近年のAI技術の発展に伴い、製造業でAIの導入が進んでいます。AI技術を活用することで、作業の自動化や人材不足の解消が期待されています。本記事では、製造業がAIを導入する理由や効果を解説し、実際の導入事例をご紹介します。

製造業がAIを導入する理由

製造業が抱える課題として、海外を含めた他社との競争の激化や専門技術を有する人材の不足が挙げられます。また、カーボンニュートラルへの対応など、検討すべき新しい課題も増えています。そのような課題を解決するため、業務を効率化しつつも付加価値を創出し、グローバルでの競争力向上が求められるようになったのでAIを導入する企業が増えてきています。

実際に多くの企業がデータの利活用やAI技術の導入を進めており、生産性の向上、開発や設計業務におけるリードタイムの削減などが期待されています。経済産業省が公開している2022年版の「ものづくり白書」によると、ものづくりの工程および活動においてデジタル技術を活用していると回答した企業は67.2%に達しています。一方で、AI導入には技術的な課題やコストの課題もあり、なかなか導入が進められていない企業も多くあります。

AI導入による効果

製造工程にAIを導入することで、工程の自動化や人材不足の解消、専門的な知識を要する技術の伝承が可能となる、などの効果があります。また設計や開発の現場では、ジェネレーティブAIの活用による設計工数の削減の試みが進んでいます。

製造工程でのAI導入

現状において、AIの導入で高い効果が見られるのは、製造工程における作業の効率化です。一例として、製造品の外観を撮影した画像をAIに判別させることにより、多くの製造品の中から不良品を検出することが可能です。AIに判断させれば、目視での確認が困難な不良もAIであれば検出できます。

これまで人が実施していた作業をAIで自動化できれば、限られた職人のみが持つ技術の継承も可能となります。属人化を防ぎ、後継者不足の解決策にもなり得ます。一方で、技術導入に関するノウハウ不足や導入を先導できる人材の不足、導入にかかる予算の不足が課題となります。

AIによる外観検査の例では、AIが正常か異常かを判断できるよう学習させなければなりません。そのために、まずは学習に必要な画像データの入手や学習モデルの作成に取り組む必要があります。さらにAIの処理時間は工場の生産能力に大きく影響するため、AIによる判別は瞬時に行われる必要があります。そのため製造現場でデータを高速通信するネットワークの構築が必要です。さらにセキュリティ強化の観点では、秘匿性の高いデータの処理方式なども合わせて考える必要があるでしょう。

設計、開発工程でのAI導入

対話AIのChatGPT、画像生成AIのStable Diffusionなど、ジェネレーティブAI（生成AI）と呼ばれるAIが話題になっています。ものづくりにおける設計や開発の現場でもジェネレーティブAIを活用する試みがあります。

ユーザーである設計者が対象物の材料や強度、コスト、性能などのパラメーターを設定し、その範囲内でAIが設計します。AIを活用する大きなメリットとして、人力では不可能なほど多くの設計案を短期間で出力できます。ユーザーはAIが出力した案の中から最も適したものを選択すれば良いので、設計にかかる工数の削減が期待されます。またAIは人間の常識では考えられないような設計案も出力するので、これまでにない新しいアイデアが生まれることも期待できるでしょう。

AIの活用事例

AI導入で製造工程の生産性を向上させたコニカミノルタ、ジェネレーティブデザインの手法で部品設計を行ったデンソーの事例をご紹介します。

コニカミノルタの事例

精密機械製造を行うコニカミノルタは、生産性向上の取り組みとして「生産DX」を導入しました。生産DXとは、自動化や情報通信技術、データサイエンスを製造現場に取り入れ、データ分析およびAI関連技術を活用する試みのことです。

一例として、高難易度部品の射出成形において良品率を向上させた取り組みがあります。これまで、射出成形の品質管理は熟練技術者が試行錯誤しながら調整しており、時間を要する作業でした。そこで製造過程のデータや製品の品質データから数理モデルを作成し、製造条件の最適化計算を行うことで、熟練の技術者でなくてもその計算結果をもとに調整ができるようになり、具体的な調整の仕方を現場作業者に指示できるようになりました。その結果、良品率の向上および廃棄ロスの削減を実現しました。

デンソーの事例

自動車部品製造を行うデンソーは、自動車のECU（エンジンコントロールユニット）の設計にジェネレーティブデザインの手法を用いました。ECUは自動車の燃料噴射の量やタイミングを制御して走行性能を向上させる部品です。ジェネレーティブデザインで設計した案をもとに、軽量化と放熱性能の向上を両立させるECUのモデルを作成しました。

ECUの設計ではAIを活用してトライ＆エラーを繰り返しながら設計案を固めていきました。生まれた案の中には3Dプリンター以外では製造が難しいものもありましたが、最終的には大量生産が可能な既存の製造方式で製造できる案を生み出しました。

AI導入で製造業の生産性向上を実現

製造業では海外を含めた競争の激化や人材不足などを背景にAI導入が進んでいます。製造工程における生産性向上や技術の伝承、設計や開発工程におけるジェネレーティブデザインの手法など様々な内容でAI導入が検討されています。

しかし、導入にはAIのモデル作成やデータ処理など技術的、コスト的な課題があり、導入が進んでいない企業も多くあります。他社のAI導入の取り組みを参考にしつつ、どのような形で自社へ導入できるか検討してみてはいかがでしょうか。