製造業で導入が進む品質管理のAI活用例

製造業の現場にある蓄積された膨大な過去製品の技術報告文書やトラブル事例の技術情報などは、ドキュメントの表記・表現には記載者ごとに“ゆれ”があるため、探したい類似情報を素早く見つけることが大変困難でした。「専門分野別意味検索」という社内技術情報の活用を支援するAI技術は関連情報をネットワーク表示（図1）して探索候補を直感的に絞り込むことができ、求めている情報を効率的に見つけ出すことができます。新製品の開発時などに過去機種の技術情報の活用がしやすく、製品の品質改善や開発コスト削減を果たすことができます。

また工場などの現場では、現在も手書きによるドキュメントが多く存在します。既存のOCR技術では判読することは難しい手書き文字でも、AI技術を活用することで高精度で認識することが可能です。人の手でデータ入力をする場合と比べて、作業時間と入力ミスを大幅に低減できます。

富士通AIサービス事業本部第一フロンティア事業部の永井浩史は「専門分野のドキュメントを誰が書いたのかも検索でき、読んだだけでは分からない難しい内容の場合は書いた人に直接電話して聞くこともできます｡過去の技術情報はベテラン社員のノウハウの蓄積であり、これを経験の浅い社員でもすぐに検索できることになります」と話します。

AIは今後さらなる進化を遂げることは間違いありません。品質管理の自動化は徹底され、人をますます強力に支援するAIシステムの構築が進んでいきます。ディープラーニングの適用領域は、現状の「画像・音声・テキストデータ」から「時系列データ」「グラフデータ」へと拡大する研究が進んでいます。また、現在は“ブラックボックス”的な技術であるため社会での実装領域が限られているディープラーニングにおいて、「なぜそういう分析結果を出したのか？」という理由と根拠を人間に分かるように提示する「説明可能なAI」が開発されています。

さらに、大量の仮説モデルを網羅して可能性を探る、新たな機械学習技術「ワイドラーニング」の開発も進んでいます。これは、製品異常判定で故障の予知検知や重大障害を検知するシステム保守など、低頻度の事象の判断やAIの透明性が必要な業務での導入が想定さています。富士通研究所人工知能研究所特任研究員の丸山文宏は「AIが進むことで、製造の現場で人間が教えたことをすぐにAIが学習するようになるでしょう。そして最終的には、工場で人間同士が作業するのと同じように、人間とAIを搭載したロボットが協調して作業するようになります」と語っています。

ただし、AIはあくまでも“手段”の1つであり、完全に人間に取って代わることはできません。AI活用の目的は多くのデータの中から人間に必要な情報を的確に捉え、その特徴を人間に分かるように分析・フィードバックすることで業務を革新し、企業利益を最大化することにあります。しかし、日本企業のAI技術導入状況は欧米先進国や中国と比べて著しく遅れているといわれます。日本の製造業の現場がAI技術を活用して、安定した品質管理システムを確立すれば、グローバルの競争を勝ち抜くことができるでしょう。