製造業 × AI 会社紹介・採用説明資料 2024.10.01

No content

| ご挨拶 3 代表挨拶 日本の基幹産業である製造業は大きな転換期を迎えています。 決まったものを大量生産する時代から、変化に対応しながら新し いものを生み出し続けることが求められる時代への転換です。 ただ、モノづくりの現場では検品などのアナログ工程が多く残っ ており、また、現場の経験と勘に頼ったプロセスも多く、変革を 起こすことは容易なことではありません。 アダコテックは15年の研究開発を経て実用化した唯一無二のAI技 術を通じて、製造業の次の時代を切り拓く挑戦をしています。ア ナログ工程の高度な自動化、及び、生産工程のデジタル化を推し 進め、本来モノづくりで最も大切である「ヒトの創造性」を解き 放つことをミッションとしています。 この志に共感頂ける方とぜひご一緒できればと思います。 代表取締役CEO

目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて - 組織・環境について - 採用について 4 4 目次

| 5 5 アダコテックについて 会社名　 設立 代表取締役 正社員数 本社 事業内容 自動車OEM/Tier1メーカー 、電子部品 半導体メーカーで150件以上の検証実績 ㈱東京大学エッジキャピタルパートナーズ （UTEC）、DNX Ventures、リアルテックホー ルディングス株式会社、スパイラルキャピタル、 東京大学協創プラットフォーム開発株式会社（東 大IPC） 他 株式会社アダコテック 2012年3月12日 河邑　亮太 18人　※2024年10月1日時点 役員含む 東京都千代田区神田神保町２丁目11-15 住友商事神保町ビル3F（WeWork神保町内） 産総研特許に基づくAIソフトウェアの開発と販売 取引実績　 主要株主 会社概要

| 一橋大学法学部を卒業。 2011年に三井物産株式会社に入社。 南米チリの子会社に社長補佐兼 CFOとして3年間出向後、 東京本店では主に新規 M&A投資に従事。2018年にDMM.comに 入社。経営企画室で新規事業立案及び、投資先の PMI/バリュー アップ実施。2019年7月に参画、2020年4月より現職。米国公認 会計士。 大学院で遺伝的アルゴリズムの研究で産業技術総合研究所 (AIST)との繋がりを持ち、AISTベンチャーに新卒入社。 半導体設計ツールの研究開発に従事後、 AISTの非常勤職員な どを得て、2012年4月にアダコテック創業メンバーとなる。 2022年 6月より現職。 アダコテックについて 6 経営メンバー 代表取締役CEO　河邑 亮太 取締役CTO　伊藤 桂一

| アダコテックについて 7 沿革 2006 ・産総研の特許を事業化する産総研認定ベンチャーとして設立 ・株式会社アダコテック設立（2012年 上記事業承継） “産総研*発15年の研究開発を積み重ね、その集大成を事業化” ・シリーズ A 資金調達（4億円） 2019 2021 ・本田技研工業（株）と共同実証事例を精密機械工学会で発表 ・シリーズ B 資金調達（15.4億円） ・WeWork神保町にオフィス移転 2022 ・『AdaInspector Cloud』をリリース ・ドイツの国際的展示会「VISION」初出展 ※産業技術総合研究所 ・経済産業省所管の国内最大級の公的研究機関 ・予算規模約1000億円、研究員約2300名 2020 ・ICCサミットFUKUOKA スタートアップ・カタパルト 優勝 ・IVS LaunchPad 2020 Summer 優勝

| アダコテックについて 8 8 強力なテクノロジーリーダーシップと専門性 職名　　 氏名　　 略歴 最高技術顧問 大津　展之 国立研究開発法人　産業技術総合研究所　元フェロー 東京大学大学院情報理工学系研究科知能機械情報専攻　元教授 筑波大学連携大学院　元教授 警察庁科学警察研究所　技術顧問 技術顧問 村川　正宏 東京大学大学院工学系研究科博士課程 産業技術総合研究所 情報・人間工学領域 人工知能研究センター　 副研究センター長(人間協議AI研究担当)、同センター研究企画室長 技術顧問 小林　匠 東京大学大学院情報理工学系研究科知能機械情報専攻 産業技術総合研究所 人間情報インタラクション研究部門 脳数理研究グループ 顧問 論文 AdaFilter: Adaptive Filter Design with Local Image Basis Decomposition for Optimizing Image Recognition Preprocessing 査読付き国際カンファレンス「ICPR 2020」に採択 特許 6903142号 他4件 アダコテックとして申請中

目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて - 組織・環境について - 採用について 9 9 目次

| 検品の社会課題 事業について 10 検品の95%が目視 市場規模 30兆円 工場従事者の 5人に1人

| 検品担当者の抱える課題 事業について 11 単調 プレッシャー 熟練が必要

| 事業について 12 AIによる検査とは？ 人間が目視検査で行う「異常の発見」作業を、AIによって代替すること 「いつもと違う」 を見つける 検査対象 (ワーク) ワーク表面上の違和感に気づくように意識しながら観察 視る 脳内処理 異常の発見 画像を撮る 計算処理 異常の発見 人の行動 HLAC

| 事業について 13 アダコテックが選ばれる理由 Deep Learning AI 良品・不良品データ 10,000枚 高価なGPUが必要 100万円 判断根拠が ブラックボックス 良品データ 100枚のみ 汎用PCで処理可能 10万円 説明可能

| 事業について 14 ビジネスモデル AI学習 検査実行 事業の特徴 ● お客様は生産ラインの設計や管理を担うメーカーの生産技術部。 ● 検品はミスが許されない工程のため、導入コストは高いが導入後の継続 率はとても高い。 ● 導入時は見逃し0％の高精度が絶対条件。工場の環境は随時変化するた め、再学習の容易さが重要。 ● 少量の正常データで高精度が実現できるアダコテックの強みが活きる。 メーカー（生産技術部） AdaInspector Cloud 検査アプリ ライブラリ ￥ ￥ ￥...ライセンス利用料 AI学習アプリと検査実行アプリを検品ラインごとにサブスクで提供

| 事業について 15 中長期構想 自動車/電子部品 半導体への拡販 Phase1 アダコテックの目指す世界 製造業に携わる人々がAIを活用して 業界の課題解決に躍動する世界を作る Phase1 グローバル展開 ＆ 検査機への組み込み (ライセンス型の新規事業) Phase2 データ活用 プラットフォーム Phase3 Phase1 Phase2

目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて - 組織・環境について - 募集要項 16 16 目次

| 特許技術について 17 産総研特許技術 HLAC(高次局所自己相関特徴)とは？ 画像の特徴を認識する 日本発の技術 ● 形状や面積等の対象の特徴を瞬時に認識 ● 計算は線形処理: ブラックボックス化しない

| 特許技術について 18 説明可能なシンプルな機械学習による異常検知 対象物を3ピクセル×3ピクセルの マスクパターンでスクリーニング 得られた特徴を主成分分析 正常モデル 正常モデルとの乖離が大きい →NG判定 正常モデルのしきい値内 →OK判定

Confidential & Proprietary | 19 19
 19 参考：説明性が担保されたアダコテックの判定根拠 元画像 前処理画像 特徴抽出 判定処理 NG判定 数値データ (HLAC特徴量) HLAC特徴抽出 (線形処理) フィルタ処理 (線形処理) ステップ 処理内容 閾値判定 (線形処理) 特許技術について 元画像のみでは異常値が 大きくなる理由は解らない 異常値を多次元情報で可視化する事で N増し学習の可否等を判断できる (未リリース) 前処理画像を確認する事で誤報/ 見落としの理由が把握できるの で処理を改善することができる ヒートマップで欠陥の抽出を 確認できる イメージ

目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて - 組織・環境について - 採用について 20 20 目次

| AdaInspector Cloud ：ご紹介 プロダクトについて 21 少量の正常な製品画像データを読み込み、 正常/異常を判定するモデルを作成・精度検証する 画像データを アップロード 判別モデルの作成 モデルの精度を検証

| AdaInspector Cloud の解決策 22 22 ターゲットユーザー像 100-200枚の正常データで高い精度が出る 非エンジニアでも使いやすいUI設計 わかりやすいロジックと試行錯誤がしやすいUI 検査自動化における顧客課題 不良品率が低い中、大量の不良画像データを収集するのが大変 高い精度(見逃し0％)が必須のため、モデルを作りこみたいが、 ブラックボックスなAIではPDCAが回りにくい 生産現場に複雑なツールを使いこなせる人が少ない ● メーカー（大企業）の生産技術部のユーザー ● 画像解析などの経験はあるが、機械学習の経験はない ● 社内で設備開発やソフトウェア開発を行う事ができる プロダクトについて AdaInspector Cloud ：顧客の課題

| 23 23 機械学習用のデータセットの作成 良品/不良品の判別モデル作成 判別モデルのテスト ● 機械学習に必要なOK/NGを定義する製品画像をアップロードして、データセットを作成する プロダクトについて AdaInspector Cloud ：使い方 1/3

| 24 24 機械学習用のデータセットの作成 良品/不良品の判別モデル作成 判別モデルのテスト ● ワンクリックの自動学習で、数分で精度の高い機械学習モデルを作成できる ● 手動学習の細かなチューニングで、グラフやマップを確認しながら試行錯誤して精度を向上できる プロダクトについて AdaInspector Cloud ：使い方 2/3

| 25 25 ● NGと判定した画像のヒートマップが表示される →判定理由が明確にわかる 機械学習用のデータセットの作成 良品/不良品の判別モデル作成 判別モデルのテスト ● 作成した判別モデルで実際に画像データをテスト検査する プロダクトについて AdaInspector Cloud ：使い方 3/3

| プロダクトについて 26 AI検査をとりまくプロダクト群 検査モデルの管理ソフト （オンライン利用：事務所など） 検知モデル作成 検知モデルの改善 異常検知の実行ソフト （オフライン利用：製造現場など） 製造ラインを監視 想定外の見逃しや 過剰検出 🏢 🏭 ユーザーが PDCAを回せる ● AdaInspector Cloud ● モデル作成サポート ● Windows アプリケーション ● API、検査機への組み込み etc

目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて - 組織・環境について - 採用について 27 27 目次

| 組織・環境について 28 メンバー

| 組織・環境について 29 社員出身企業 アクセンチュア株式会社 株式会社IHI 株式会社アカツキ 株式会社アンドパッド 株式会社エヌ・ティ・ティ・データ 株式会社Gunosy 株式会社識学 株式会社新生銀行 株式会社ニコン 株式会社manaby 極東貿易株式会社 合同会社DMM.com ソニー株式会社 パナソニック株式会社 ピクシーダストテクノロジーズ株式会社 ボストン・コンサルティング・グループ 本田技研工業株式会社 三井物産株式会社 ヤマハ株式会社 楽天グループ株式会社 スタンレー電気株式会社 マツダ株式会社 株式会社XTIA ヴィスコ・テクノロジーズ株式会社　　　　　 etc…

| 組織・環境について 30 Values

| 組織・環境について 31 カルチャー 情報発信 多くの方に私たちの取り組みや技術のことを知っていただくため に、積極的な登壇や情報発信を推奨しています。 展示会への出展 製造業のお客様と出会うために展示会は非常に重要なイベントです。 エンジニアもスタッフとして参加しお客様と対話を重ねています。 勉強会の主催 各メンバーが業務を通して得た学びやお客様の声は、誰でも参加で きる勉強会として共有する文化があります。 懇親会&ランチ会 新しいメンバーが増えた時、会社にとって大きな区切りのタイミング にはみんなで集まってチームワークを醸成しています。

| 組織・環境について 32 組織構成 ※正社員23名。業務委託・アルバイト等含まず。 事業開発 コーポレート プロダクト開発 ・セールス ・技術営業 ・営業企画 ・人事、総務 ・経理 ・広報 ・プロダクト開発 ・R&D

| 組織・環境について 33 制度・環境について - 入社後に有給休暇3日付与 - 社会保険完備 - リモートワークOK (週2日出社) - フレックス制 (コアタイム：11時～16時) - 私服勤務OK - フリードリンク完備 - PC及び周辺機器の選択可能 - 自己研鑽補助（書籍購入、セミナー参加等） - 育児休暇制度（男性取得実績あり） WeWork神保町（神保町駅より徒歩2分）

目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて - 組織・環境について - 採用について 34 34 目次

| 採用について 35 採用フロー ● オンライン面談も可能です。ご内定までに1度は直接お会いさせてください。 ● ポジションによって二次面談時にワークサンプル（技術面談）をお願いする場合があります。 カジュアル面談 書類選考 一次面談 二次面談 最終面談 内定 QR コード 面談・選考について ▲採用求人一覧

未来の仲間を募集しております！ 少しでも気になったら、QRコードからお気軽にお声がけください。 採用職種一覧はこちら