製造現場の作業工程において、ブラックボックス化や属人化といった根深い問題の解決策として期待が集まっているのがAI活用です。
しかし、従来の画像認識AIを活用して「熟練者の目を再現」しようとしても、AIには作業の前後工程が把握できずに改善が進まないといった弱点があることもわかってきています。
そこで本コラムでは、まず製造現場で起こりがちな課題をチェックリストで整理します。
そのうえで、 “現場の状況を認識する”特長を持った「状況認識AI」を活用した3つのケーススタディをご紹介します。
現場で使えるAIソリューションの選定をスムーズに進めるために、ぜひお役立てください。
製造現場のよくある課題、AIで解決できる？まずはチェックで診断
製造業の現場では、人手不足・技術継承の問題、工程の改善、作業の効率化など、さまざまな課題が複雑に絡み合っています。
しかし、現場の努力だけでは限界があり、作業の状態を正確に把握できないことがボトルネックになっているケースもあります。
こうした現場の状況を、AIの活用により可視化（見える化）し、改善の糸口にしようとする動きが近年広がっています。
まずは、自社の現状を確認するための「6つのチェックリスト」を用意しました。
- 【1】工程数が多く、現場全体がブラックボックス化している
【2】どこで遅延・滞留・手戻りが起きているのか分からない - 工程が多く、全体像をつかみにくい状態です。
ボトルネックの存在は感じていても、現場の“勘や経験”に頼りがちで、どの工程でロスが発生しているのか特定できず、改善が進みにくいのではないでしょうか。
- 【3】熟練者と若手で、作業時間や品質に差がある
【4】“勘と経験”に頼る作業が多く、標準化が進まない - 同じ作業をしているはずなのに、作業者によってスピードや品質に差が出ている状態です。
熟練者の動きや判断が見えにくく属人化し、標準化が難しいため技能継承に難しさを感じていないでしょうか。
- 【5】目視による検品作業で、見逃しや判定ばらつきが発生している
【6】従来のAI検品では、誤検知や見逃しが多く、実用化できていない - 検査員の経験やスキルに依存し、負荷が高い状態です。
一方、既存の画像認識AIによる検品では、画像に反射や映り込みがあると正しく認識できず、誤検知が増える結果にもなりかねません。
上記のような課題がある場合、画像認識AIで解決できる可能性があります。
ただし、「静止画」で認識する従来のAIでは、工程の前後関係をふまえた判断は困難です。
▲「
メニナルAI｜熟練者の目と工程判断を再現する状況認識AI｜製造業向け
」よりこのように、正確に“現場の状況を認識”する「状況認識AI」を活用することで、さまざまな業務課題の解決につながります。
そこで次項では、実例をもとにした3つのケースをご紹介します。
自社の状況と照らし合わせながら、「状況認識AI」による解決をイメージしてみてください。
ケーススタディ│製造現場での課題を解決する「状況認識AI」
【ケース1】A社（産業機器メーカー）の場合
作業工程が多くブラックボックス化した現場を状況認識AIで可視化！生産効率向上に成功
- Before│工程の全体像がつかめず、改善の打ち手が見えない
-
産業機器メーカーA社の工場では、300以上の複雑な手作業工程がブラックボックス化していることが、生産性の向上に向けて大きな課題となっていました。
また、ブラックボックス化していることで、どこでミスや遅延が発生しているのかも特定できず、改善が進みにくいという問題もありました。管理者もボトルネックの存在は感じていましたが、部材の受け入れや準備、組立、調整、確認、再調整、検査、完成に至るまで、多くの手作業工程が連なることで、改善すべきポイントが見えにくい状態でした。 A社は当初、作業を撮影し、動画からボトルネックを探そうとしました。
しかし、撮影時間が膨大であることや、細かな差異を見つけ出す手間がかかり過ぎることから、この方法は断念していました。
- After│状況認識AIにより工程の正確な把握で改善点が明確化、生産効率が大幅向上
-
A社が改善に向けた対策として選んだのは、AIによる画像認識と状況認識を組み合わせ、工程ごとの作業時間を可視化する取り組みです。
具体的には、AIカメラで撮影した画像とセンサー情報などを組み合わせ、各工程の所要時間を可視化し、それを比較するという手法を用いました。作業工程が比較できるようになった結果、各工程での滞留時間や手戻りが発生しやすいポイントなどボトルネックを特定できるようになりました。
こうして、大きなロスが出ている工程から徐々に見直しを進めたことで、製造現場のプロセス改善が進み、生産性の大幅向上につながりました。
【ケース2】B社（精密機器メーカー）の場合
“勘と経験”頼みの作業プロセスを状況認識AIで可視化！作業のムダを減らし、標準化を推進
- Before│作業のムダが積み重なり、大きな損失に？
-
精密機器メーカーB社の製造現場では、作業者によって作業時間や品質に大きな差が出ることが課題でした。
特に、熟練者は長年の経験から無駄のない動きで作業を進めていましたが、そのノウハウは言語化されておらず、新人や経験の浅い作業者にうまく伝えきれていませんでした。「塵も積もれば山となる」で、作業者の動作や移動などの細かなムダの積み重ねが大きなロスにつながっていると考えていました。
しかし、どの手順で差が生まれているのかを把握できず、教育や改善も属人的になりがちな状況でした。
- After│作業の流れを可視化し、状況認識AIが改善すべきポイントを明確化
-
そこでB社は、工場全体をAIカメラで撮影し、「人や物の動き」を分析しました。
さらに、センサー情報を加えた時系列データをAIで統合分析し、その結果から改善点を導き出しました。こうしてB社は、状況認識AIの活用により、熟練者と若手の差が生まれやすい作業や導線を可視化。
“勘と経験”と呼ばれていた作業のコツや工夫が明確になりました。B社では、これまでの作業や教育内容を見直して標準化を進めたことで、ムダの削減と作業品質の安定化が進みました。
【ケース３】C社（部品メーカー）の場合
目視に頼っていた高難度検品を状況認識AIで自動化！検品精度を高め、品質向上へ
- Before│従来のAI検品では誤検知が多発。検査員の負荷が高まっている
-
部品メーカーC社では、品質管理コストに課題を抱えていました。
検査員には、部品の形状や細かな違いから製品の良否を判断することが求められ、それには高いスキルと経験が必要でした。検査員の負荷を減らし、効率化するために、撮影した画像をAIにより検品する取り組みも行いました。
しかし、画像の細部が見えなかったり、金属部品の反射や映り込みが発生したりすることで見逃しも多く、再検査が増えた結果、かえって検査員の負荷が増えてしまいました。
- After │ 状況認識AIが検査ポイントを判定し、品質の安定化を支援
-
C社は、AIによる検品の仕組みを改めて見直しました。
その方法は、画像認識と画像処理、判定などを行うAIを組み合わせた状況認識AIにより検品を実施することです。
具体的には、AIによって検査すべき部位の画像にフィルタ加工を施し、異常の有無が判定しやすくする仕組みです。その結果、誤判定や見逃しのリスクが減少し、検査精度の向上につながりました。 その精度は99.9％に達し、現在では検査員の負担軽減と品質管理コスト削減を実現しています。
※精度99.9%は、当社推奨の環境下で個別に最適化した場合の数値です。ご利用環境により精度は変動します。
工程改善・作業標準化・検品精度向上につながる「状況認識AI」の選び方
3つのケースで見てきたように、状況認識AIは、製造現場のさまざまな課題に活用できます。しかし、現場で成果につなげるには、自社の工程や作業環境に合った状況認識AI製品を選ぶことが重要です。そこで、製造現場で活用できる状況認識AI製品を選ぶ際に確認したい、5つのポイントを紹介します。
- 1. 撮影対象や現場環境に合わせてカメラを選べるか
-
製造現場では、撮影対象によって必要なカメラが異なります。「カメラ一体型AI」ではなく、用途に合ったカメラを選べるかどうかは重要なポイントです。
- 2. 工程や作業状態を時系列で判定できるか
-
製造現場の課題は、1枚の画像だけでは判断できません。画像単体では捉えにくい「時間の流れ」を把握し、工程を時系列で捉えられることが重要です。
- 3. 導入コストや運用コストを抑えられるか
-
初期費用だけでなく、クラウド利用料などの運用コストも考慮する必要があります。現場で継続的に活用するには、スモールスタートでき、ランニングコストを抑えられる仕組みが求められます。
- 4. 工場内の画像・作業データを安全に扱えるか
-
製造現場の画像や作業データには、外部に出せない機密情報が含まれる場合があります。データをクラウドに送信せず、現場で処理が完結するセキュリティに配慮された構成かを確認しましょう。
- 5. 誤検知や見逃しを抑え、高い精度を維持できるか
-
現場で運用しながら精度を高められるかも重要です。高度な画像処理でAIが判断しやすいデータを整え、判定結果を補正する仕組みがあれば、時系列判断の安定性を高めやすくなります。また、現場ごとのデータや作業者のフィードバックを反映できる仕組みも精度向上に有効です。
おわりに
本コラムでは、製造業で起こりがちな課題を状況認識AIがどのように解決するのか、ケーススタディ形式でご紹介しました。
また、今回取り上げたケーススタディから、単なる画像認識だけでは不十分であり、工程の流れや作業の前後関係を時系列で捉え、現場の状況に合わせて判断できる状況認識AIを選ぶことの重要性をご理解いただけたのではないでしょうか。
ブラックボックス化や熟練者依存からの脱却、目視検品の効率化といった課題を解決するためにも、状況認識AIの活用を検討してみてはいかがでしょうか。
ぜひ、下記の製品情報や資料をチェックしてみてください。
また、自社での活用に適したAIの選び方や組み合わせに悩んでいる場合は、下記よりお気軽にお問い合わせください。
▼本コラムで取り上げた状況認識AI
工程の"文脈"を読み解く状況認識AI「メニナルAI」
▼ケーススタディで取り上げられたAI活用について詳しくわかる資料
（メニナルAI資料）
https://www.softcreate.co.jp/solution/ai/detail/document-meninaruai
