製造業におけるエッジ側異常検知実現に関係した研究について調査しまとめることで、異常検知の導入やシステム構成の検討に資することを目的とする。まず、機械学習による異常検知一般の知識を整理した上で製造業でのエッジ側異常検知に向けた研究動向を記述し、その特異性や利点、課題をより明確に理解可能とすることを目指す。

世界的なエッジ AI トレンドの調査等に資することを目的とし、海外エッジ AI ベンダの事業内容や保有技術を調査する。調査対象企業は、ガートナーが “Tech Innovator in Edge AI” として選定している海外エッジAI ベンダ 12 社とする。また、Web 上で検索可能な各 AI ベンダに関するニュース記事のタイトルから、各企業のクラスタリングを試みることで、客観情報から企業間の相対的な特異性や類似性が抽出可能であるかを試行する。

エッジ AI を実現するためのシステム構造としては、1) エンドデバイス上で推論、2) 全データあるいは一部データをエンドデバイスからエッジサーバに送信し推論、3) エンドデバイス、エッジサーバ、クラウド間で連携して推論、等のアーキテクチャが検討されている。システム構築時には、実現したい目標に応じ適切なアーキテクチャを選定する必要があるが、その特徴についてまとめられた資料は少ない。そこで本稿は、エッジ AI 実現のためのアーキテクチャについて調査し、最適な構造選定に資することを目的とする。

エッジ AI 導入検討やアルゴリズム選定等の意思決定に寄与することを目的とし、エッジ AI に適したアルゴリズムに焦点を当て、1) 深層学習の軽量化、2) 深層学習以外の機械学習アルゴリズムの軽量化 という二つの大きな観点に基づいてアルゴリズムを調査し、それらの手法を分類・整理している。

制御理論への AI の適用について、一般的に用いられている制御手法である PID 制御とモデル予測制御を対象とし、それらへの AI の適用手法について調査している。