事業の進化とデータ構造で苦しんだ話

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 3 会社概要最新テクノロジーを確かな労働力に社名株式会社フツパー(英文名：Hutzper Inc.) 事業概要製造業向けAIサービスの提供創業日資本金 2020年4月1日 1億円（資本剰余金含み：5.4億円）事業所大阪本社 : 大阪府大阪市淀川区西中島1-11-16 関東支社 : 東京都中央区東日本橋2-27-24 名古屋支社 : 愛知県名古屋市中村区平池町4-60-12 代表者従業員大西洋 55名（アルバイト･インターン含む）投資家 ANRI グローブアドバイザーズ / 広島ベンチャーキャピタル / ちゅうぎんキャピタルパートナーズ / East Ventures / フューチャーベンチャーキャピタル / 池田泉州キャピタル / 三菱UFJキャピタル / SMBCベンチャーキャピタル / りそなキャピタル / 鎌倉投信 (2024.1現在)

Slide 4

Slide 4 text

Slide 5

Slide 5 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 5 製造業に特化したフツパーのご支援領域現場データをもとに生産性を向上させる分析を設計から具体的なアクションまでご支援製造現場出荷出荷検査加工・プロセス受入検査生産・設備管理在庫過剰・過少を防ぐ生産計画の最適化をご支援需要予測危険区域への侵入を AIが検知し機械を安全方向へ制御安全対策独自のAIを活用した行動検出で効率的な IE活動をご支援作業時間分析現場データを一元管理

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 9 創業当初のHutzper-Insight Hutzper-Insight設計時の思想センサで検出が難しい検査の代替となるAIによる外観検査再学習を用いることで、人間の判断により近い感性で検査できる従来のクラウドベースのAIだと速度的に難しかった製造業の検査領域をエッジAIで解決管理アプリケーションはあくまで検査結果を確認できるという位置づけ [データベース設計で重要視したポイント] 1. スケールしやすさ 2. 検査のスピードに対応できる高速な読み書き 3. コスト

Slide 10

Slide 10 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 10 創業当初のHutzper-Insight Hutzper-Insight設計時の思想センサで検出が難しい検査の代替となるAIによる外観検査再学習を用いることで、人間の判断により近い感性で検査できる従来のクラウドベースのAIだと速度的に難しかった製造業の検査領域をエッジAIで解決管理アプリケーションはあくまで検査結果を確認できる程度の位置づけ [データベース設計で重要視したポイント] 1. スケールしやすさ 2. 検査のスピードに対応できる高速な読み書き 3. コスト NoSQLデータベース(Amazon DynamoDB)で構築

Slide 11

Slide 11 text

Slide 12

Slide 12 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 12 リリース後のHutzper-Insight 訪問現場数 AI検証数有料契約案件数 1,000 件以上 250 件 80 件（撮影PoC含む）（ユニークユーザー： 65社） Inception Programのパートナー企業に認定 AIエッジパートナーシップの企業に認定 AWS Activate Portfolioに認定スタートアップ支援プログラム「Microsoft for Startups」に採択 SoftBank5G Consortiumに参画三菱電機「eF@ctory Alliance」に加盟コニカミノルタ「FORXAI」のソリューションパートナーとして契約池田泉州銀行と業務提携契約を締結関西みらい銀行と業務提携契約を締結お取引企業一部抜粋（弊社HPより抜粋）パートナー/協業

Slide 13

Slide 13 text

Slide 14

Slide 14 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 14 暑さと熱中症の関係の例日付真夏日か否か熱中症緊急搬送発生したか否か 7月1日 NO NO 7月2日 NO NO 7月3日 NO YES 7月4日 NO NO 7月5日 NO YES 7月6日 NO NO 7月7日 NO YES 7月8日 NO YES 7月9日 YES YES 7月10日 YES YES 7月11日 YES YES 7月12日 NO YES 7月13日 YES YES 真夏日か否か熱中症発生率 YES 90％ NO 5％パターン1:定性データを取得。暑さと熱中症は関係がありそう。程度の考察しかできない。

Slide 15

Slide 15 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 15 暑さと熱中症の関係の例日付最高気温℃ 熱中症での緊急搬送数 7月1日 26 0 7月2日 22 0 7月3日 21 3 7月4日 27 0 7月5日 21 2 7月6日 28 0 7月7日 30 2 7月8日 28 3 7月9日 30 1 7月10日 31 5 7月11日 32 8 7月12日 34 10 7月13日 34 16 パターン2:定量データを取得。 32℃を超えると熱中症に要注意！原因（因果関係）がわかれば、妥当な対策が打てる。費用対効果の優れた品質改善ができる

Slide 16

Slide 16 text

Slide 17

Slide 17 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 17 現在のHutzper-Insight 不良の根本解決につながる独自の品質管理機能を搭載・品質傾向をもとにしたカイゼン活動をご支援・管理図への自動変換による品質管理の強化・外観の定量評価により検査結果を見える化スコアに基づいた不良の原因分析や品質改善を実現・歩留まり向上 ←JIS Z9020-1,2(管理図) に対応・不良の発生原因を特定したい・歩留まりを改善したい・人員削減以外の効果を期待している・同じような会社が多く、違いが分からない製造/生産技術、品質管理、DX推進に携わる方から

Slide 18

Slide 18 text

CONFIDENTIAL ©Hutzper Inc. all rights reserved. 18 まとめ現在はデータベースにTimestreamを使用中使ってみての所感 1.テストしにくい(ローカルで環境を作れない) 2.テーブル構造が特殊なのでSQLクエリは少し書きづらく感じる 3.テーブルの構造を変更するのが大変 [反省点] IoTだからと結構脳死でNoSQLを選択した節もある RDSでの手動のスケールアップももう少し検討してもよかったかもしれない(現在はRDSでもオートスケールに対応しているサービスもあり)

Slide 19

Slide 19 text