年々AIに対する注目度が高まっており、製造業においても「品質の向上」や「業務の自動化」を行うために多くの企業がAIの導入を進めています。
競合他社が続々と工場にAIを導入しているのであれば、業務で遅れをとらないためにも自社でAIの導入を検討している企業も多いのではないでしょうか？
そこで本記事では、工場にAIを導入するメリット・導入に失敗しないためのポイントを詳しく解説していきます。
実際に工場でAIを導入した他社の活用事例も解説していますので、ぜひ参考にしてみてください。
AIの導入は年々増加している？
日本国内における製造業のAI導入は年々増加しており、今後はさらに導入が加速していくと考えれられます。
総務省が公表している「令和元年情報通信白書」によれば、日本の「AIアクティブ・プレイヤー」の割合は中国、アメリカ、ドイツ、フランス、スイス、オーストリア、日本の中で最下位となっています。
AI・アクティブ・プレイヤーの国別の割合
|
国名 |
①一部の業務をAIに置き換えている ②一部業務でAIのパイロット運用を行なっている |
| 中国 | ①：32% ②：53% |
| アメリカ | ①：22% ②：29% |
| フランス | ①：20% ②：29% |
| ドイツ | ①：20% ②：29% |
| スイス | ①：15% ②：31% |
| オーストリア | ①：13% ②：29% |
| 日本 | ①：11% ②：28% |
日本では、製造業と大企業のAI導入割合がほとんどで他産業に関してはまだまだAIの導入・活用は進んでいません。
最下位ということは、上記7カ国に比べて日本はAIによる業務の効率化ができていないということです。これから日本が世界の産業に遅れをとらないためにも、日本でのAI導入は加速されると思います。
工場におけるAIの重要性
工場におけるAIの重要性は大きくなっています。なぜなら、AIがもたらす効果は業務の効率化や手間のかかる作業の合理化だけではないからです。
工場での業務は、
- ライン作業
- 梱包、仕分け
- 検査、品質管理
- 生産ライン管理など
など多くの業務が発生します。これらの業務はAIやロボットによって代替できる業務が多い傾向にあります。
また、工場は多くの機械やロボットを使用しての作業多くあり、AIであれば故障やトラブルなど予想できない問題を、予測できることも可能であり、人身事故を防ぐことができます。
工場における業務は人間だけでなく、ロボットや機械も多く扱うことから「事故の防止」や「品質の向上化」など人間と連携することで安全かつ効率的に業務を行えることから、AIは非常に重要だと言えます。
工場にAIを導入するメリット
工場にAIを導入することで以下4点のようなメリットが挙げられます。
- 在庫管理の最適化
- 生産性の向上
- 作業における事故の防止
- 人材不足問題の解決
それぞれについて詳しく解説していきます。
また工場自動化によるメリットはこちらの記事でも解説していますので、あわせてご覧ください。
近年は少子高齢化による労働力不足の解消や、生産性向上のために積極的に工場自動化に取り組む企業が増加しています。そのような状況下において自社への導入を検討しようと思っても、具体的な取り組み方が分からない経営者の方も多いのではないでしょうか。 […]
在庫管理の最適化
企業にとって常に安定した在庫を管理することは簡単なことではありません。
例えば、在庫をたくさん管理していても取引先から在庫の発注がこなければ過剰に在庫が余ってしまいます。特に食品メーカーなどは食べ物に賞味期限があり、大量のフードロスの発生は環境にも良くありません。
在庫の管理を最適化するには、常に市場の需要を予測しておく必要がありますが人間が行うとミスも起こりやすく人件費もかなりかかります。しかし、AIであれば需要の予測も正確に行うことができ、在庫の管理コストも抑えることができます。
生産性の向上
生産性の向上は、工場にAIを導入する最大のメリットと言えます。
工場では、ライン作業や荷物の仕分けなど単純作業も多く発生し注意力の散漫によるヒューマンエラーが発生することも少なくありません。また、製品の検査においても作業員の能力や経験によってばらつきが生じ、その後の製品の品質低下を招く恐れもあります。
AIであれば、単純作業も常に一定の効率化が可能でありミスを減少することができます。製品の検査においても細かなキズでも識別することも可能であり、機械学習により検査を繰り返せば検査品質の向上が見込めるため、生産性の向上が期待できます。
作業における事故の防止
製造業において工場での事故発生率は日本国内でも上位に位置しています。
厚生労働省が発表した「令和４年における労働災害発生状況について」では、年間死亡者数774人に対して製造業での死亡者数は140人となっています。これは建設業についで2位となっています。
しかし、AIを活用することでこうした事故を未然に防ぐことが可能になります。
例えば、AIに予知保全を任せれば生産設備の状態を常に監視し、整備不良によって発生する事故を防ぐことができます。
危険度の高い作業や作業負荷の大きい仕事をAIに任せることで、事故の防止だけでなく従業員の満足度向上にもつながります。
人材不足課題の解決
工場における作業者の不足は深刻な問題となっており、今後も少子化が進むと予測されているため人材不足の問題が解決することは簡単なことではありません。
少ない従業員で作業を行う必要がありますが、従業員の負担が増えることでさらに人手不足が深刻化します。
AIを活用することで、従業員の負担となる作業をAIに任せ、人間でしか行えない仕事にリソースを割くことができます。また、人件費の削減にもなり企業全体の業績向上も期待できます。
工場におけるAI導入の活用事例3選
工場でAIの導入を成功させるには他社の事例を見ておく必要があります。ここでは以下3つの企業を紹介します。
- 株式会社神戸製鋼所
- サントリー食品インターナショナル株式会社
- トヨタ自動車
株式会社神戸製鋼所
引用：株式会社神戸製鋼所
株式会社神戸製鋼所は、AI inside株式会社開発のAI-OCRを導入し約60%の業務削減に成功しました。
製造業では、日々多くの製品検査を行うために手書きで記録を行なっていましたが、データ化するには膨大な時間と人員が必要でした。
株式会社神戸製鋼所も例外ではなく、取引先や仕入れ先から送られる伝票は紙がほとんどでその全てを人間がデータ化するには、本来やるべき業務に時間を割けず、ヒューマンエラーも課題となっていました。
課題を解決するために導入したAI-OCRはRPAと組み合わせることで、取引先から送られてくる紙をAI-OCRで読み取り自動でデータ化することが可能になりました。
結果的にデータ入力にかかっていた時間を半分以下にし、作業者の負担も軽減することに成功しました。
参照：DX Suite
サントリー食品インターナショナル株式会社
引用：サントリー株式会社
サントリー食品インターナショナル株式会社は、調達・製造・出荷過程における全てのデータをIoTに集約してデジタルツイン空間を作り、製品1つ1つと対応データを紐づけることで、工場を見える化・高度なトレースを実現しました。
新工場の「サントリー天然水 北アルプス信濃の森工場」は2021年5月に稼働を始めましたが、不良品の発生時に原因を特定するまで1時間かかっていました。不良品が何個も発生すると特定には膨大な時間がかかります。
しかし、デジタルツインの導入により生産設備や機器のエラー原因をすぐに特定することができ、設備には流量計や導電率などのセンサーを取り付けることで製造設備の異常を予測できました。
この結果、不良品の特定に費やしてた1時間を数分に短縮することに成功しました。
参照：日経XTECH
デジタルツインについて詳しく知りたい方が下記記事をご覧ください。
急速的な進化を遂げているAIやIoTにより、さまざまな事象をデジタル化して効率的なデータ収集を実現しているソリューションがデジタルツインです。本記事ではデジタルツインを詳しく解説し、CPSとの関係性や導入のメリット、成功事例を紹介します。 […]
トヨタ自動車
引用：トヨタ自動車
トヨタ自動車は日本が誇る大手自動車メーカーであり、車の製造過程で発生する磁気探傷検査をAIによって自動化しました。
磁気探傷検査とは、肉眼では確認できないキズを検査する時に使われます。
磁気探傷検査には2名の検査員がいましたが、当時は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％でした。
そこでシーイーシーのDeep Learningを活用した外観検査・画像検査システムWiseImagingの導入しました。本稼働に至るまではデータ分類方法や学習方法など行い、精度の向上を目指しました。
結果的に不良品を良品と判定する見逃し率が0%、良品を不良品と判定する過検出率は8％まで減少させることに成功し、省人化による生産性向上を実現しました。
参照：VRR
工場でのAI導入失敗の要因
多くの工場でAIの導入が進んでいますが、成功している企業だけではありません。ここからは工場でのAI導入失敗の要因を3つ紹介します。
- 導入目標の変更
- 業務範囲の急激な拡大
- 現場の理解度不足
導入目標の変更
AIの導入に失敗する要因の1つとして導入目標の変更が挙げられます。
AI導入による業務効率化にはこれまでのデータと検証・改善が必要になります。導入したからといってすぐに業務が改善できるとは限らずAIは機械学習を行うため、日々業務をこなしていくことで生産性が上がります。
導入目標を途中で変更してしまうと今まで積み上げたデータが無駄になり、機械学習も1からとなりますのでAIの機能をうまく使うことができません。
業務範囲の急激な拡大
AIの導入はスモールスタートから始めることが重要です。
特にAIの導入が初めての場合は、運用の手間や人員が必要かはわかりません。導入前に試算をしていても導入すると予測していたことと結果が異なるということはよくあることです。
まずは一部の業務にだけAIを導入し、成功すれば他の業務への拡大を行いましょう。
現場の理解度不足
AIは業務を自動化するものですが、従業員によるサポートは必要不可欠です。
業務にAIを導入してもすぐに活用することはできません。機械学習により日々業務の質は工場していきますが故障やトラブルにより作業が止まる場合もあり、人間との二人三脚が基本となります。
こうした時に従業員が非協力的であったり、AIの導入範囲を理解していなければ業務の効率化は見込めません。
導入する際は従業員にAI導入の意義や活用方法を社内で連携しておきましょう。
工場でのAIの活用は必須になる
工場においてAIの活用方法は様々であり、これからも多くの企業が導入していくと予想されます。AIの導入により生産性の向上や業務の効率化を期待できます。
しかし、AIの導入を成功させるには目的を明確にし社内での情報共有が大切になります。
ぜひ、本記事を参考に工場でのAI導入を成功させましょう。
また、AIを導入させるにはスキルや知識が必要になります。「AIの導入に不安がある」「工場でうまく活用できるかわからない」とお悩みを持つ方はぜひ下記で紹介するサービスを検討してみてはいかがでしょうか？
【AI人材を育成したい方】
【AIの開発を発注したい方】
【AIプロジェクトを任されているがどうしていいかわからない方】
