製造業におけるAI導入の「今」と課題解決のカギ

このエントリーをはてなブックマークに追加

昨今、AI、IoT技術の発展とともに、不良品検知や外観検査など製造業におけるAI導入の動きが広がりつつある。

そんな中、製造業に強いALBERT(アルベルト)とマクニカが資本提携すると発表。ALBERTの製造業へのAI導入コンサルティングやデータ分析ノウハウ、AI人材育成などの強みと、マクニカの技術の強みを掛け合わせ、製造業向けにAI、IoTを活用したスマートファクトリー化を促進することが狙いだという。

製造業へのAI導入の流れは加速している。製造業に向けたAIソリューションの実績を多数持つALBERTに、製造業のAI導入の現在の状況と、展望について語ってもらった。

株式会社ALBERT マーケティング本部 サービス企画部 セクションマネージャー 中野和俊氏(左)
株式会社ALBERT プロダクト開発部 部長 田中彰人氏(右)

製造業におけるAI導入の課題

まず、AIソリューションで困難な課題をいくつか挙げてもらった。製造業固有の問題として、高度なリアルタイム性とセキュリティ性が求められることが挙げられると中野氏は指摘する。

――中野
「工場では、ロボットの制御やセンサーデータの解析を低遅延で実行する必要があり、かつデータを漏洩させないように高いセキュリティ性を要求されるケースが多いです」

組み立て作業や検品作業などAIを導入して効率化しても、精度が低く不良品を見逃してしまえば信頼を失う。AIで人間と同等、もしくはそれ以上の精度を得るために、リアルタイム性のある処理を実行することが必須だという。

セキュリティについては「企業秘密」という言葉を聞く。たしかに新商品はもちろん、工場で扱っている製品の製造工程は各企業独自の技術である。工場外にデータを出せば漏洩する危険性があるため、工場内でデータを完結させたいという要望が多いという。

また、「工場の検品に多くの工数がかかっていることも大きな問題」だと中野氏は語る。

――中野
「実際に不良品が検知されることは少ないんです。そのために人を雇ったり、外部ベンダーに外注したりするとコストが多くかかります」

検品作業は、不良品仕分けや異物混入がないかをチェックするなど、重要な作業ではあるものの、実際に不良品が多いわけではない。にも関わらず検品作業に工数がかかることに、製造業の企業は頭を抱えているという。

エッジAIで「職人技」も再現

以上の課題を解決するため、エッジAIとAI人材育成の2つが重要になってくる。

――田中
「エッジAIとは、もともとデータセンターやクラウドなどのユーザーから遠い場所で実行されていたAIの推論などの処理を、IoT機器など端末に近い側(エッジ)で処理する技術のことです。エッジAIの定義は企業によって異なりますが、ALBERTでは工場内でAI処理をすることをエッジAIとしています」

つまりエッジAIとは、AI処理をローカル側で実行する技術のこと。製造業に多い、高いリアルタイム性とセキュリティ性が要求されるケースに有効だそうだ。製造業でエッジAIを利用するメリットとは何なのだろうか。

――田中
「クラウドと異なり、工場内でネットワークが完結するため、推論をリクエストに対して低遅延で返すことができること。また、不良品の画像など工場外に出せないデータも利用できる、セキュリティ性の高さが挙げられます」

企業としては、工場外のネットワークを介した不良品画像の流出は、なんとしても避けたい問題だ。その点エッジAIは、データ流出の危険性はなく、工場の作業に適したリアルタイム性のある作業が可能とあれば、有効性は頷ける。

エッジAIの活用例として、ALBERTのAI・画像処理認識サービス「タクミノメ(外部リンク)」の事例を挙げてもらった。製造業で多いロボットで部品をつかむケースだ。

「タクミノメ」の製造業における活用シーン

製造業では、さまざまな場面でロボットが活用されている。中でも、カメラで対象物の形状を認識し、作業を行う多関節ロボットの必要性は極めて高く、部品の搬送や整列、加工、組み立て等での活用が期待されている。

しかし、ロボットは、部品の状態を確認しながらリアルタイムで推論を行う必要があるため、クラウドでは処理が追いつかないケースも。ALBERTではエッジAIを活用することで、リアルタイム性を損なうことなく、部品をピッキングする作業の自動化に成功しているという。

――中野
「通常、カメラを用いて多関節ロボットを動かすためには、対象物の形状認識やロボットの動作(ピッキング・ねじ締め・組み立てなど)をプログラミングする必要がありますが、これらは煩雑で、スキルの高いプログラマが必要となり、多くの現場でロボットの導入を困難にする要因となっています。

AIを用いてプログラム不要のロボットを作ることで、ロボットの実稼働までにかかる膨大な準備期間を短縮。従来のプログラミングでは対象物を二次元上の輪郭で認識させていたところを、より汎用的で高精度な物体認識を行うために単眼カメラのみで対象物の形状と三次元姿勢を推定することで、プログラムが不要となります」

これにより、ルールベースでの物体認識を行うことなく対象物を認識でき、準備期間の短縮と柔軟な製造品種変更が可能となる。また、色味や影等の撮像環境の変化に影響を受けにくいため、さまざまな環境下でロボットの利用が可能になるという。

課題解決のカギは「AI人材の内製化」

AIを活用した課題解決を検討する際、外部ベンダーに丸投げし、内製化に取り組まない、という話はよく聞く。しかし、課題解決の本質は社内のAI人材育成にあるという。

――中野
「製造業の課題として、工場の検品にコストがかかっているということが多く挙げられるのですが、深掘りしていくと、社内のAI人材育成が課題の本質を解決する方法であることに気付いたんです。

AIプロジェクト開始当初は弊社のような外部ベンダーに任せればいいのですが、新しい製品が出るたびに外部ベンダーに依頼するのはコストがかかる。最終的にはAI技術やデータ分析を内製化したいという要望が多かったんです」

製造業の課題を本質的に解決するため、ALBERTでは顧客企業向けのデータサイエンティスト養成講座を実施し、ユーザー企業社内のAI人材を育成しているという。

データサイエンティスト養成講座は、オフラインでの講習会やハンズオンなど、オーダーメイドで講習を受けられる。期間は3日間から20日間まであり、内容もそもそもAIとは何か、という初歩的なレベルから、実際にAIを実装できるレベルまで多岐にわたるという。

AI人材についてもデータサイエンティストに限らず、AIをビジネスにどう活用できるか、適切に検討できる人材が必要だと言われる。経営者からデータサイエンティストまで対応した講座は、課題解決の本質を突いていると言えるかもしれない。

製造業におけるAI導入は過渡期

エッジAI、自社でのAI人材の育成など、製造業でのAI導入は過渡期にあり、今後ますます発展が見込まれる。

さまざまなAI技術が日々生まれる中、自社だけでAIとどう向き合えばいいか判断することは難しい。ALBERTのようなAIの専門知識を持った第三者の存在は、より重要性を増すだろう。