製造業界で進むAI開発や導入にはどのような動きがあるのでしょうか？ここでは、実際に製造業で導入されているAIの成功事例を取り上げて紹介しています。
作業服に取り付けたオリジナルマーカーとネットワークカメラを活用し、作業員の位置をリアルタイムで把握できるようにしました。立ち入り禁止エリアの侵入や長時間滞留をAIが自動で検知し、管理PCに即時通知することで、作業員の安全管理を強化し、リスクを未然に防止。さらに、作業状況の見える化により、現場の作業効率も向上。工場やプラントなど、高リスクな環境での安全確保を実現しています。
| 対応内容 | 画像認識・異常検知 |
|---|---|
| 開発企業 | AIRUCA株式会社 |
沖電気工業の感情推定技術には、Laboro.AIのディープラーニングを活用されています。動画解析分野での感情推定技術の研究開発として、2社共同でおこなっています。
感情推定技術とは、人の自然な表情や振る舞いから潜在的な感情を読み取ろうとする技術で、対話型システムの利用において必要な感情を推定します。この技術が導入されれば、様々な場面でのコミュニケーションによるサービスが可能になります。 画像解析技術は年々高まっていますが、動画解析・動画認識分野ではまだ課題が多く、提供できるサービスも限定されています。感情推定技術にディープラーニングを組み合わせることで、動画解析の課題を解決します。
| 対応内容 | 画像認識・行動認識 |
|---|---|
| 開発企業 | 株式会社Laboro.AI |
大量のデータが蓄積されているものの、データの内容や項目、量の活用検証ができずそのままにされていました。そこで、複数項目ある機器の蓄積ログデータを整備し、項目間の相関やグループ間の比較検証などの分析を実施。故障予測モデルを構築し、実務で利用できるかどうかのモデル検証も行ないました。
故障予知から、機器の故障前に適切な時期にメンテナンスをすることができ、故障後にやるよりも作業工数を減らすなど、メンテナンスの効率が上がりました。また、データからメンテナンス時に顧客の利用状況に応じた新規購入や関連商品の提案ができるようになり、顧客満足度と売上が上昇。製品開発の知見にも貢献しています。
| 対応内容 | 購買予測・需要予測・マッチング・レコメンド機能 |
|---|---|
| 開発企業 | 株式会社ブレインパッド |
プライベート・スーパーコンピュータから生み出された独自の深層学習モデル「Preferred Networks Visual Inspection」を使用し、優れた検出精度・検知速度をもつ無振動式パーツフィーダ 一体型検査装置「トレフィーダ®IS」を開発・製造しました。
クライアント指定の計測・検査デバイスを組み込んで、投入したワークの品質を検査。NG排出・OK回収まで自動でおこないます。 Preferred Networks Visual Inspectionは不良判定を色の表示で通知し、推定される不良個所をヒートマップで可視化してくれます。高精度な検査ができるため、パーツフィーダと組み合わせた複雑形状パーツの高速検査装置を可能にしています。
| 対応内容 | 異常検知・異音検知 |
|---|---|
| 開発企業 | Preferred Networks |
Preferred NetworksのAI受託開発について詳しく
株式会社FUJIの多関節ロボット「SmartWing」に、株式会社ALBERTのAI・ディープラーニング技術を採用し、ティーチングやプログラミング不要で扱える多関節ロボットを共同開発。 その共同開発では、まず「SmartWing」の部品認識機能に、AI・ディープラーニング技術を活用した学習済みモデルを搭載。さまざまな部品をAIで自動認識し、プログラミング不要の部品確認を可能にしました。
次に、SmartWingのティーチングフリー技術を加え、SmartWingの立ち上げにかかる時間を短くし、製造品種変更も柔軟に対応できるように。また、単眼カメラによる対象製品の三次元姿勢の推定や、形状に応じた正確なピッキングも可能にしています。
| 対応内容 | 画像認識 |
|---|---|
| 開発企業 | アクセンチュア株式会社 |
コロナ禍を見据えた取り組みとして、製造業での生産性を上げるための需要予測AIの活用した新規オンラインショップを開設。リカザイ株式会社の強みである少量多品種でのカスタム製造の注文調整をしやすくするため、営業からの声もあり、標準的な仕様のカタログから選べるようにしました。コロナ禍で対面営業が難しくなっていたことからも、新顧客開拓としてオンラインショップが採択されています。
オンラインショップの開設では、最適量での在庫化をするべく過去の受注実績データを分析し売れ筋商品を選別。受注実績データは約10年分、エクセルデータは6万行以上と膨大なビッグデータを分析しました。AIの受注予測で対応することで、適正な在庫管理をすることができるようになりました。
| 対応内容 | 需要予測 |
|---|---|
| 開発企業 | 株式会社ゼンク |
AIの導入が失敗しやすい例としては、導入を進める担当者と現場との連携がとれていない事が挙げられます。連携不足でプロジェクトがスムーズに進まなくなると、途中で変更・断念といった事態になりかねません。AIは学習から成長していくシステムなので、何をどこまでAIに任せるのかをはっきりさせ、明確な目的と必要なデータを集めるようにしないと、うまく活用することは難しいです。
製造業では、現場の作業を軽減するためにAIを導入することが多いです。それはつまり、AI担当者が現場について知らないと活用できないということ。製造業でAIを導入する際には、AIに何をさせたいのか、何ができると助かるのかを現場目線で見る必要があります。
AI受託開発を成功させるには、ベンダーとの密なコミュニケーションが必須となります。TOPページでは企業の課題解決に向き合う人材やサポート体制に力を入れているベンダーをピックアップしていますので、是非比較・検討の参考にされてみてください。
