コラム

2023.12.04

航空機など機械の設計を補助するAI

機械設計の世界

設計業務、あるいは設計業務に含まれる生産現場とのすり合わせと、AI技術との関わりが期待されています。工業製品、あるいは情報システムを作る際には、必要とする機能を具体化し検討する必要があります。その過程を「設計」と呼びます。そのため設計は「アイデアを形に昇華させる作業」とも言えます。設計のノウハウや知識は、机上のみで修得できるものではありません。実際に現場で設計作業を行うことが重要です。すなわちそれは、形を実際につくる人たち（加工、組み立て工程の技術者）の気持ちがわからなければいけないということです。

それはなぜか？

実際に組み立ててみると、設計上で予期していなかったことが頻繁に起こるためです。どんなに優れた設計ソフトウェアでも、まだまだ現実のすべてをシミュレーションできるわけではなく、人間の経験や知恵が不可欠な要素というわけです。

設計といえば3D-CADなどのデジタル・ツールが海外から国内にも普及してきていますが、まだまだ必要な現場すべてに導入ができているわけではありません。それは悲観的なことではなく、そのツールのグローバリゼーションだけでは「本質的な問題」が解決できないという意思の表出が完了しているという分析ができます。それが、設計上の都合と、実際の生産現場の現実とのギャップになります。
それを解決するのが、これまでは匠の技、つまり人間の経験と勘にたよる仕事だったのです。

しかし、匠の技に頼ってばかりでもいられないというのが実情です。少子高齢化に伴う労働力の減少は製造業における技術者の後継者問題にも直結します。たとえ外国人労働者を導入したとしても、そのころにまだ技術の後継を人力に頼っていては技術の進歩どころが停滞・後退が起こってしまう可能性すらあります。

匠の技術の後継者問題はグローバルに起こっていることではありますが、こと日本においては製造業で復興し未だ盛んな国であるのにも関わらず、デジタル化が進んでいないために産業が進化せず、世界不況に落ち込んでいます。

肝心なのはデジタル化が小さなツールにとどまっていることに真剣に向き合うことであり、本来ならばツールのみならず、それを使用するノウハウもデジタルな情報として残されていくべきです。しかし、それを望むにはこれまでのコンピューター技術は未熟すぎ、製造業の本当にコアな部分は設計業務を含めて属人性から抜け出せませんでした。

昨今、発展してきたAI技術は、人間の中に経験的にためられるような知見や技術を、標準的なノウハウとして引き継ぎ可能な状態にするポテンシャルを秘めています。
ニューラルネットもといディープ・ラーニングという概念は、そもそも「人間の脳の働きをコンピューターが踏襲できるようにする」ためにあります。それらを紹介していきたいと思います。

部品点数が多ければ尚更、予期せぬことが起こる確率が高くなります。
航空機の部品点数は300万点以上にもなりますし、自動車でも約3万点の部品からできています。多くの場合、設計と現場のすり合わせはそうした部品点数の多い製品の製造会社の課題です。
以下では部品点数の多い航空機を中心に、機械の設計製造上の問題解決のためのAI技術の活用について紹介します。

海外の事業会社例

PTC Technology（旧Frustrum）

PTC Technology（旧Frustrum）は、「従来はCADでかかっていた時間の何分の１かで、「バランスのよい設計」をおこなう」と謳っている企業です。バランスのよい設計とは、パフォーマンス、構造強度、重量のバランスのよい設計という意味で、その概念を「ジェネレーティブデザイン」と呼びます。PTC TechnologyはAI技術を用いてジェネレーティブデザインを行う専門技能集団です。すでに多くの航空系企業とのやりとりがあります。従来の設計業界は、ある設計ノウハウを各自の現場で最適化していく流れが一般的でした。しかしAI技術を活用したジェネレーティブデザインは、複雑な要素が沢山ある中で、結果を見越した設計を行うことができます。

Autodesk

また、軽量化に着目してAIを活用しているのはAutodeskです。部品点数が多ければ軽量化は容易いと思われがちかもしれませんが、実際は人間の手による軽量化の計画は部品点数が多いほどに容易ではありません。それぞれの部品が複雑に作用し合っているためです。AutodeskはAIを活用してまずは航空機部品の軽量化で実績をあげています。顧客はAIRBUSでした。

AIRBUS

そのAIRBUSは、自社専属のAI技術者を雇用して、航空機におけるAIの活用を推進していますが、製造手法の革新ではなく航空機内のソフトウェア・アプリケーションに焦点を当てているようです。

SOLIDWORKS

ところで、既存の大きな設計ソフトメーカーはAIを活用している企業はあるのでしょうか？筆者の調べたところによると、SOLIDWORKSは2018年よりSOLIDWORKS CAMにAIを組み込んでいる、と声明を出しています。ただし同社CEOは「AIは何か、ということを考えなければいけません。私たちは以前からソフトウェアにAIを活用していたはずですが、AIの言葉の定義がはっきりしていないので宣伝していませんでした。」と言っています。

AIは2022年までに160億ドルの産業に成長する、と調査会社MarketsandMarketsは言っていますが、そのように急激に成長する産業は他にあまり類を見ません。そのような状況だから「もともとAIを使っていた」と主張したくなる会社も出てきます。

AIとは目的ではなく、手段として扱われるべきでしょう。ということは、人々が課題と感じていることを解決する存在として有望であれば価値がつきますし、これまでずっと存在していたテクノロジーが「実はAIだった」としても、それは特に本質が変わるわけではありません。

ドットコム・バブルと異なる点は、AIとは新しいようで昔から使われている用語だということです。つまり、サイエンス・フィクションや理論上の存在として親しまれてきたAIの「すでに育った大きなイメージ」を一身に背負ってしまったのが昨今の深層学習を中心としたテクノロジーというわけです。

課題にフォーカスすれば視界もクリアになってきます。製造業の現場の課題とは何だったかといえば、設計上の話と、生産上の結果が異なる現実的問題でした。

その課題と向かい合っているAI企業はまだ少ないものの、本当にその業界を変えようとしている企業はいくつか存在します。彼らの次のサービスは、きっと現場の人間からの声によって作り上げられるものでしょう。

AI技術の研究例

さて、前項では企業の試みとジレンマについてお話ししました。学術界はもう少しポジティブに、豊かな想像力と確かな実行力をもって着実に研究成果をあげているようです。

「機械学習を用いた航空機アセンブリのシムギャップ予測」が示すように(*)、設計と生産とのギャップをAIで補完するような研究は昨今盛んです。（*上記の論文はライセンス上、中身を転載はできませんが、上記のリンク先ですべて読むことができます。）「製造コストの削減」と題された研究論文も、有用な情報を示しています。

参照論文：Anselm Lorenzoni, Christopher Tielemann & Alexander Sauer, “Reducing manufacturing costs: the dynamic tolerance system”,Cogent Engineering6 (2019) DOI

その研究では以下のことが説明されています。

設計や開発のルールに沿って、生産上の品質保証に余裕をもたせることはできるでしょうか？その難題を解く鍵は「公差」(*)にあります。

（*公差とは　機械設計上、図面の寸法に対して許される誤差の範囲のことです。部品を加工する際に、厳密には図面の寸法通りには製作できず、実際の寸法はバラつきます。機械設計の目的は「部品が機能すること」なので、相手部品に対して組みつくために余裕をもたせる必要があります。）

製造上の品質保証には、公差の遵守が不可欠になります。多くの場合、モジュールごとには非常に正確な公差が設定され、それを遵守する設計には高いコストが発生します。そのコストを回避するために研究者らは、新しい「動的公差（許容誤差）」を設定するAIシステムを開発しました。

このシステムを適用する際は、設計する機械を構成する部品点数が多ければ多いほどコストダウンが見込めます。製造業者は単一部品ごとの公差ではなく、アセンブリグループごとのフィットを考えればよくなります。それは、製造現場における組立工程におけるプレッシャーの半減にも繋がります。

このシステムはDTSと呼ばれ、利点は以下のようにまとめられます。

設計者による公差管理は必要ありません。
設計者は、生産コストを考慮することなく、厳しい公差を使用できます。（動的公差に変換することで余裕が生まれるため）
近似関数が機能しないリスクを減らし、製品の信頼性を確保します。
許容限界を拡大することにより、生産コストを大幅に削減できます。
生産品質を向上させることができます。

研究者は、この開発はIndustry4.0へのアプローチでもあると説明しています。

まとめ

この記事では第１項でまず機械設計の基礎のお話しから現場の問題、AIへの期待を述べました。第２項では、AIを機械設計に活かすべく奮闘している企業の紹介を行い、第３項ではAI技術でさらに現場を救うような設計技法が開発されていく旨を海外の研究例から述べました。

それぞれ、まとめると以下のようになります。

1. 機械設計の世界

機械製造の生産現場では、設計上で完璧に思われている仕様でも予期せぬ原因で実際組み
上がりが上手くいかないことがあります。
設計とは「アイデアを形にする」作業で、ものづくりにおいて必須な段階です。
まだまだソフトウェアや現場の事情を汲み取った完全なシステムは存在せず、属人的な知恵に依存している技術でもあります。
後継者不足に悩む製造業では、仕事の属人性はできる限り取り除いていきたいところです。
昨今のAI技術の発展は、上記のような問題を解決するかもしれません。

2. 海外の事業会社例

PTC Technology

「ジェネレーティブデザイン」と呼ばれるバランスのよい設計を行うAI技術を開発しています。
設計のバランスは、パフォーマンス、構造強度、重量が加味されます。
すでに多くの航空系企業とビジネスの取引があります。

Autodesk

機械の「軽量化」を行えるAI技術による設計手法を開発しています。
実際にAIRBUSのパーツを軽量化して設計し、実機に搭載されます。

SOLIDWORKS

SOLIDWORKS CAM2018からAIを搭載していると声明しています。
ただし「実際には以前のバージョンもAIを搭載しています。AIの定義を考えましょう」とCEO自らコメントしています。

3. AI技術の研究例

「機械学習を用いた航空機アセンブリのシムギャップ予測」のように設計と生産のギャップをAIで補完するような技術研究が幾つか存在します。
「製造コストの削減」と題された研究論文は、設計上の「公差」の考え方を変革する新システムが紹介されています。それが導入されれば、現場の生産コストを削減し、生産品質も向上させることができます。

設計と組み立ては、シミュレーション上では分からない膨大な数の環境要因によって結果の一致が阻まれる工程です。AIがそのジレンマを解消するには数ステップ必要かもしれませんが、今まさにその挑戦が始まっています。

※この記事はAI論文紹介メディア「アイブン」様より、ご提供いただいています。

生産計画サービスの導入なら最適ワークス！導入効果と、導入のしやすさが特徴です。

最適ワークスの特徴と導入効果
最適ワークスとはAIを活用した生産計画の可視化・カイゼン支援サービスです。

最適ワークスは、スモールスタートによる導入のしやすさで、高い評価をいただいています。
まずは小さな範囲から導入可能。徐々に計画精度を上げ、リスクを抑えながら段階的な改善を進めることができます。
この過程において、生産計画のDXに経験のある専門スタッフが、失敗しないシステム導入を支援します。

導入事例
・株式会社スザキ工業所様様
適切な生産の見通しにより、残業時間を20％削減。納期遅延30％を解消しました。
・株式会社ミツワケミカル様
海外2工場の生産計画DXを実現。計画ミスによる過剰・過小製造ゼロにしました。
・旭電器工業株式会社様
カン・コツが必要な計画立案から脱却。生産計画業務の負担も月20時間軽減しました。

詳しくはこちら