内田洋行 FOODs IT Fair 2024 - 食品業界のデータとAI活用の最前線

JR東日本とNSG、線路設備モニタリング装置にAIを導入

東日本旅客鉄道株式会社(以下、JR東日本)と理化学研究所は、AIのディープラーニングモデル(以下、DLM)を開発した。

そして、JR東日本と株式会社日本線路技術(以下、NSG)は、開発したDLMを活用し、線路設備モニタリング装置にAIを適用することで、線路設備の不良箇所を把握し、線路設備の点検に役立てることを発表した。

これまで、NSGは、モニタリングセンタを設置し、線路設備モニタリング装置で撮影した画像から、線路設備の不良箇所を抽出していた。

不良箇所を抽出する際には、閾値による自動判定と人による目視確認を行っている。

自動判定は、線路設備の多くを占める比較的構造が単純な箇所に適用しており、レール継目部のような構造が複雑な箇所においては、スタッフが直接確認をしている。そのため、多くのスタッフを配置する必要があり、抽出に多くの時間を要している。

JR東日本とNSG、線路設備モニタリング装置にAI導入
不良箇所抽出のイメージ

今回開発されたDLMは、正常な設備と不良がある設備の画像を学習させたAIだ。

DLMを活用することで、画像の中から良否判定の対象となる設備を検出し、設備種別ごとに良否判定を実施する。

従来の閾値設定による自動判定では、継目ボルトの脱落およびゆるみのみ判定できたが、DLMが対象とする設備は、レール継目部周辺部の状態やレールボンドの状態などについて判定することが可能だ。

JR東日本とNSG、線路設備モニタリング装置にAI導入
AIによる不良箇所判定のイメージ

DLMを導入することにより、従来目視で行っていた業務の一部をAIに置き換え、管理を行うことができる。

AIで管理できる設備例としては、「レール継目板の損傷の有無」「レールボンドの脱落状況」が挙げられている。

JR東日本とNSG、線路設備モニタリング装置にAI導入
レール継目板とレールボンドの不良箇所を判定している。

今回開発したDLMを導入することで、様々な線路設備の不良箇所を自動で抽出することが可能となり、抽出した不良箇所のみスタッフの目視による確認を行うため、作業時間の削減が期待されている。

想定される作業時間削減効果は、月あたり約100時間だ。

無料メルマガ会員に登録しませんか?

膨大な記事を効率よくチェック!

IoTNEWSは、毎日10-20本の新着ニュースを公開しております。 また、デジタル社会に必要な視点を養う、DIGITIDEという特集コンテンツも毎日投稿しております。

そこで、週一回配信される、無料のメールマガジン会員になっていただくと、記事一覧やオリジナルコンテンツの情報が取得可能となります。

  • DXに関する最新ニュース
  • 曜日代わりのデジタル社会の潮流を知る『DIGITIDE』
  • 実践を重要視する方に聞く、インタビュー記事
  • 業務改革に必要なDX手法などDXノウハウ

など、多岐にわたるテーマが配信されております。

また、無料メルマガ会員になると、会員限定のコンテンツも読むことができます。

無料メールから、気になるテーマの記事だけをピックアップして読んでいただけます。 ぜひ、無料のメールマガジンを購読して、貴社の取り組みに役立ててください。

無料メルマガ会員登録