• ホーム
  • 製造
  • IoTとAIで実現するスマートファクトリー、製造現場にもたらす効果とは

IoTとAIで実現するスマートファクトリー、製造現場にもたらす効果とは

メインビジュアル : IoTとAIで実現するスマートファクトリー、製造現場にもたらす効果とは

4次産業革命は、今まさに進行中の改革です。それは、単なる製造ラインの自動化にとどまりません。工場から生み出される大量のリアルタイム・データが推進力となり、高度な分析が加速して有益な予測が立てられ、最終的にそれが、これまで見通せなかった製造現場の最も重大な問題を解決するソリューションの発見につながるという、一連の流れを確立することが重要なのです。実際に、製造ラインでダウンタイムが発生する可能性を見越して、手遅れになる前に修理できるようになったことで、「インダストリー4.0」とも呼ばれるこの新たな産業変革の評価は高まりました。その鍵を握るのが、IIoTことインダストリアルIoTです。IIoTは、製造新時代を象徴するキーワードの筆頭的存在といえるでしょう。

IIoTの普及によって、2030年には米国のGDPが1兆7,000億米ドル増加することが期待されています。そして、この予測からもわかるとおり、豊かなテクノロジーに支えられた印象的な事例が次々と生まれているのです。

たとえば、全工程と製造データにAIを活用したプロセス分析を専門とする先駆的存在の1つに、シーボがあります。スマートファクトリーの構築を使命とする同社は、「プロセス中心のAIシステム」によって、損失の予防と予測を重視する製造業者の取り組みを支援する企業です。プロセス中心のAIシステムでは、まず、稼働中の製造ラインのデジタルプロトタイプが設計されます。この仮想的な製造ラインに対して独自のマシンラーニングのアルゴリズムを適用することで、特定の問題が発生しそうな時期と理由、そして調整を必要とする箇所を正確に予測することが可能になるのです。シーボの産業用AIソリューションは非常に堅牢であり、プロセスのエンジニアとオペレーターのために設計された使いやすいインターフェースを搭載しています。

このようなインダストリー4.0の取り組みでは、製造プロセスにおける古くからの複雑な問題が現代的なソリューションによって解決され、生産性向上手法の新境地が開拓されているといっても過言ではありません。ダウンタイムの処理能力の低さや過剰な廃棄物の管理など、製造プロセスにAIを導入するうえでの彼らのノウハウは、まさにインダストリー4.0を象徴するものなのです。

予知保全と故障予測

工場というシステム全体が成功を収めるうえで、設備を最大限に活かすことが最も重要なポイントであることを、製造エンジニアはよくわかっています。そして、データサイエンスを活用することで、センサーから得たデータを設備の故障履歴と比較して洞察を得ることが可能です。それでは、故障の可能性を示唆するわかりやすい兆候が得られる洞察とは、何でしょうか? 具体的にいえば、それは、最も故障する可能性の高い部品やまもなく交換が必要になる部品の概要を、エンジニアが事前に知ることができるというものです。

このような予測が迅速に得られれば、メーカーは少しの間だけ製造を停止するだけで速やかに修理することができるでしょう。それによって、将来的にかなりの遅れが生じる事態を回避できるだけでなく、在庫管理の効率化も可能となるのです。

保守に関するこちらの調査によれば、予知保全作業が行われることで計画外のダウンタイムを防ぐことができるという前提の下で「故障が発生するまで設備を使い続ける」と答えた人の割合は、61%から57%にまで減りました。

現在では、ソリューションのモデリングやシミュレーション、IoTからのデータ収集、ディープラーニング、そしてデータの可視化の上手な活用によって、予知保全技術が収益に影響を与えることは明らかとなっています。具体的には、プロセスのボトルネックをより的確に特定して代替部品をテストし、生産性を最大化できるということです。また、問題の整理と通知が正確に行われることで、修理にかかる時間を短縮し、コストを削減できるという点も注目に値します。

予測による廃棄物削減

産業廃棄物に関する深刻な問題があることは、その排出量が全世界で110億トンに上ることからも否定できない事実です。現場では何十年にもわたり、廃棄物を処理するか、あるいは適切に投棄するかで、意見が対立してきました。しかし、データサイエンスの即応性が高まった今、プロセスベースの機械学習システムによって、廃棄物をそのものの排出量を減らそうとする動きが生まれています。その結果、エンジニアは、マシンラーニングを利用して、最適な処理量の基準を達成するまで徹底した品質検査を行うことが可能になっているのです。

たとえば前述のシーボのシステムは、繰り返しロスが発生する具体的な箇所を特定することで、適切なタイミングで警告を発するだけでなく、製造上の不具合や無駄を最終的な廃棄物の排出量とともに削減します。履歴システムや、工程制御をソフトウェアで行うPLCのデータを入念に分析して、その結果を仮想の製造ラインに適用すると、マシンラーニングのアルゴリズムが生産廃棄物のピークや、普段から排出量に影響を及ぼしている通常のパラメーターからの逸脱がもしある場合には、その偏差も予測することが可能です。さらに、過剰な廃棄物レベルの根本原因が基準値を超えると、そうした予測シミュレーションが、修正のために必要な再設定についてのガイダンスを提示することもできるようになっています。

予測品質管理

インダストリー4.0には「クオリティ4.0」が伴います。これは製造における運用の卓越性、パフォーマンス、イノベーションを促進する上で欠かせない役割を果たすものです。既存の品質保証の専門知識と予測分析を組み合わせて、生産コストを削減する取り組みはこれまでにも行われてきましたが、クオリティ4.0によって生産ラインにおける品質の不備を予見し、防止することができるという最新の機能が、そこに加わることになります。

クオリティ4.0の最初のステップは、プログラミングを必要としない直感的なモデリングツールを使用して予測品質管理シミュレーションを実行し、製造プロセスを視覚的にマッピングすることです。そして、そのモデルを仮想的な製造ラインに適用し、総合設備効率を意味するOEEや、歩留まり、不良率といった品質測定基準に沿ったデータを収集します。最終的に、製造業者ごとのビジネス・ルールに基づく品質基準に照らして不確実性を排除することで、必要な品質問題の調査が加速されるのです。

このような深い洞察が得られる予測システムは、根本原因分析を行う一方で実践的な予測を行い、設備の全体的な処理効率を向上させます。

そして、設備の品質問題の予測が最大限正確に行えるようになれば、廃棄物と運用コストを最小限に抑えられ、企業にとってのメリットが生まれるのです。

説明が長くなりましたが、つまりこれは資産活用と生産量の向上に関する話であり、まさにすべての製造業者が追随すべき動きだからです。製造環境全体を総合的にとらえることによって、こうしたシステムは、製造エンジニア、品質責任者、製造ラインの責任者が設備効率を向上させるためのサポートをします。特にシーボは、産業エコシステムにおいて、IoT、AI、およびシミュレーションを巧みに連携させることで成功を収めました。そのようなシステムがあれば、予知保全から、予測による廃棄物の取り扱い、予測品質管理、製造の最適化まで、工場全体を単一のコントロールパネルから包括的に管理できるようになるのです。

今後の展望- インダストリー4.0

これからの10年は、企業レベルで最先端技術の導入が進むことによって、よりスマートなエコシステムが生まれる刺激的な期間となるでしょう。そのためにも、企業、とりわけ製造分野の業者は、予測品質から長期的な利益を得らるために、品質管理デバイスというべきIoT機器とAIベースのソフトウェアシステムを組み合わせて導入する流れに、積極的に対応していく必要があるのです。

この記事はTechBullionのサンロ・マシューズが執筆し、NewsCredパブリッシャーネットワークを通じてライセンスされたものです。ライセンスに関するお問い合わせはlegal@newscred.comにお願い致します。

※本記事の文中のリンクは英語ページに遷移します。