北陸新幹線に乗ったことがあるだろうか。上信越、北陸地方を経由し、東京と金沢を結ぶ新幹線だ。

冬に金沢から北陸を通って東京を目指す際には、走行中に車両の下部に雪が付着する。雪が固まりある程度の大きさになると軌道に落下する場合もあり、軌道に敷かれているバラストと呼ばれる砕石が飛散し周囲に危険が及ぶ。雪を取り除くためには大量の人員を必要とするため、あらかじめ着雪量を予測して、雪落とし作業の要否の目処をつける必要がある。

▲雪落とし作業の様子　出典：JR西日本提供資料

JR西日本は、2019年から新幹線の着雪量予測にAIモデルの試行を開始した。このAIモデルは、データサイエンスコンペティションであるSIGNATEでのコンペによって生み出されたという。

AIモデル作成に、なぜコンペという方法を選んだのか？　そもそも、重厚長大な鉄道会社が、どのようにしてコンペ開催まで至ったのか？　コンペによってどのような成果が得られたのか？　JR西日本 鉄道本部 技術企画部 データソリューション 兼 海外鉄道事業推進室 担当課長の宮崎祐丞さんに話を聞いた。

データを駆使して一日で数百万円を救える可能性

JR西日本は2018年3月に技術ビジョンを策定し、「持続可能な鉄道・交通システムの構築」の実現に向けて取り組みを開始。そのための施策のひとつとして、データサイエンスによる業務改革を推進している。

宮崎さんは2017年5月末まで黄色い新幹線、ドクターイエローで知られる新幹線の線路保守を担当する部署に所属していた。そして2017年6月の技術企画部内の「データ戦略・CBM専任グループ」発足を機に、宮崎さんが同グループのビジネス担当のリーダーとしてアサインされた。

社内のデータサイエンスによる業務変革を促進するための成功事例創出の必要性から、冒頭の着雪量予測に取り組むこととなったという。

JR西日本 鉄道本部 技術企画部 データソリューション 兼 海外鉄道事業推進室 担当課長 宮崎祐丞氏

冒頭で紹介した通り、冬季に新幹線が金沢から関東に来る際は、雪が落下することによる危険を回避するために車両に付着した雪を落とす必要がある。そこで、気象会社から提供される着雪量の見込みをもとに、翌日の雪落としの要否を判断していた。

しかし、従来手法では精度が低く、予測がかなり外れてしまっていたという。その結果、雪落としの出動指示が出たにも関わらず、現場に来てみると雪がそれほど付着していていないという事態が発生していた。

データサイエンスコンペの存在を知る

そもそもデータ戦略・CBM専任グループ発足時、グループ内にデータサイエンス分野の知見・経験はまったくなかった。そのため、ブレーンとしての社外の分析ベンダーの選定を開始した宮崎さん。

しかし、ベンダー各社のプレゼンを聞いただけでは選定が難しかったという。

そのほか、共同研究という名目で大学教授などにアプローチするも、スピード感が折り合わなかった。

そんなとき転機が訪れた。宮崎さんの大学時代の研究室の同級生がGiXoというデータ分析・コンサルティング会社を立ち上げており相談を持ちかけたところ、Kaggleなどのデータサイエンスコンペティションの存在を知ったという。

コンペ開催までの奮闘

社内にコンペ開催を提案したところ、予想したほどの反対はなかったという。しかし、「社内には賞金を懸けてのコンペにとまどいも見て取れた」と宮崎さんは語る。

一番丁寧に説明したのが、雪落としの現場を抱える支社だったという。

コンペの結果、思わぬ副産物も

社内の説得に奔走し、ようやくコンペの開催が決まった。コンペ開催の目的は2つあったという。

宮崎さんは成功体験を作ることで、その後社内でデータサイエンスを推進しやすくなると考えた。一方、ベンダー各社は実力把握のためのコンペを開催することに、どう対応したのか。

コンペ開催側の見返りとして、SIGNATE側から上位3位までのソースコードが譲渡される。結果、コンペによって予測精度の高いモデルを得ることができ、現在は着雪量予測AIとして稼働中だという。

しかし、もっと驚くべき「副産物」があったと宮崎さんは言う。

上位入賞した2名はそれぞれ趣味でデータサイエンスに取り組んでおり、1人は自動改札機のメンテナンス部署に所属し、もう1人は新幹線の運転士だった。今ではそれぞれの部署から異動し、宮崎さん率いる技術企画部データソリューショングループに所属。自らAIモデルを構築・ビジネス実装を手がけ、ベンダーとも対等に会話できる即戦力として活躍しているという。

また、コンペに参加したベンダーはモデルの精度が低かったわけではなく、実際に上位入賞もしていた。現在では、自社で対応するのが難しい課題についてはいつでも相談できる体制を作り、すばやく精度を確認したい場合は、コンペを通じてパートナーとして選定し資本業務提携を交わしたGiXoに相談するという役割分担の体制を敷いているという。

「具体的な課題認識」を社内研修でも徹底

モデルと優秀な人材を手にしたJR西日本。「ほかにも重要な学びがあった」と宮崎さんは話す。

そういって宮崎さんが見せてくれたのは、以下のシートだ。誰がどう困っているのか、具体的にどのくらいの効果が見込めるのかを明確にするためのもの。

出典：JR西日本提供資料

宮崎さんのチームも、活動初期は上記のシートを漠然とした粒度でしか埋められなかったという。しかし、今では数字やどのデータを使うかの戦略まで含めた、具体的な粒度でシートを埋めることが可能になった。

データソリューショングループの社員が講師をつとめる社内のデータサイエンス研修ではこのシートを埋める作業を行い、課題感を明確にすることでプロジェクト成功時のイメージをつかんでもらうという。もちろん、宮崎さんのチームがつきっきりだ。

重厚長大産業でも見えたAI活用の可能性。コンペもひとつの選択肢

コンペを経て、データサイエンス組織へと脱皮しようとしているJR西日本は、今後どのようなポジションを目指すのか。

鉄道会社などの“モノ”を持つ産業では、どのようにデータを取得し、どこにデータ貯めるかなどのIoT戦略が重要となる。将来的にはJR西日本社内のそれらを担う現場に対して、よりAI・データサイエンスを普及させていきたいと宮崎さんは語る。

Ledge.aiでは過去にAI導入事例を何度も取材してきたが、成功している企業に共通するのは担当者が現場のニーズを正しく理解しようとしていることだ。導入ありきで適切な課題設定をせずに、現場でAIがどう使われるのかまでを理解していなければ、AI活用は成功しないと言っていい。

AIの精度を上げる手段としてデータサイエンスコンペを開催するには、プロジェクトの目的を理解し、課題認識の粒度をあげる必要がある。だからこそ、JR西日本のようにデータサイエンスコンペの準備段階で自社の課題に対しての理解が進むのだろう。

今回のように、社内に眠る思わぬ人材も発掘できるかもしれない。“使えるデータ”を持っている企業であれば、データサイエンスコンペの開催はひとつの選択肢かもしれない。