AI(人工知能)ニュース

AI(人工知能)導入が進む工業の姿!知っておきたい事例と動向

工業のイメージ

近頃、AI(人工知能)が様々な分野で活躍されているというニュースを至るところで耳にする事が増えましたよね。例えば、東京都内に無人AI(人工知能)店舗が出現した事や、宅地建物取引士試験の出題についてAI(人工知能)が出題的中率78%を叩き出したなど、AI(人工知能)がもたらす新たな社会の在り方にさらなる期待を膨らませている方も多い事でしょう。

そして、AI(人工知能)の導入の波は確実に工業の分野にも拡大してきています。工業分野では、労働人口の減少、人件費の高騰、小さなミスによる品質や生産性の低下などをはじめとして、解決すべき多くの課題を抱えています。

現在注目されているAI(人工知能)の輝かしい成果は、画像認識や音声認識などの特定領域に留まっていますが、工業分野においても、AI(人工知能)などの先進技術を活用して生産性を高める動きが熱を帯びてきました!効率の良い生産管理が求められる工業において、24時間稼働し続け、特定領域では人間を超え始めたAI(人工知能)導入が進んでいるのは自然な流れでしょう。AI(人工知能)はこれまでの工業の常識を大きく変えてしまう可能性を秘めています。

今回はそんなAI(人工知能)を工業の分野で活用した事例と動向について、お伝えしていきます。

つちひろ
つちひろ

AI(人工知能)の発展にワクワクドキドキが止まりませんよね!( ^ω^ )私は、囲碁AI(人工知能)がプロ棋士に勝ったニュースが衝撃的過ぎて、自分でもAI(人工知能)を実装したくなって思わず会社を辞めちゃいました・・。

工業における5つの工程毎に異なるAI(人工知能)の活用方法

AI(人工知能)のイメージ

工業分野でのAI(人工知能)の活用事例をより深く理解する最初のステップとして、まずモノづくり全体の流れについて簡単に説明します。この流れを理解しておくと、AI(人工知能)が工業分野でどのように活用されているか、理解がグッと深まるはずです。

つちひろ
つちひろ

モノづくりの工程は知ってるよ!という方は、本章はすっ飛ばして次章へ進んじゃいましょう( ^ω^ )。

この章を旅行に例えるなら、事前に旅行先で何をするかを把握し準備しておく工程にあたります。現地で何をするの?移動手段は?履いていく靴は?・・・事前に旅行の全体像を確認することで、何が必要、役に立ちそうかがわかり、より旅を楽しむことができますよね。

では早速、工業のモノづくりの流れを見ていきましょう!基本的に、工業分野でモノをつくる工程には、以下の5つの工程があります。

  1. 計画・顧客管理
    製品のニーズや売り上げを予測します
  2. 研究・開発
    材料の選定やテストを効率化して、製品を市場に投入するまでの時間を短縮したり、目的にあった新しいものを、いかに数多く生み出すか試行錯誤します
  3. 設計
    さまざまな制約の下、最適な構造と図面を作ります
  4. 製造
    効率よく製造し続けます(品質安定、不良を出さない)
  5. 保全
    工場・製造が止まる要因を排除します

それぞれの工程が持つ目的・ミッションが異なるため、当然、AI(人工知能)の活用のされ方も各工程で変わってきます

5つの工程のうち、製品のニーズや売り上げを予測する「計画・顧客管理」は最初の工程でした。この領域でのAI(人工知能)活用はもちろん進んでいますが、工業特有の領域ではありません。そこで今回は、モノづくりに特に深く関わる他の4つの工程に絞って、AI(人工知能)が工業分野にどのように活かされているのか、事例と動向を交互にお伝えしていきます

4つの工程別に見るAI(人工知能)導入が進む工業の今

研究・開発 → 設計 → 製造 → 保全というモノづくりの流れに沿って、AI(人工知能)が活躍する工業の姿を見ていきましょう。まずは研究開発からです。

研究開発工程におけるAI(人工知能)

研究開発のイメージ
研究開発の工程は、製品に最適な素材や材料を見つけることが目的です。そのためには、テストを繰り返し行う試行錯誤が必要で、繰り返せば繰り返すほど、実験結果としてのデータが蓄積されていきます。

昔は、モックアップ(実物とほぼ同様に似せて作られた模型)や実物を用いて、少量の見本でテストを繰り返すなどをしてきたため、テストを繰り返す度に時間と研究開発費がかさんでいました。しかし最近では、コンピュータ上で何度もテストを実行できるようになり、ここにAI(人工知能)が活用されています

多くのデータを用意してAI(人工知能)にテストさせることで、人間とは比較にならないほど多くのテストをスピーディーかつ低コストで実現できます。そう、AIが、最適な素材の組み合わせや、取捨選択などを自動で行なってくれるのです。

AI(人工知能)を活用して燃料電池の新素材を探求(トヨタ自動車)
トヨタ自動車は素材開発にAI(人工知能)を用いています。約39億円の研究開発費を投じて、これからの電気自動車や燃料電池車の時代に向け、蓄電池やバッテリーがより高性能となるような新素材の発見にAI(人工知能)を活用しているのです。
AI(人工知能)を活用して創薬プロセスを変える可能性(twoXAR)
米スタートアップ「twoXAR」は、AI(人工知能)を用いて従来の創薬プロセスをより効率化、予測可能なものへと変えようとしています。

従来、新薬が開発されるまでには平均10~15年間もの年月がかかり、数百億円という莫大な金額も必要で、その時間とコストの多くは、新薬の候補となる物質を探す過程に費やされてきました。膨大にある薬物同士の組み合わせを分析したり、人間と薬物の相互作用を推定することに、AI(人工知能)が活用されています。AI(人工知能)は膨大なデータの中から一定の規則や傾向を発見することが得意なため、人間が見抜けない情報を発見する可能性を大いに秘めています。

つちひろ
つちひろ

さらなるテクノロジーの発展に伴い、AI(人工知能)を研究開発に活用しようとする動きはどんどん激化しています。

例えば、トヨタ自動車の事例でご紹介したような、超高性能蓄電池が開発されれば、電気自動車の走行距離は大幅に改善され、価格も安くなり、ガソリン自動車は次第に廃れていくでしょう。また近い将来おそらく紙のように薄いスマートフォンや、蟻や蚊のように小さなマイクロデバイスでさえ、時間の経過とともに間違いなく出現することになるはずです。

設計工程におけるAI(人工知能)

設計しているイメージ
設計の工程では、必要とする機能を検討するなどの準備を行い、仕様書や設計図、設計書や模型を作成します。担当する技術者の習熟度や知識、さらには対象とする工場の作業者の生産性によって、設計品質にばらつきが生まれてしまうことが問題となっています。このような習熟度の差による問題などの解決にAI(人工知能)が利用される動きが加速しています

AI(人工知能)による熟練技術者ノウハウの水平展開(NEC)
NECは、技術の習熟や伝承に時間を要する設計業務向けに、AI(人工知能)を活用したサービスを提供しています。

熟練設計者が設計時に参照、更新した操作履歴のデータをAI(人工知能)に学習させ、経験の浅い技術者が参照した際に、オススメ情報を提示。AI(人工知能)はデータを元に学習していくため、使えば使うほど制度も高まっていきます。

社員ごとの習熟度のばらつきを防ぎ、経験の浅い設計技術者の早期立ち上げを支援しているのです。

AI(人工知能)による類似部品検索による設計効率化(富士通)
ネジには様々な形があり、類似部品を見分けるのは大変な作業です。この領域にAI(人工知能)を導入することによって、高速かつ高精度な類似部品検索を実現しています。実際、従来の検索技術でが68%だった所にAI(人工知能)を導入したことによって96% の分類精度に向上させた成果が報告されています。

こうしたAI(人工知能)を用いた類似部品検索は、過去の似た形状の部品が使われた設計データの流用や、障害を引き起こした部品の他製品への利用状況調査など、様々な設計シーンでの活用が見込まれています。

つちひろ
つちひろ

これまで人に依存してきたノウハウは、ネットワークに繋がって手軽に伝達、共有されていく動きがますます進んでいます。

製品設計に適用する技術や設計プロセスは常に進化します。AI(人工知能)は過去に学習した内容を元に、事象の予測や分類を行うため、一度学習させたAI(人工知能)を使い続けていくと、実際の製品設計と乖離していく懸念があります。

設計技術やプロセスの発展に応じて、定期的にAI(人工知能)をアップデートしていく仕組みづくりも今後求められていくでしょう。

製造工程におけるAI(人工知能)

製造工程のイメージ
製造の工程では、品質を安定させて不良品を出すことなく効率良くモノを生み出し続けることが目的になります。

これまで技術の進展に伴い、人間の手作業は機械によって代替され続けてきましたが、一部の工程は技術的に困難だったことや、開発コストに見合わない場合があるなど、手作業がまだ残っていました。しかし、近年では技術の進化が加速したことにより、さらなる自動化が進み、AI(人工知能)が組み込まれるケースが増えてきました。

タイヤ成型の目視検査、手作業をAI(人工知能)が代替(ブリヂストン)
世界のタイヤメーカーであるブリヂストンは、従来人の手によって行なっていたタイヤ成型の工程をAI(人工知能)に代替させることで生産性の向上に成功しました。タイヤの原料であるゴムは、気温によって性質が変わる上、タイヤ成型時には機械による微妙な圧力と回転数の調整をが欠かせなかったため、従来の機械ではその調整を人の手と目で行うしかない状態だったのです。AI(人工知能)を導入することにより、生産性の向上、人件費の抑制、高品質化がもたらされました。
AI(人工知能)によるロボット教育時間の大幅な短縮(ファナック)
複数の部品が入った箱から部品を一つ一つ取り出して仕分けするような作業をロボットに任せる場合、ロボットに作業を覚えこませる必要があります。熟練技術者がこれまで2日間かけていたこの作業を、AI(人工知能)を用いて8時間に短縮することにファナックは成功しました。1台のロボットの学習に8時間かかりますが、例えば4台ののロボットをネットワークで繋いで学習させれば、必要な学習時間は2時間になることもAI(人工知能)が秘めている大きな可能性です。
つちひろ
つちひろ

AI(人工知能)に何を予測、分類させるにせよ、精度が100%となることはあり得ません。

機械へAI(人工知能)が組み込まれる流れはますます活発化していきます。しかし、現場にAI(人工知能)を導入していった際、現場から見たAI(人工知能)に対する不信感や、自分の仕事が奪われるかもしれないという恐怖、AI(人工知能)の誤判定によって生じた問題に対する責任の所在、といった問題は新たに出てくることでしょう。

AI(人工知能)はあくまで課題解決のためのツールであるので、このツールをどう現在の業務の中に組み込んでいくかを真剣に考えなければ、AI(人工知能)を導入したけれど、逆に問題が増えた、なんてことになってしまうかもしれません。

保全工程におけるAI(人工知能)

機械の点検、保全をしているイメージ

受注状況や前後の工程によって、生産ラインの稼働状況は変化させた方が効率化できます。しかし、従来のモノをつくる仕組みは、加工方法や工程の流れなど、全て予め定められたルールの上で動かされることが一般的となっています。

例えば、その日の温度や湿度、荷物の置き場、人員配置など、少しずつ変化するような状況を全て想定して機械の稼働状況を設定することは困難なのです。これはまさに人間のような判断が伴う行動になるわけですから。

このような問題を解決する手段として、AI(人工知能)が活用されています。AI(人工知能)は、人間が指示を出さなくても、自律的に人間のように判断して稼働していくのです。

自律的に判断して障害物を回避、AI(人工知能)搭載ロボット(オムロン)
従来の無人搬送車は、定められた路線に沿って動いていきました。オムロンのAI(人工知能)搭載モバイルロボットは、内蔵するレーザースキャナを用いて、移動できる範囲の地図を自動的に作成し、ぶつからないための経路をリアルタイムに検出して移動する人や障害物を避けて自律的に移動します。

AI(人工知能)が学習しているイメージ
また、誰もが電化製品を買い換えた経験があるように、どんな機械もいずれは故障しますよね。機械の異常は、発熱や異音、電流値の変化、微細な傷といった様々な形で現れます。こうした異常の検知は、ベテラン技術者による経験や感覚によるものが大きく、ノウハウの属人化がどの企業でも課題になりがちですが、この問題の解決に貢献するのがAI(人工知能)です

故障は、一つの要素が原因となって起こることよりも、複数の要素が重なって引き起こされることが一般的です。多数の機械からデータを蓄積し続け、その膨大なデータをAI(人工知能)が解析することで、故障につながる予兆となるパターンや傾向、規則性を導き、異常の兆しを発見して対策を講じられるのです。

ミック経済研究所による調査では、AI(人工知能)を利用した予兆検知の市場は2017年で約55億円だったのに対し、2021年では338億円規模に拡大すると予測されています。

AI(人工知能)による予兆検知と他工場へのノウハウ水平展開(ファナック)
ファナックが開発するIoTプラットフォーム「FIELD system」は、工場内の機械を結ぶと共に、それらをクラウド上で稼働する他のシステムに接続します。クラウド上のシステムでは、稼働する機械から集めた温度や振動、音などのデータを解析することにより、故障の予兆を捉え、機器が停止する前に部品を交換するなどの予知保全を実現します。

この取り組みは一つの工場内で完結するものではなく、他工場ともネットワークを繋ぐことで成果を他工場へ展開していくことができます。また、クラウドから最新のプログラムをダウンロードすることもできるので、古い機械でも最新の機能や操作性を得ることができる仕組みなのです。

つちひろ
つちひろ

今後は、メーカーとユーザーが協力し、出荷されている製品の稼働データを収集する取り組みが活発化していくことでしょう。そうすることで、取り溜めた故障などの異常時のデータをAI(人工知能)が学習、解析し、メーカーは適切なタイミングでのサービス提供、ユーザーは問題を事前に回避していくことができます。

AI(人工知能)導入が進む工業分野の今後の課題

工業にAI(人工知能)を導入しているイメージ

さて、ここまでAI(人工知能)の工業における活用事例をお伝えしてきましたが、まだまだAI(人工知能)導入の課題は残っています。

そもそも、AI(人工知能)を実用的なレベルで活用するためには、AI(人工知能)が大量のデータを元に学習することが求められます。

今はまだネットワークに接続されていない機械も、今後ネットワークに接続されていく流れは加速し、多数の機械からデータが収集されるでしょう。集まったデータからAI(人工知能)が学習し、解析し、そして機械を制御していくのです。

工場が大規模であれば、相当なデータ数が蓄積されていくことは間違いありません。機械から送り出されたデータが一度にサーバーを通してクラウドに上がれば、クラウドの処理能力を超えてしまう危険や、AI(人工知能)がデータを処理するのに時間がかかり、即時性が必要な動作を機械が実行できなくなる可能性も問題視されています

こうした問題の解決策として、一部はローカルで処理し、より複雑な判断が求められるものだけをクラウドに上げて解析するように分けて実行する手法が考案されています。クラウドでの処理負荷を軽減しながら、即時応答を可能にする手法です。

このように、AI(人工知能)の導入が工業分野に進むに伴って、新たな課題が生まれると共に、その周辺領域でのビジネスもこれからますます反映していくことでしょう。

IoTのイメージ

さて、今回はAI(人工知能)が工業分野において活用されている事例と動向ついてお伝えしてきました。改めておさらいしてみましょう。

  • 工業分野は、労働人口の減少、人件費の高騰、小さなミスによる品質や生産性の低下などの課題があり、その解決策としてAI(人工知能)活用が進んでいる
  • 工業分野でのモノづくりの流れは、5工程(計画・顧客管理 → 研究・開発 → 設計 → 製造 → 保全)に大別され、各工程で活躍するAI(人工知能)はそれぞれで活用方法が異なり、従来の工業の姿を変える可能性を秘めている
  • 機械がネットワークに繋がるに伴い、膨大なデータをどう処理するかが課題となっているが、データの一部をローカルで処理することでクラウドへの負荷を軽減する手法が考案されている

AI(人工知能)の導入が生産性の向上を担うだけでなく、工業分野が抱える問題を解決する可能性を含んでいること、そしてまだまだAI(人工知能)導入に関しては課題が残されていることが理解できましたよね。ご紹介したもの以外にも、AI(人工知能)の導入が工業の姿を変える事例は様々なものがありますが、今回は代表的なものをピックアップしました。

かつて、18世紀後半に機械が導入されたことで産業革命が起こり、人々の生活はガラリと変わりました。21世紀の現在では、色んなモノがインターネットに繋がってそれらをAI(人工知能)が制御できるようになり始めました。そう、まさに第四次産業革命が起こり、世界がガラリと変わりはじめているのです。

近い将来、つくるモノに合わせて、生産ラインが自動的に構成を変更し、フレキシブルなモノづくりを行う現場も実現するでしょう。あらゆる機械が感知する温度や音量、明るさ、衝撃などのデータが活用され、機械が人間の動きや考えを理解し、人間を補助する新たな協調関係が生まれていくのです。そんな驚くべき、新しい工業自動化の未来はもう目の前に迫っています

AI(人工知能)と人間が仲良くしているイメージ

AI(人工知能)が人間の仕事を奪うと叫ばれて不安を煽るような記事も目につきますが、少子高齢化によって労働者不足に拍車がかかる日本の工業において、AI(人工知能)による人間の作業の代替は、労働力不足を補うことになるでしょう。さらに、これまで人間が行っていた単調で重労働な作業は減り、人間はよりクリエイティブな活動に時間を費やすことができるようになります。

AI(人工知能)に対する不安な情報に囚われるよりも、AI(人工知能)が私たちの暮らしを豊かにする明るい面に私たちは目を向けていきたいですよね。そのほうがずっと楽しい毎日になるはずです。今後もAI(人工知能)が発展し続け、活躍する領域も拡大していくことは間違いありません。

引き続き、AI(人工知能)が生み出す私たちの豊かな未来に期待していきましょう!

人間とAI(人工知能)が共存しているイメージ

参照元 齊藤 元章(2014)『エクサスケールの衝撃』
トヨタ:AI利用で燃料電池、バッテリー用新素材の開発加速
設計・生産現場でAI技術を活用するための「ものづくりAIフレームワーク」を開発~お客様のものづくり革新をAI技術の組み込みにより強力にバックアップ~
トヨタ、安川電機等がAIを導入する理由 製造業のAI活用を考える〜AI初心者と一緒に学ぶ人工知能の基礎のキソ④〜

AI利用の予兆検知、精度向上で2021年には338億円規模
製造業における機械学習応用分野
”[製造業にAI導入は必須!
工業分野にも広がるAIの波
難しい製品設計に強い味方、“ベテランの勘”をAIに
「止まらない工場」に挑むファナック、AIとIoTで“見て・感じて・考える”ロボットに
製造業におけるAIの活用ノウハウと落とし穴
製品設計における人工知能技術の応用

コメントをどうぞ

トップへ戻る
タイトルとURLをコピーしました