近年、製造現場においてAIを活用するケースが増えています。課題解決に有用なソリューションも多くリリースされており、選択肢も豊富にあります。しかし、よく理解できていないまま導入してしまうと、期待した効果につながらない可能性もあるため注意が必要です。導入を検討する際は、ある程度AIについて学び、理解しておくことが大切です。
なぜ製造業にAIが必要？
製造業の効率化に必要なものとして、AI（人工知能）が高い注目を集めています。AIは、不良品の発見や事故の防止、故障検知など、製造業が抱えるさまざまな課題を解決に導いてくれます。
このような流れの背景にはDX（デジタルトランスフォーメーション）推進への取り組みがあり、製造業においてもスマートファクトリーなどのDX実現が強く求められているのです。
スマートファクトリーの実現には、AIの活用が不可欠です。人が作業を行う場合、習熟度の差によって生産性や品質に差が生じるのは容易に想像できます。AIは定型作業を得意とするため、能力の差による生産ロスを埋めるのに役立ちます。
ほかにも、外国語話者とのコミュニケーションロス解消や一定品質の維持など、AI導入により得られるメリットはさまざまです。在庫管理の最適化や検査の機械化、設備保守業務にAIを活用ですれば、効率化に大きく貢献するでしょう。
製造業にAI導入をするメリット
製造業では、人に頼ったスキルや商品の生産計画が前提となっているケースも少なくありません。AIのサポートにより、どのような効率化が見込めるのか、具体的に6つのメリットを挙げて解説します。
生産計画が自動で立てられる
これまで、生産計画に必要な生産量や生産時期の判断は、業務に詳しいベテランスタッフの経験に基づいて立案する場合がほとんどでした。生産計画にAIを活用すれば、半自動での計画立案が実現します。AIが事前に過去の計画立案内容や各種データを学習し、設備やスタッフのスキルまで含めて条件に加え、最適解を導き出します。
大手食品メーカーでは、AIによる生産計画システムを用いて、スタッフが生産計画に携わる時間の大幅な短縮に成功しました。AIの立案する生産計画は、人と同等以上の精度であり、生産効率の改善に大きく貢献します。
また、短時間で高精度の生産計画をつくり上げるだけでなく、従来では難しかった生産計画立案プロセスの可視化が実行できる点も大きなメリットと言えるでしょう。生産量の変更に関する予測と判断も、AIを活用すれば精度が上がります。
在庫の自動判断ができる
AIは、過去の販売実績・天候・気温・イベント有無など、複数の要因に基づいて未来の需要予測を立てるのが得意です。すでにスーパーなどでは、AIが判断した日配品などの予測を基に適正な仕入れを行い、余剰在庫を削減する動きが進んでいます。
製造業も同様で、需要予測にしたがって原材料を仕入れれば、ムダなコストが削減できます。将来的には、AIの高度な分析に基づいて人材配置を最適化するのも可能です。人・物・コストの流れを最適化すれば、生産性の向上にも大いに期待が持てるでしょう。
品質が向上する
人の手が介入しない状況をつくり出せれば、ヒューマンエラーの削減を実現します。例えば、検品作業などの定型業務では、製品に付いたキズや形状異常を識別するため、作業員のスキルに頼らず品質の均一化と作業効率を向上させるのに有用です。
異物混入対策としてAIを活用するのも効果的です。人が行う目視の検査は、作業員の習熟度や集中力の低下などが原因となって、品質にバラツキも生じてしまいやすいでしょう。しかし、AIであれば長時間に及んでも安定的な判別が行えるのです。
AIは、作業員が気づけないほどの僅かな異音やログデータの乱れをいち早く検知してくれます。これまで定期的に行っていたメンテナンスと、AIによる保守点検を併せれば、生産ライン停止による機会損失も回避できるはずです。
コストが削減できる
既にIoTを導入しているのであれば、AIを活用して資材の使用量や在庫保有数を適正化して、コストの削減にもつなげられます。IoTにより、どこにどのような資材があるのか、在庫データを一元で管理すれば、追加の資材が必要となった場合にもAIが分析したデータを基に適正な量を導き出せます。
生産量に対する資材使用量が適正化されると、在庫を保有し続ける物理コストも削減可能となっていくでしょう。このようにAIの導入には、あらゆる業務の最適化へつながる大きなメリットを期待できるのです。
生産性が向上する
生産性の面で課題を抱えている場合も、AIの導入により多角的な改善が見込めます。生産性の低下を招く要素として、人材不足により作業員にかかる負荷が大きいこと、作業の標準化が進まないこと、部品不足による作業の滞りなどが挙げられます。
これらの解消を目指して、負荷の大きな作業を人手から機械に移行したり、定型業務をAIに移行したりして属人化によるベテラン作業員への負担が軽減できれば、生産性の向上だけでなく従業員満足度も上昇するはずです。
AIは、24時間365日稼働できるため、導入するだけでも生産量が増やせます。さらに、作業員の疲労による速度低下ロスや、稼働率の悪化しやすいネック工程でのロスなど、あらゆるロスの解消に貢献して生産性の向上を実現します。
安全性が高まる
危険が伴う作業を機械に委ねるなど、作業員の安全性を確保する目的でもAIは有用です。作業員の安全を守ることは同時に、不良品が市場に出回ることを抑止することにもつながります。AIの高精度な技術は、最終的に、製品を利用する顧客の安全性向上にも寄与します。もちろん結果として、自社の信頼度も向上にもつながるでしょう。
製造業にAIを取り入れた事例3選
ここからは、実際にAIを導入した企業の成功事例を紹介します。自社の課題や目的と照らし合わせながら、企業の抱えていた課題と解消に向けた取り組み、そしてそれにより得られたメリットなど、ぜひ参考にしてみてください。
画像認識AIの導入で業務の自動化｜ファーストリテイリング
株式会社ユニクロや株式会社ジーユーを傘下に持つ衣料品大手のファーストリテイリングでは、倉庫業務にAIを導入して自動化・効率化を実現させました。画像認識AIの採用により検品・商品の入出庫・配送仕分けなどを自動化すると同時に、高精度なピッキング作業をこなす産業用ロボットの活用、荷物サイズに応じた配送箱の最適化を実施しました。多角的な視点から効率化を目指した結果、人員を90%削減するという省人化を成功させたのです。
在庫最適化システムで莫大な経済効果｜C3.ai
北米大手のディスクリート回路メーカーでは、C3.ai社が提供する在庫最適化システムを導入しました。その結果、在庫を保有するための物理コストを28～52%節約することに成功し、年間にして1億ドル～2億ドルの経済価値をもたらしています。AIを活用するまでは、世界にある何百もの工場で40億ドルを超える在庫を抱えており、大きな経済効果を実現させています。
機械学習で高精度の解析を実現｜東芝
大手家電メーカーとして知名度の高い東芝では、統計数理研究所と共同で新たな機械学習アルゴリズムを開発しました。この開発により、これまで活用の困難だった欠損値を多く含む製造データでも高速・高精度な要因解析が可能になったのです。計算時間の短縮と、推定誤差を約41%まで削減することに成功しています。
AI導入を成功させるポイント
AIは学習により実用的なモデルを構築します。AIモデルの精度を上げるためには、AIが学習したデータ構造の見直しや、データを整理してタグ付けするアノテーションという作業が必要です。データ量が膨大であるほどこれらの作業には多くの工数を必要とします。AIを効率的に育成するには、業務の特性に合わせて、知見を持ったパートナー企業を選定することが大切です。
自社のDX推進に必要な要素を持っている企業かどうかを見極めないまま契約を結んでしまうと思わぬコストがかかってしまうかもしれません。AIの推論する精度が悪いと、データ構造とアノテーションを見直す必要があります。このような事態を回避するには、業務の特性をよく知るAIに精通したシステムエンジニア・データサイエンティストの存在が不可欠なのです。
製造業にAI導入をするなら、「Impulse」がおすすめ
ブレインズテクノロジー社（Brains Technology, Inc.）が提供する「Impulse」は、機械学習・学習プロセスの自動化で、現場の課題をみずから解決する異常検知ソリューションです。収集したセンサー・音声・画像データを可視化する基本機能に加えて、従来の管理では発見できなかった障害や故障予兆の検知、不良品の検出、トラブル発生時の要因特定などに役立ちます。継続性や即時性に優れ、運用管理に高い保守性を備えたImpulseは、製造業ビジネスのDX推進を多角的にサポートします。統合的な効率化の実現に向けて、Impulseの導入を検討してみてはいかがでしょうか。
まとめ
製造業にとって、AIの導入はさまざまな課題を解決する有用な手段です。導入の際には、メリットや気をつけるべきポイントを意識しながら、自社のニーズや特性に合わせて慎重に検討しましょう。
ブレインズテクノロジー社のImpulseは、誰でもAI技術を活用できるオートモデリングを搭載し、製造業のあらゆる効率化に貢献します。
