AI技術で高めるモノづくり現場の信頼

品質AIモデルによる推論で、製造現場の品質向上を目指す当社の取り組みについてご紹介します。

取り組みのポイント

  • 品質保証精度向上
    設備データから加工品の品質状況をAIで推論し、工程毎の品質保証精度向上を実現
  • 設備消耗品交換コストの削減
    加工品質に基づく適切な設備消耗品交換により消耗品コストを削減
  • 運用サービスによる負荷低減
    運用管理基盤/運用サービスにより品質AIモデルの効率的な運用・管理が可能

背景
品質検査におけるリスク

従来、製造現場では、設備が加工条件通りに製造されたか、一部製品を抜き取り、測定器による検査・五感検査を行い、品質判定をしていました。しかし、抜き取り検査による品質確認では、品質異常品が後工程へ混入してしまったり、組立て後に製品不良が発覚し、調査や手戻り等が発生してしまうといった課題がありました。

内容
AI導入で高めるモノづくり現場の信頼

AIの全数判断による、リアルタイムな品質チェック

現在当社が構想中の『現場品質AIサービス』では、手作業で行っていた品質確認をAIで全数判断させることで、リアルタイムな品質チェックによる異常部品製造ゼロを目指します。
また、これまで製品加工のために使用する設備消耗品は、加工品質に基づき、規定の製造回数ごとに無条件に交換を行っていたため、TBM(時間/回数基準保全)によるムダな消耗品交換が発生していました。これを品質AIモデルにより品質維持を推論し、適切なタイミングで交換するCBM(状態基準保全)を可能にします。

AIモデルは劣化する、導入後・管理の重要性

しかし、様々な業務にAIが適用されていくと、また違った課題が発生します。
学習データから構築したAIモデルは、業務で使い続けるにしたがい、社会情勢や市場・環境の変化などにより、入力データの傾向が構築当初の学習データと比べて変わってしまうことがあり、AIの推定精度が低下する可能性があります。そのため、業務でAIを活用する際は、AIの運用段階で随時精度を確認し、AIモデルの精度が低下した場合には、最新のデータを用いて再学習を行い、AIモデルの予測精度を検証し、精度向上を図る必要があります。また、版数管理やリリース管理によるAIモデル管理の煩雑化、管理コストの増大にも繋がります。
更に、AIモデルを適用する対象が増加すると、手運用でのメンテナンスも困難となります。
当社は、稼働監視・劣化診断/再学習・デプロイ支援など、監視からメンテナンスまでをワンストップでカバーすることで、AIモデルを高い精度で長期間維持し、効率的なAI運用管理を支援してまいります。

DXを加速するテクノロジー&ナレッジに関するお問い合わせ

  • お問い合わせフォーム

    ご質問・お問い合わせなど、 こちらのフォームよりお送りください。
    当社はセキュリティ保護の観点からSSL技術を使用しております。

ページの先頭へ