総合情報サイト / AI活用事例・AI導入事例 / 製造業におけるAI活用事例23選!各社の導入方法・例をご紹介

製造業におけるAI活用事例23選!各社の導入方法・例をご紹介

ここ数年でAi技術は格段に進化を遂げています。様々な領域でAIの活用が進んでいますが、製造業ではどのくらいAIの導入が進んでいるのでしょうか。製造現場での実用化にはいまだ課題も残っています。AIを活用できる人材がいない、AIの導入方法がわからず、活用が進んでいない企業も多いのではないでしょうか。 この記事では、実際にその仕組みや導入のメリット、成功・失敗事例を紹介していきます。製造業でAIを導入するうえでの注意点についても解説していますので、ぜひ参考にしてください。

  • 製造業におけるAI活用事例23選

    【1】IoTやAIで製造業のスマートファクトリーを支援

    ロボット製造業社とIT企業は、製造業のスマートファクトリー化や、ものづくり現場のプロセス改革を推進するソリューションを開発しました。
    これにより、工場の見える化を通じて、最終的に自動化や自律化につながります。
    IoTやAI技術を活用して生産管理を自動化・最適化し、工場の課題を分析し、カメラやセンサーなどの機器や通信環境を一括提供されています。
    AI活用は、PDCAサイクルのC(Check)のステップにおいて、生産ラインから取得したデータをAIの解析技術で分析します。設備の故障を予測して、生産良品率や設備の稼働率を向上することが期待されています。


    【2】熟練作業員の技術再現で自立型工場

    化学メーカーでは、生産現場で収集したデータをAIが学習することで、「自律型生産システム」を開発ししました。このシステムの革新は、生産現場の熟練作業員が持つノウハウを引き出し、誰もが使えるように標準化することにあります。暗黙知とも言えるそのノウハウは、ものづくりの競争力を高めてきた源泉と言っても過言ではありません。
    AIを使って、生産現場データと熟練作業員の業務を分析し、ノウハウを機械的に抽出させることに成功。その結果、最適な運転条件を算出することや、設備機器トラブルの予兆検知精度を向上することができました。

    これにより、工場ではAIが司令塔となって、無駄の少ない運転や、設備の変調を予測することでコスト削減や生産性の改善が可能です。ベテラン技術者の大量退職による生産性低下が懸念される中で、大幅な生産性向上に寄与しました。


    【3】製造業の設計をAIで効率化

    包装資材の製造 / 販売会社では、製造業の設計をAIで効率化するサービスを導入しました。
    これは、製造業のデータ活用によって、製品開発での材料選定を自動化するソフトウェアです。
    製造業では製品開発でさまざまな材料の中から選定し、どのように製造をするか試行錯誤する場合が少なくありません。
    包装資材の製造 / 販売会社では、商品の品質を担う品質検査工程は従来、熟練作業員の経験をもとに行われていましたが、業務負担に偏りが生じやすく、安定した品質管理にも大きな課題がありました。
    AIを導入し、作業員が経験をもとに行っていた素材の混合や設計における従来の過程を、過去の開発記録と照らし合わせ機械学習。これにより、最適化および研究開発工程の効率化が可能となるため、商品開発力の強化が実現できました。
    明確に数値化して運用することで、研究者や理系出身ではなくても蓄積されたデータやサンプルの結果を入力すれば誰でも理解できることがメリットとなっています。


    【4】機器稼働と人員配置の最適化

    ある自動車部品メーカーでは、生産計画の策定作業にAIを活用しています。これまではベテラン社員5~6名が丸3日間かけて、経験則をもとに生産計画を立てていました。それでも、不良品発生などにより計画は日々修正され、機器に空きがある日もあったり、作業員に残業発生する日もあったりと、日によるばらつきが発生します。
    この計画策定の作業をAI化し、与えられた制約条件を満たす生産計画をAIがレコメンドします。制約条件には、出荷数、納期、機器ごとの能力、設定切替によるタイムロス、人員配置などの条件と目的関数を定式化し、数理最適化により生産計画を最適化。製造ラインの生産性向上を実現しました。

    これに対して、AI導入より、計画案が数分で出せるようになり大幅に効率が改善されたそうです。空き状況や不良発生をAIの学習に生かすことで、さらなる精度アップも見込めます。


    【5】AI-OCRの効率化成功事例

    大手鉄鋼メーカーでは、AI-OCRを導入したことで、業務時間の削減だけでなく精神的な負担も軽減されました。
    製造業の現場では手書き文字や数字などの品質記録が大量に発生しますが、紙による点検記録をデータ化するには多くの人手が必要です。取引先や仕入れ先からの伝票や、協力会社からの納品書や作業証明書など、日々多くの手書き帳票が発生していました。
    すべてを手入力でデータ化する作業は、本来の業務への時間が削られたり、入力ミスでの手戻りが発生したりと現場への負担が大きいことが課題でした。
    AI-OCRとRPAを組み合わせることで製造業での効率化が実現しました。
    また、全社で同じツールを使用することにより、ノウハウが蓄積されるため使い方の共有も楽になりました。
    AIOCR

    【6】ディープランニングを取り入れた産業ロボットの活躍

    産業ロボットを提供しているベンチャー企業は、複数の企業の協力を得て、「ディープランニング」の導入を構想しています。ディープランニングのAIによる制御が織り込まれた産業ロボットシステムの稼働により、工業のサーバ郡(フォグ)にデータを集約して解析することができます。
    これにより、リアルタイムな設備制御が行えます。各ロボットや生産設備はネットワーク上で繋がって処理されますが、工場内に設置されたサーバ郡(フォグ)内の処理になるため、解析スピードは早くなります。またフォグはクラウドとは独立して存在しているため、外部接触が少なくセキュリティ面での信頼性が高い事も特徴になります。


    【7】ものづくりAIフレームワークはお客様のニーズに寄与

    ある総合ITベンダーはクライアントのものづくりを支援するため、設計、生産現場でAI技術を活用するための専門のコンサルティングサービスを開始。スマートなものづくりを実現させるためのプラットフォームを提供しています。
    AIは設計、生産現場での業務プロセスを継続的に学習させることで、顧客のニーズや製品特性のデータを収集し、選別、精度向上のチューニングを行います。これにより、生産性は飛躍的に向上しました。
    例えば工場生産のネジの3Dモデル検索において、AI活用により検索精度が従来の結果から1.5倍に上がり、96%の高精度となりました。使用すればするほどAIが成長するため、ものづくりの精度が革新していきます。AIの活用により商品の設計検討の時間短縮や、生産ラインでの効率化が可能になりなりました。


    【8】ものづくりから快適なサービスへと転身

    アメリカ合衆国にある世界最大の航空エンジンメーカーでは従来のコンセプトとして「高性能のエンジンを造って売る」といった発想から、「効率の良い快適な運航をサポートするサービス」といった、ビジネスモデルにチェンジすべく、エンジンの燃費、状態、これまでに蓄積された膨大な飛行データーといった、航空機の運航に関わるすべてのデータを計量しました。
    その集めた大量のデータの相関関係や結果をAIで解析することで、データを基に導かれた低燃費で快適なフライトや、故障のない理想的な運航の実現を目指しています。
    また、飛行機のフライトだけではなく、その構築したデータ解析を、風力発電や鉄道など自他業ともに提供し、よりよい未来とサービス向上のために広く活躍しいます。


    【9】「人口脳」の登場によりロボットが学習していく

    本来のコンピュータプログラムであれば、プログラミングを故意に人間が書き換えないかぎり、コンピューターのスペックは上がることはありません。
    しかし、人口脳はデータを与えておくと、自ら学習して育っていくAIです。まさに、人間の赤ちゃんと同じように自分で学習して学んでいきます。そのため、製造業を始め、あらゆる分野の業界が人口脳と呼ばれるAIの導入を検討しています。
    例えば、検品において、ある程度の製品の傷検査のデータをカメラとリンクして検査させていきます。AIは自動で製造過程の検査を学んでいき、難しい検品判断は、熟練者の人間に聞いて確認をします。何度も不良品を見分けていくと、その不良品の傷の等級も精査できるほど精密度が上がっていきます。人と一緒に作業することが可能なので、ディープランニングとはまた違ったものになります。実際に製造業で使用され効果が出ており、のちのちは物流、メンテナンス、食品業と幅広い分野で活躍が見込まれています。


    【10】AIカーの誕生

    ある自動車メーカーは、人工知能の研究所を設立し、AI分野において数十億円を投じ、人工知能を活用した材料開発に力を注ぐ計画を進めています。
    AIを搭載した車はドライバーの人間性を理解、また体調を分析して、運転パートナーとしてドライブをサポートする機能が備わっています。具体的には、ドライバーが緊張している時は落ち着かせるために芳香剤の噴霧や、暖色系の光に切り替えるなど、リラックスさせる効果などが期待され、実用化へ向けて開発が進められています。
    また、AI商品をAI制御の生産ラインで製造していく過程が実現されており、これからもAI技術の先駆者として走り続けていくのではないでしょうか。


    【11】無人の製造工場が生まれるとき

    「産業用ロボットをより知能的に、より使いやすく」を掲げる知能ロボット開発/販売会社は、まだ真新しい会社にも関わらず、ソフトバンクやアップルと肩を並べて人工知能業界に名を連ねています。産業ロボット技術にAIを活用し、多くの制御装置を開発しています。
    重労働になるコンベヤからの荷降ろしを自動的に行ってくれるため、従業員の労働が軽減されます。
    この企業が提供するAIロボットは、様々なものに対応しており、細かいネジであってもAIが画像解析で判断し、人の手を借りずにピッキングすることが可能です。
    いつの日か工場にはAIだけの管理になり、無人になってしまうのではないかと思わされるほど、有能な産業ロボットの数々が提供されています。
    倉庫ピッキング自動化

    【12】AIロボットによる完全なる自動化倉庫

    世界的なECサイトは、工場の完全なる自動化を目指しています。数十万人の従業員を抱えており、雇用を増やしていく一方で、従業員に取って代わるテクノロジーの開発にも力をいれています。
    一部の倉庫では、すでにロボットが導入されています。ピックされた商品が乗せられた棚を、出荷担当の従業員の元まで運んでいくのです。例えば、商品がその日のうちに届くサービスをを実現させられているのも自動化によるものです。
    AI導入により商品のピッキング作業もロボットが行うようになると、製造業にも波及し新たなAIロボットの開発へとつなが流ことでしょう。またドローンによる配送も視野にいれているため、今後のAI産業の発展も期待できます。


    【13】化学プラントの自律制御

    制御機器を手掛ける大手電機メーカーは、AIで化学プラントを自動制御する技術を開発しました。実際のプラントに強化学習AIが安全に適用できるようになっており、これまで手動制御のみでしか対応できなかった箇所をAIが制御できるようになりました。
    例えば、化学プラントは天候の変化や気温などの外部からの影響を受けやすいため、現場の作業員がバルブを動かすことによって稼働を調整しなければなりませんでした。AIによって温度や圧力などの10以上あるパラメーターを監視することで、バルブの動きを人の手を介さずに35日間連続で作動させることができるようになりました。
    プラント操業はベテラン頼みの側面があり、彼らの退職によるノウハウ伝承が課題となっています。AI自律制御が定着すれば、運転員が現場に張り付いて操業する必要がなく、ベテラン不在を補うことができます。
    今後は自動化から自律化も見据えて、プラントが自ら学んで動くことも目指し、制御のAIだけでなく、品質の予測や改善点を見つけ出すAIの研究開発も進んでいます。


    【14】低コストで検品・外観検査

    AIのスタートアップが提供する製造業向けの外観検査自働化AIサービスは、低コストと導入スピードの速さ、精度の高さが特徴です。
    工場では大量のデータを生成しますが、すべてのデータをクラウドに送って保存したり、サーバー側のAIで処理しようとすると、データの通信コストが大幅にかさんでしまいます。
    現場近くに置いたエッジ機器側でAI処理が可能なエッジAIを用いているため、通信コストの削減、高速なデータ処理、プライバシーの保護などを可能としてます。ネットワークなどの整備に必要な初期工事がないため、手軽に安価で導入が可能です。
    このAIを導入したある金属部品製造メーカーでは、カメラの撮影環境を精密に整備し、不良品の学習データが収集困難であることを踏まえて、良品のみを学習データとして異常検知するようにしました。人間がルーペで見てもわからないようなバリをAIで検品できるようになり、99%を超える精度を実現できたということです。


    【15】抜き取りデータから不具合要因の特定

    ある大手電機メーカーは、大量の欠損を含むデータからでも不具合の要因を特定するAIを開発しました。
    工場やプラントなどの製造現場では、製造物のさまざまなデータが日々大量に蓄積されます。しかしながら、収集されるデータには測定ミスや通信エラーが発生し、また、抜き取り検査しか行わないために全体の1割程度しかデータが収集できない場合もありました。
    新しく開発されたAIはこのような欠損値の多いデータからでも高精度な回帰モデルの構築が可能となっています。ほかの最先端アルゴリズムと比べ、推定誤差を約41%削減することができました。


    【16】異音検査を代替

    ある自動車メーカーでは、音による官能検査(異音検査)において、検査員によるばらつきや、熟練検査員の人材確保が問題となっていました。また、異音を聞き分ける作業自体が検査員の精神的ストレスとなっている可能性もありました。
    そこで、手動による官能検査を音データをもとにしたAIに置き換えることで、人手に頼らず、均一かつ効率的な検査が可能になりました。


    【17】産業用ロボットのAI活用

    自動運転車の開発を行っているロボティクス/AIベンチャーは、バラバラに置かれた物体をカメラで認識し、つかみ方を自動で判断、動作可能な制御ソフトを開発しました。
    部品などのCADデータをもとに、光の当たり具合・部品の重なり方といった想定されるパターンを約9万通り作成し、ソフトに搭載したAIが学習します。学習が完了したら、ロボットはアームに取り付けられたカメラで対象物を画像認識し、アームの動かし方、つかみ方を自動で調整できます。
    このAIは導入にかかる時間やコストを削減できる点が特徴です。
    今後は物流現場向けのサービスも強化し、製造業でのロボット開発で培ったノウハウを活かし、より作業が難しくなる物流現場に応用させます。


    【18】AI内蔵カメラによる計器の自動読み取り

    従来は人による目視で確認していた作業を自動化することで、製造業の働き方改革に貢献することが期待されています。
    あるスタートアップでは小型AIカメラを用いたアナログメーターのデータ化や、AI共同監視システムを開発しました。取り付け方法にも工夫し、AI内蔵カメラを磁石で取り付ける方式なので、どのような機械設備でも簡単に設置可能です。
    化学工場や金属製品工場などでの利用が見込まれており、稼働状況の確認、データ取得など通常は目視で実施していた確認や記録の作業を自動化できます。アナログメーターをカメラで連続で秒単位で撮影することで、手作業よりも細かくデータ収集でき、遠隔地からでも安全に監視や異常アラートの発報が可能です。
    国内の工場でのIoT導入率は現時点でも10%に達しておらずデジタル化が進んでいません。このAIのシステムは電源さえあれば設置でき、大掛かりな装置は不要なため導入コストを抑えられるため、今後の工場でのデジタル化が期待されます。


    【19】鋳造条件をスコアリング

    ダイカスト工程においては、熟練の検査員が数十種類もの異常パターンを把握し、大量の波形データを目視確認していました。また、変位、圧力、速度などの測定値を示す鋳造波形から、鋳造条件の良し悪しを採点できるような熟練技術者が減少していることが大きな課題となっていました。
    そこで、ダイカスト工程の鋳造波形から、鋳造条件をスコアリングするAIを導入しました。自動算出された点数から、人が鋳造条件の正常・異常を判断するワークフローを構築します。
    OK・NGという正誤判定ではなく、結果を点数化することで段階的な評価ができます。はじめから完全な省人化を目指すのではなく、例えば、60点以下の場合のみ人間が目視チェックするといった運用フローを構築し、大幅な効率化が達成されました。


    【20】磁気探傷検査を自動化

    ある大手自動車メーカーでは磁気探傷検査をAIによって自動化しました。
    フロントハブの検査工程において外観目視検査と磁気探傷検査を人の目で判断していました。
    一般的なマシンビジョンでは、その検査ロジックにおいて、熟練技能の技能を再現しきれず、不良品を良品と判定する見逃し率が32%、良品を不良品と判定する過検出率は35%発生し、導入には至りませんでした。
    そこで、自動化実現のためAIを導入したところ、見逃し率は0%、過検出率は8%と大幅に精度を改善。これにより、これまで2交代勤務で4人おいていた人的リソースを2人に削減できました。


    【21】人間のタイヤ成型技術をAIで再現

    あるタイヤ製造会社は、AIを導入したタイヤ成型システムを公開しました。AIにより、大量の情報とデータが取り込めるようになり、人間の高度な技術とノウハウが吸収できるようになりました。また、一度構築したAIはかんたんにコピーして使うことが可能です。
    大量の計測データとAIに基づく制御によって成型工程を自動化ことによりタイヤの真円度を向上させて品質を安定化することができました。同時に、同工程の作業者当たりの生産性が2倍向上しました。


    【22】画像解析による異常検知システムの実用化

    あるグローバルに事業展開する加賀メーカーと大手電機メーカーは、製造現場における作業員の逸脱動作やライン設備の動作不具合などの予兆を検出し、品質改善や生産性向上を支援する画像解析システムを開発しました。
    画像解析技術を用いることで、製造現場の監視画像を解析して逸脱動作や設備・材料の不具合などをアラートを通知し、早期に発見できます。大量の画像データから品質改善や生産性向上に関する情報だけをリアルタイムに抽出し、データ解析することで、 不具合の早期発見だけでなく、人員の最適配置と作業を分析することを可能にし、品質の安定化、作業効率の改善に活用できます。


    【23】AIによる目視検査で日本の製造業を強化する

    ある大手電気メーカーは、最新技術の「高速・軽量な動作を特長とするディープラーニング技術」を用いて、X線を含んだ画像解析をもとに、ゴムや樹脂、金属といった製造ラインの高度な検査を実現させています。これにより従来人手で行っていた検品業務工数をおおよそ1/2程度に削減するとともに、製造品質の均一化を行うことができます。

  • AIの活用事例についてまとめ

    今回は製造業におけるAI(人工知能)の活用事例をたくさん紹介しましたがいかがでしょうか。
    製造業・工場においてAIを活用することで、次のメリットが得られます。
    1. 製造品質の向上
    2. コストの削減
    3. 生産性の向上
    4. 安全性の向上

    その他、AIはさまざまな業界で、仕事の効率化やロスの削減、労働負担の軽減に役立っています。どの業界でも、AIを導入することによって大きなメリットが得られるといえるでしょう。
    ぜひ、当記事で紹介した事例を参考に、AIの導入を検討していただければ幸いです。

  • プログラミング不要でAI予測モデルが構築できる「MatrixFlow」

    MatrixFlowはプログラミング不要のAI構築プラットフォームです。プログラミングの知識をお持ちでない方でも、処理単位のブロックをドラッグ&ドロップしながら、繋ぐことでAIの作成・運用が可能です。ボタンをクリックしていくだけでスピーディに精度・信頼性の高い需要予測を実現することができます。
    お問い合わせから導入までの流れは「お問い合わせ→説明会の実施→ヒアリング→お見積もり→契約・導入支援」の5ステップです。また無料トライアルも実施しているため「気になって入るけれど、すぐに導入する勇気はない」とお考えの方はこのトライアルを、ぜひお試しください。

お問い合わせ

    氏名
    会社名
    会社メールアドレス
    つながりやすい電話番号

    個人情報保護方針に同意の上送信します。

    プログラミングなしでAIを構築・AI需要予測の実施方法をはじめ、業界別のAI活用を掲載しています

    資料ダウンロード

    関連した事例

    問い合わせ 資料請求