製造業DX / 製造業のお悩みや課題とIT・IoTで解決

製造業でのAI活用とは!?事例と共にご紹介

製造業でAI活用

SEIZONEバナー1

今、様々な業種でAI化が進んでいるのはご存じでしょうか。製造業もその中の一つで、AI化によって多くの問題解決につながっており、重宝しています。何故、製造業でAI化が重要視されているのか、製造業の課題とAIの活用事例について紹介していきます。

製造業における課題

人手不足の製造業

製造業では様々な課題を抱えています。それらを順番に解説します。

作業者不足

この問題は製造業に限った話ではありませんが、特に製造業は人手不足が深刻といわれています。理由は様々ありますが、日本が「少子高齢化」によって、人口が少なくなっているのも要因の一つです。製造業は3K(汚い、きつい、危険)のイメージが強く、どうしても避けられやすい業種といえます。結果、少ない人数で作業を行う事となり、残業や休日出勤が発生し更に退職者が増え悪循環となっています。

作業者の高齢化

長年勤めてきた作業者は、どうしても若い人材と比べると体力低下などによる体調不良などのリスクが高くなります。高齢化が進み、新しい作業者が入らないとなると、技術を継承する人材も必要となる製造業において、大きな損失となります。

コストの高騰

日々進化し続ける製造業において、競争が激化しています。少しでも安くて良いものを求める顧客に対して、その中で勝ち残るためには、少しでも余計なコストを削減する事が重要視されています。しかし、人間の力だけではこれ以上新しい事を考える事ができないくらい限界がきている企業も多くあるのではないでしょうか。

AIを導入によるメリット

製造業でAI活用

これらの課題に対して、AIを導入する事で解消されるものが大半を占めています。

  • 作業の効率性
  • コスト削減
  • 災害の減少
  • 作業者のストレス緩和

などAI導入によって大きな成果を挙げています。

成功事例紹介

次に具体的にどのような活用事例があるのか紹介します。

自動車部品メーカーでの業務最適化

今まで慣れている作業者を5~6名動員して丸3日間かけて、今までの経験を元に計画を立てていました。しかし、生産過程で不良品発生などが起きるとその都度、計画は修正する必要があり、極端に忙しく極端に暇になる事が発生しました。これにより、毎日稼働するはずの設備を使用しない日や逆に作業者に残業や休日出勤が発生する日もあったりと、負担が大きくなっていました。

AIを導入する事により、今まで時間が掛かっていた計画案が膨大なデータから分析し数分で出せるようになりました。不良発生頻度や設備の空き状況などをAIの学習に生かすことで、今後さらなる精度アップも見込めるようになります。

鋳造条件の最適化

主に自動車メーカーなどで行われる鋳造作業ですが、熟練の作業者が射出ごとに大量の波形データを目視点検し、鋳造条件の判断をしていました。しかし、作業者の高齢化に伴いそのような熟練者の人数が減っている現状があり、今後の技術継承が大きな課題となっています。これに対して鋳造条件をスコアリングするAIを導入しました。

AI導入後は、AIによって波形データをチェックし、正常波形と異なる個所を見つけ訂正する事により、精度が高くなり、最終的に人間が良いか駄目かの判断するだけでよくなりました。このような熟練作業もAIに任せるようになっていく事で、高齢化の問題や技術継承問題解決にもつながります。

異音検査の現場

音による異音検査を行う場合、検査する作業者によってばらつきがあり、慣れた熟練作業者の人材確保が中々取れず問題となっていました。また、異音を聞き分ける作業自体、勘によるものが強いため、どうしても作業者のストレスとなっていると言われています。このような異音検査で使用する音のデータをAIに導入し活用する事で、作業者に頼ることなく、均一なデータの確保と労働力を伴わない効率的な検査が出来る様になりました。

不具合を未然に防ぐ

製造業の現場では、製品の様々なデータが毎日蓄積されますが、集められるデータの中には不具合品も混じって集計されます。
そのほとんどが作業者が直接チェックすることで不具合を確認する場合がほとんどなので、どうしても見落とす可能性やデータの入力ミスなど人為的なミスも多くあります。AIの活用によって、不具合箇所を正規品との比較でいち早く検知し、このような不具合を未然に防ぐことに成功しています。

磁気探傷検査でのAI活用

自動車メーカーでは、一般の外観目視検査では簡単に見つける事ができない細かいキズを検査するために磁気探傷検査というものを行います。従来は熟練する作業者が扱うマシンビジョンを使用しての検査を検討してきましたが、どうしても精度が低するためクレームや不良品につながっていきます。しかし、AIの活用によって、大幅に精度を高める事に成功し、これまで4人体勢で行っていた作業を2人に削減できました。つまり、磁気探傷検査の精度向上の他に人件費の削減にも貢献した形となります。

工場全行程の自動化

製造業の工場を自動化

タイヤ製造業者のブリヂストンは、2002年に部材工程から検査工程まで工場の過程の自動化に成功しています。今から約20年前、この時代はまだAIの技術が十分発展しておらず、業界において先立って実現した事になります。2016年に新たにAIを導入し、大量のデータが取り込む事によって、今まで作業者が培ってきた技術を簡単に覚える事ができます。

更に一度積み上げたデータは簡単ににコピーする事ができます。これらのAI導入により、精度が高いタイヤの作成と、製造工程では複数の工程をAIによって同時に行う事ができるようになりました。品質の向上と作業性の効率化の実現を達成し、今後更なる飛躍が期待できそうです。

画像解析の活用

AIによる画像解析を行う事で、何か異常が発生した時にAIが検知してアラートを通知するようにできます。このような異常検知以外にも、作業場内での画像分析を行う事で、必要な人員配置や作業の取り決めなど状況に応じて対応できるようになりました。AIを使用する事で、人の配置、必要数の材料の確保など画像で管理することによって、生産性向上や異常を未然に防止する事が可能となりました。

航空業界の快適なサービスの提供

アメリカの航空エンジンメーカーはエンジンの燃費など様々な航空機に関わるのデータを計量しました。その集めたデータを人工知能で解析することで、低燃費かつ故障を未然に防ぐ運航の実現を目指しています。今までは「高性能なエンジンを売る」ことに特化していましたが、「効率の良い快適な運航をサポートするサービス」に方針を変えた事で、顧客満足度の向上につながっています。

AIカーの実現

今はまだ製造段階ですが、トヨタ自動車がAI機能を搭載した車の開発を進めています。運転の補助ではなく、ドライバーの人間性を理解し運転をサポートする機能として導入されます。その日の体調を分析して、例えばドライバーが初めて走る場所を運転している時など緊張している時は落ち着かせるためにリラックス効果のある芳香剤の噴霧したり、社内を落ち着く色合いの光に変換したりと快適な運転をサポートするために搭載される予定です。

倉庫の完全自動化

ECサイト大手のAmazonでは多くの作業者を雇っていますが、最終的には倉庫内を作業を全て自動化する事を視野にいれています。注文した商品はすぐに届くのは、今でも活躍しているIT技術の賜物です。今後はAIを活用した商品の選別に加え、配送をドローンを飛ばして行えるようになれば様々な業界において非常に重宝するサービスとなっていくでしょう。

まとめ

AIを導入して大きな成果を挙げる一方、逆に失敗する場合もあります。 その失敗するリスクを恐れ導入を踏みとどまっている企業もあると思いますが、一番大事な事は新しい事に挑戦する心意気だと思います。 成功している事例を参考に検討してみてはいかがでしょうか。

SEIZONEバナー3