製造業

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。

製造業界におけるAI導入の成功事例

AIで作業員の安全を見守るシステム

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

AIRUCAのAI受託開発について詳しく

感情推定技術とディープラーニングを活用した動画データ解析

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

Laboro.AIのAI受託開発について詳しく

【関連記事】画像認識のAI開発事例を見る

蓄積ログデータの整備・分析でメンテナンス作業を効率的に

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

ブレインパッドのAI受託開発について詳しく

【関連記事】購買予測のAI開発事例を見る

独自の深層学習でワークの不良判定を自動化

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

【関連記事】異常検知のAI開発事例を見る

AI・ディープラーニング技術で
プログラミングフリーの
多関節ロボット

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

AccentureのAI受託開発について詳しく

【関連記事】画像認識のAI開発事例を見る

ビッグデータから適正な在庫管理を可能に

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

ゼンクのAI受託開発について詳しく

【関連記事】需要予測のAI開発事例を見る

製造業の設計をAIで効率化

昭和22年に創業された包装資材の製造・販売を行うリュウグウ株式会社では、製造業の設計をAIで効率化するサービス「WALL」を導入しています。リュウグウには業界未経験者などが多く勤務しており、製品開発に使用するさまざまな材料は作業の中で覚えていく必要があります。しかし、経験をもとにした作業が多くなることから、熟練者など一部の人に負担が集中するという面がありました。

株式会社SUPWATが開発した「WALL」を導入することによって、製造業における実験や解析部分の業務を効率化することができています。

対応内容	材料の選定
開発企業	株式会社SUPWAT

AI-OCRを導入して紙の入力業務を効率化

株式会社神戸製鋼所では、全国の拠点においてデータ入力業務の効率化を測るために、AI inside株式会社が開発したAI-OCR「DX Suite」を導入しています。神戸製鋼所では、多くの拠点で紙の入力業務が負担になっていることから、業務効率を向上させるためにツールを導入。その結果、およそ60％の業務時間の削減に成功しています。さらに、全社にて同じツールを導入し活用することでノウハウが蓄積され、使い方の共有も楽に行えるようになりました。

対応内容	業務効率化
開発企業	AI inside株式会社

製造業のAI失敗事例

現場との連携不足でAIの学習機能が活かされない

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AIを活用する目的

製造業では、非常に幅広い部分でAIが活用されています。例えば、画像認識AIの活用による品質検査や外観検査の自動化が行われており、人の目では見落としがちな細かい欠陥も高精度で発見することが可能です。

また、AIがセンサーや可動データの分析を行い、設備の異常や故障の予兆検知も行われており、突然生産ラインが停止するリスクの低減に寄与しています。その他にも、AIの需要予測による在庫最適化や担当者への発注提案などにも利用されています。

製造業でAIを活用するメリット

さまざまな作業を自動化・最適化できるため、生産性の向上や人手不足の解消につながるというメリットがあります。また、AIを使用した品質検査などにより人の目による見落としなどを防げることから、品質の安定・向上が期待できます。さらに、AIによる検査を行うことで、検査品質が均一化する点も大きなメリットといえます。

そのほか、ベテランが持つノウハウをAIで分析してデータとして残すことにより、技術の伝承や属人化の防止にも役立てられます。

製造業でAIを活用する注意点

AIを活用したシステムを導入する場合、初期導入と運用コストの負担が大きくなる点に注意しなければならないといえます。この点から導入については費用対効果を踏まえつつ、十分に検討することが必要です。

また、AIの精度はデータに依存することから、データ不足やノイズが多い状態だと、期待した効果が得られにくいという点、システムを活用するためにAIを使いこなせる人材の育成や採用が必要となる点も、課題となる可能性があります。

製造業でAIを活用するコツ

まずは、現場において「どのような課題を解決したいのか」という点を明確にすることが必要です。その上で、まずは特定の現場などで小規模に導入し、効果の検証を行います。一気に導入しようとはせずに、現場からのフィードバックを反映しながら、段階的に導入を拡大していくこともポイントとなってきます。

また、実際にシステムを使用する現場を巻き込みながらプロジェクトを進めるのも大切です。作業員や現場責任者とともにAIの役割や限界について共有し、サポート体制を整備しながら導入を進めていきます。

AI開発を失敗させない方法

まずは、現場検証と費用対効果についての検討を十分に行っていくことが重要です。また、AIの開発を成功に導くためには現場の協力が不可欠であるため、経営層と現場が一体となり、AI導入目的と期待される効果を共有して取り組んでいくことがポイントといえます。

また、一度AIを導入して終わりではなく、導入後も現場の声などからモデルや業務フローを定期的に見直していくことも重要です。

【まとめ】
製造業でAI開発を成功させるには？

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。

製造業にも対応
AI受託開発ベンダー3選を見る