製造業におけるAI導入の流れや成功・失敗事例

製造業においてAIはどのように活用されているのでしょうか。実際にその仕組みや導入のメリット、成功・失敗事例を紹介していきましょう。

製造業においてAIを活用するメリット

製造業でAIを活用する場合、業務の効率化、生産性の向上が目的となることが多いです。その上で、AI活用するメリットがある場面を、3つほど紹介します。

1. 人に頼らず生産計画を立てる

製造業では、人に頼ったスキルや商品の生産計画が前提となっていることが少なくありません。特に中小企業などでは、他社にはない技術があったとしても、それを上手くデータ化できず人に頼っていることも。対してAIを活用する場合、微細な仕様の差やデータと照らし合わせた計画を、人に頼らずに策定することが可能です。加えて、人件費などのコストなども含めて最適な計画を立てることが可能となります。そのため、人・物・コストの流れを複合的に判断し、最適化することによる生産性向上は大きなメリットだといえるでしょう。

2. 製造工程のデータを蓄積することで様々な生産体制に対応する

特に多品種少量生産の場合では、人間の予想や判断で体制を変える必要があります。しかし、「どの商品がどの程度必要なのか」といった予測と判断も、AIによって精度を上げ、効率化することができます。 AIを製造業で活用する場合、どのような体制であってもデータを収集し学習を重ねる必要があります。機械学習を重ねていくことによって、どのような体制でも対応できる点はAIを活用する大きなメリットです。これにより、多品種少量生産などの工場の体制でもニーズに合わせた生産が可能です。

生産体制に関して、AIを導入する場合には各工程のデータを収集・分析する必要があります。しかし、AIに部分的に生産体制を任せつつ、問題点を改善しつづけることによってより効率的な製品作りが可能となるでしょう。

3. 需要と供給に対して在庫の自動的な判断を行える

製造業における在庫は人の感性や予測、データの分析によって成りたっています。加えて、工場の内部で大量に在庫を抱えることは大きなマイナスになります。しかし、AIを活用することによって、在庫の多さなどに対して人の判断をサポートすることが可能になります。これは、過去の出荷データを活用するだけでなく、将来的には、現在の工場の稼働状況なども含めて最適化することが可能です。そのため、人員も各役割に集中することができるようになり、生産性の向上・コストの削減・適正な人材配置につながります。

製造業でAI活用する方法や流れ

AIを製造業に導入する場合、工場内のデータを収集・分析し、うまく業務に反映しなければなりません。そのため、いきなりAIを導入することは不可能です。AIは段階を踏んで導入していく必要があります。具体的なAI活用の流れは、

どの業務に対して、「AIを用いるのか」を検討する
必要なデータの収集・分析
機械学習・ディープラーニングを繰り返し行い業務の自動化・効率化を行う

です。

そのうえで、業務効率の向上を目指す場合でもさらに方向性を決める必要があります。例えば、「決まった工程を省力化するために使用する」「需要や在庫管理の判断をAIでサポートしたい」など、用途や目的によって必要なデータが変化します。

機械学習やディープラーニングなどのAI技術は、あくまで手段の1つです。それを踏まえた上で、どんな課題をAIで解決したいのか検討することが重要だといえるでしょう。

製造業でAI活用が失敗してしまった事例

製造業ではAI活用するメリットはたくさんあります。しかし、製造業でAI活用に失敗してしまった事例も。

ある事例では、半導体メーカーで製造工程の一部でAIを活用しようとしました。しかし、現場と経営陣が連携を取れておらず、プロジェクトの途中で方針の変更が発生しました。製造工程の一部のみならず、全体でAIを活用することになったのです。

「一部→全体→一部」と方針が変化したこと自体は失敗の原因ではありません。失敗の最大の原因はプロジェクトの変更によって、必要なデータが取れなかったことにあります。

AIに業務効率化を目指す場合、目的が途中で変ったのであれば必要なデータも変わります。ここを理解していれば、自動化に必要な各機械のデータについて、全て自社の担当者で集めるのではなく、ノウハウをもつ企業に任せるなど適切な対策を打つことができます。

AIを上手く活用するためには、何をどこまでAIに任せるのか、明確な目的を定めることが必要だといえるでしょう。

製造業におけるAI活用事例

製造業で上手くいったAI活用事例を紹介します。生産工程の見える化を行うだけでなく、データを活用したマーケティングにもAIの活躍の場があるといえます。では、それぞれの事例をみていきましよう。

事例1 データ連動によるマーケティング活用

ある事例では、AIを用いて商品のニーズの把握を行い、連動したデータでマーケティングを実施しました。結果として、20％以上の費用対効果を達成しました。 Webサイトの回覧率や行動データをAIで学習・分析し、データをマーケティング担当者に共有することで現状の課題を改善したといえます。また、予想から結果までの一連の過程もデータとして蓄積できるようになりました。

事例2 不具合要因の切り分け

ある事例では、液晶画面の不具合について修理判断をAIで自動化することを目的としました。液晶の不具合は、これまでは人間が目視で確認していました。しかし、現在は液晶画面に対する様々な損傷をAIが学習し要因を切り分けます。その後、要因に合わせた対処方法で修理する、という環境が整っています。これにより、将来的には1.6倍の売上高を目指せるほどに業務効率を改善しています。AI活躍事例の中でも成功例の1つといえるでしょう。

事例3 単純作業の置き換え

ある事例では、製品に対する穴あけの作業を人間ではなく、AIに置き換えました。単純作業であるものの、人に頼った製品作りをする必要がなくなり生産性も向上しています。また、時期によって生産する商品が異なったとしても、AIに画像を学習させることで対応可能となりました。機械とディープラーニングを組み合わせた好例です。

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

最適ワークス編集部

AIが生産計画を自動立案！生産計画・管理のDXを支援する製造業向けSaaS。工場の生産キャパ・製造進捗を可視化。納期回答の精度向上、残業時間を削減など中小・中堅工場での業績改善をサポート。専任エンジニア不要で使える！圧倒的コスパを実現。