追踪新技术的体制方面，需要让更多的人了解。此外，在此次的事例发表中，技术性说明有点过于抽象。下一次，我想通过强化技术方面的具体细节，来进一步充实与公司外部之间的答疑和讨论”
中野：“我在JSAI 2024上进行了初次口头发表。实际上，之前我一直以为发表的门槛很高。但是，实际尝试后，我感受到了向外部发布的重要性。数据战略推进部已经积累了很多经验，因此，今后我想发布更加具体的事例。理想的情况是，我们这样的企业通过在学术会议上发表具体事例，可以互相交流，磨练彼此的技术，从而推进DX在整个制造业的推广”
松井：“我认为能够通过学术会议让更多的人了解村田在数据科学方面鲜为人知的举措是一个硕大成果。这一次，我们的重点是让人们了解村田的举措所涉及的宽广范围，今后，我想提高每项举措的具体性。我希望通过将口头发表的内容与展位展品联系起来等措施，让我们与来访者建立更深层次的交流”
※本文内容为截至文章发表之日的信息。组织名称等可能会发生变更。