近年、様々な業種へのAI活用が進んでいます。製造業も例外ではなく、むしろ昨今はAI活用の規模や伸びが他の業種より大きいという調査もあります。そのため活用事例も増えてきており、ご自身の業務に活用できる事例がないか検討されている方も増えてきているのではないでしょうか。
今回は製造業におけるAI活用の参考のために、AIが活用できる製造業の業務やメリット、活用の流れや注意点、活用事例、内製化の重要性をご紹介いたします。
AI活用は様々な製造業の業務で進められています。生産計画・販売計画・在庫管理に対してAIによる需要予測を活用したり、品質管理・品質保証業務において重要な文章を自動で検出したり、製造ラインにおける不具合原因の究明や外観検査の自動化などが代表的な例として挙げられます。
AIを活用することにより、従来の業務改善では難しかったことが実現できるかもしれません。例えば検査の自動化や重要文章の自動検出など業務の効率化・労働力不足の対策が実現できます。また、需要予測や不具合原因究明などによる業務の最適化・品質向上も実現できます。
AIの活用は大きく次の3ステップで行います。まずAIを活用する業務・テーマの選定を行います。次にデータを用いてAIを構築し、精度を確認します。最後にAIを用いた業務の流れやシステム化の検討・システム構築を行い、業務に活用できるようにします。
AI活用においては精度検証と継続的なAI再学習の仕組みに気を付ける必要があります。
AIはデータを用いて構築・検証するまで精度が明らかにはなりません。そのため一般的には精度検証フェーズ（PoCフェーズ）を行い、業務で活用できる精度に達するか検証する必要があります。
またデータの傾向は時間経過とともに変化するので、基本的にAIは一定の時間経過後に新たなデータで再学習（再構築）する必要があります。これをサポートするシステムの構築を怠ると、1年後には業務に使えなくなってしまうくらいモデル精度が低下してしまう、という事態に陥ることもありえます。こうした事態を防ぐためにも、導入時の精度だけではなく導入後の再学習など、精度の維持・向上のための運用まで考慮する必要があります。
需要予測とは製品やサービスがどれくらい売れるかを予測することで、近年AIの活用が着目されている領域です。AIの活用により過去の販売実績に基づいた高精度な販売計画の立案や、高精度な生産計画の立案が可能です。また商品企画の際に新商品の需要を予測し、意思決定に活用することもできます。
以前、エクセルによる製品の販売数予測の精度が低くて生産計画はカンコツに頼らざるを得ないというご相談をいただいたことがあります。お客様は判断の際に過去の販売実績に加え、類似製品の販売推移、季節性や気象情報などを見られていると聞きました。その業務知見を活かすため、それらのデータを取得・加工し、高い精度での予測が可能になりました。
需要予測についてより詳しく知りたい方は「需要予測はAIで行う時代へ」と題して全3回の特集記事を組んでいますので、ぜひこちらも合わせてご覧ください。
製造業では日々、市場で稼働する製品の不具合や修理情報に関するレポートが発行されますが、どのレポートを優先して確認するかは判断がつきづらいこともあります。そのため重大な不具合やユーザーに危険が及ぶ可能性があるような、緊急度の高い対応が必要なレポートにおいて、確認遅れや見逃しが起き、対応が後手に回ってしまうこともあります。近年、精度の向上が著しい文章AIを用いれば、レポートに対して重要度を判断させ、重要レポートの早期検出が実現できます。また類似レポートの検索をAIに実施させることにより、対応の検討が簡易になります。
以前、不具合に関するレポートの重要度を判定したいというご相談をいただいたことがあります。お客様の知見をルール化したものとして、不具合現象の分類ラベルとその重要度（早急に対応すべき事象）の対応表がお客様内で運用されていました。そのためAIはレポートに不具合現象の分類ラベルを付け、重要度判定はお客様のルールを適用するという方針で進めました。
またレポート類の検索でご相談をいただくこともありますが、製造業においては企業ごとに部品名や品番などの一般的な文章に現れない言葉も頻出します。そのため業務知見を活かしながら表記ゆれ等に対してどのように対応するか検討する必要性があることが多いです。
製造ラインにおいては様々な不具合が発生しますが、日本の製造業の技術は高く、全体で見たときの歩留まりは非常に良いことが多いです。しかし特定の不良については原因究明できておらず、対策が打てていないこともあるかと思います。従来から行われている業務知見によるアプローチに加え、AI・データ分析によるアプローチを使って原因究明・対策立案することが考えられます。
以前、特定の不良が突発的に発生する条件を生産履歴から分析したいとご相談いただいたことがあります。データを分析していき、ある設定がデータから示唆されたのですが、この設定は一般的に不良が増えるといわれている設定でした。しかし実際に実験をしていただくと減ることが分かり、現状の管理値内の操作であれば対象不良の発生を低減できることが分かりました。現場の方も参画いただき、実際に実験をいただけるご協力体制があってこその改善でした。
事例でお伝えした経験で共通して感じていることは、AI活用の成否はデータの品質だけではなく、現場の業務知見や連携・協力体制が大いに関係するということです。業務知見や連携・協力体制という観点で考えると、企業の皆様が主体となって推進していくことが望ましい形の一つです。長期的に見れば自らAI活用を進める「内製化」に舵を切る企業が増えていくことが想像されます。
ISIDではお客様に内製化を進めていただけるようなご支援を提案することも多いです。AIの活用戦略を整理する支援や、AI人材育成を進める支援なども実施しています。
今回はAIが活用できる製造業の業務やメリット、活用の流れや注意点、活用事例、内製化の重要性をご紹介いたしました。ISIDでは他にもAIに関する様々なご支援をしてきておりますので、事例やご支援内容が気になる方はぜひお問い合わせください。
また皆様の業務に対してISIDがAIの活用をご支援する場合は、実際の業務に沿ったご支援をしています。製造業出身のメンバーや製造業のご支援経験が長いメンバーもいますので、まずはお気軽にご相談下さい。
