機械学習が製造業に革命を起こす10の方法

人工知能の導入は製造業に大きな経済的利益をもたらすでしょう。この点に関しては、さまざまな研究機関が関連データ参照を提供しています。

IDC のデータによると、2021 年までに大手製造企業の 20% が組み込みインテリジェンス、人工知能、IoT、ブロックチェーンなどのテクノロジーを通じてプロセスを自動化し、実行時間を 25% 短縮する予定です。

デロイトによると、機械学習は個別製造業の製品品質を35%向上させることができるという。

マッキンゼーは、今後5～7年で人工知能を採用する企業のうち半数がキャッシュフローを2倍にすると予想され、製造業はデータへの依存度が高いため他の業界をリードすると指摘している。

統計によると、2020 年までに大手製造企業の 60% がデジタル プラットフォームを使用して事業収益の 30% をサポートすることになります。

ある調査会社によると、日本の製造業の48％が機械学習やデジタル製造技術を業務に取り入れることでさらなるチャンスが生まれるとみており、これはマッキンゼーの初期調査で予想されていたよりも高い結果となっている。

いずれにせよ、製造企業にとって、洞察力に富んだ機械学習プラットフォームを通じて製品の品質と生産量を改善し、工場の生産性を高めることが、次のステップへの変化の鍵となるでしょう。

具体的には、サプライヤーからの品質管理から製造計画、注文処理に至るまで、生産のあらゆる段階を機械学習で効率化することが、製造業界の優先事項となっています。最近のデロイトの調査によると、機械学習により、製造業における計画外のダウンタイムが 15～30% 削減され、生産性が 20% 向上し、メンテナンス コストが 30% 削減され、品質が 35% 向上しました。

では、機械学習をどのように活用して生産プロセスを変革できるでしょうか。2019 年に機械学習が製造業界にもたらす 10 の変革方法を見てみましょう。

>1<

統計予測によると、人工知能は世界企業のマーケティングと販売に1.4兆ドルから2.6兆ドルの価値を生み出し、サプライチェーン管理と製造に1.2兆ドルから2兆ドルの価値を生み出すと予想されています。この点に関して、マッキンゼーは、AI ベースの予知保全が製造企業に 5,000 億～ 7,000 億米ドルの価値をもたらす可能性があるとも予測しています。

マッキンゼーは、大量のデータ（音声やビデオを含む）を処理できる人工知能の能力は、企業が異常を迅速に特定して障害を防ぐのに役立つだろうと述べた。機械学習は、特定の音が品質テスト中に正常に動作している航空機エンジンから発生しているのか、それとも組み立てラインで故障しそうな装置から発生しているのかを検出できます。 (出典: McKinsey/Harvard Business Review、「AI のビジネス利用のほとんどは 2 つの領域に焦点を当てる」、Michael Chui、Nicolaus Henke、Mehdi Miremadi 著、2019 年 3 月)

>2<

製造企業は、クラウド プラットフォーム上で機械学習と予測分析を活用して、事業の持続可能性を高めようとしています。たとえば、一部の製造業者は、Azure Symphony Industrial AI を使用して、熱交換器、ポンプ、コンプレッサー、および製造業者が一般的に使用するその他の資産を含むテンプレート ライブラリから機器モデルを展開しています。 Symphony AI の Process 360 AI は、ユーザーがプロセスの予測モデルを作成するのに役立ちます。高レベルのプロセスは、デバイスによって生成されるアイテム (化学物質、燃料、金属、その他の中間製品、完成品など) として定義され、プロセス テンプレートの例には、アンモニア プロセス、エチレン プロセス、LNG プロセス、ポリプロピレン プロセスが含まれます。プロセス モデルは、機器モデルだけでは予測できないプロセスの混乱やトリップを予測するのに役立つことがわかりました。 (出典: Microsoft Azure ブログ、「Symphony Industrial AI による製造業への予測分析の実装」)

>3<

ボストン コンサルティング グループ (BCG) は、AI を使用する製造業者は生産者の切り替えコストを最大 20% 削減できる一方で、労働生産性の向上によりコスト削減は 70% に達する可能性があることを発見しました。 BCG は、製造業者が AI を活用して顧客に合わせた革新的な製品を開発・生産し、より短いリードタイムで提供することで、追加の売上収益を生み出していることを発見しました。

下の図は、BCG の分析によると、AI がどのようにして生産プロセスの柔軟性と規模を向上させることができるかを示しています。 （出典：ボストンコンサルティンググループ、「未来のAI工場」、2018年4月18日）

>4<

重機に依存するディスクリート製造業者とプロセス製造業者は、AI と機械学習を活用してスループットを向上させ、エネルギー消費を改善し、利益を向上させています。大型機械を含む重機を保有する製造企業は、生産性、持続可能性、および歩留まりを向上させるためにアルゴリズムの使用を検討しています。

マッキンゼーは、AI が特定の複雑なタスクを自動化し、一貫性のある正確な最適な設定ポイントを提供して、機器を自律的に動作させることができることを発見しました。これは、1 つ以上のシフトで稼働する自動化された製造にとって非常に重要です。 （出典：マッキンゼー、「生産における人工知能：資産重視の製造業にとっての大きな変化」、エレフテリオス・チャラランボス、ロバート・フェルドマン、ジェラール・リヒター、クリストフ・シュミッツ著）

>5<

人工知能と機械学習に基づく製品欠陥検出と品質保証により、製造生産性を 50% 以上向上させることができます。機械学習は、製品やパッケージの異常を検出する上で当然の利点があり、製品の品質を向上させ、不良品の流出を防ぐ上でも大きな可能性を秘めています。ディープラーニングベースのシステムでは、手動検査に比べて欠陥検出率が最大 90% 向上します。

オープンソースの AI 環境が利用可能になり、低コストのカメラと強力なコンピューターが組み合わされたことで、中小企業でも目視検査に AI を活用できるようになりました。視覚品質検査に人工知能を使用するプロセスでは、さまざまな角度から良品と不良品を視覚的にイメージングして参照例を作成することで、学習アルゴリズムのトレーニング監督に強力なサポートを提供します。 (出典: マッキンゼー、「人工知能 (AI) でより賢くなる - ドイツの産業界は何をしている?」)

>6<

機械学習は、製造業の慢性的な労働力不足を緩和するとともに、従業員を維持するための新たな方法を見つけるのに役立ちます。現在、製造業は深刻な人手不足問題に直面しており、製造業のあらゆる調査において、この問題が製造業の成長に影響を与える3つの主要要因の1つであることが示されています。

たとえば、Eightfold という会社は、一連の教師ありおよび教師なしの機械学習アルゴリズムを利用して候補者をそれぞれの能力、経験、強みとマッチングさせる AI ベースの Talent Intelligence Platform を構築しました。さらに、ConAgra を含む多くの製造会社が、採用活動を改善し、チームを編成して成長を達成するために必要な人材を見つけるために、Eightfold のプラットフォームを採用しています。次の図は、Eightfold Talent Intelligence Platform の仕組みを説明しています。

>7<

機械学習は、製造会社が隠れたボトルネックや不採算の生産ラインなど、より困難で前例のない問題を解決し、工場の各機械の予知保全の精度を向上させ、各デバイスと関連ワークフローの出力/スループットを向上させる方法を発見し、システムとサプライチェーンを最適化するなど、さまざまなことに役立っています。

次の図は、機械学習が機器レベルから始まり、ワークフローやそれらが依存するシステムにまで拡張して、製造現場の生産性をどのように向上できるかを示しています。 (出典: マッキンゼー、製造業: 生産性と収益性を高める分析、Valerio Dilda、Lapo Mori、Olivier Noterdaeme、Christoph Schmitz 著)

>8<

機械学習により、製造業者が注文に応じて製品を製造するために使用する製品構成と構成・価格・見積 (CPQ) ワークフローを大幅に改善できます。たとえば、シーメンスの鉄道連動制御システムの販売、設計、設置では人工知能と機械学習が活用されており、シーメンスは 1,090 通りの組み合わせから最適な構成を見つけることができます。機械学習が優れているのは、顧客のニーズを満たし、製造される可能性が最も高い製品の最適な構成を見つけることです。 (出典:「シーメンス、ナレッジグラフとデータ思考でサポートされる次世代の人工知能」、シーメンス チャイナ イノベーション デー、マイケル メイ、成都、2019 年 5 月 15 日)

>9<

今後 5 年間で、AI と機械学習はロボット工学を上回り、製造業における主要なユースケースになると予想されています。機械学習アルゴリズムは推奨されるソリューションを提供できるため、サプライ チェーン運用の複雑さと制限は機械学習アルゴリズムにとってますます重要になっています。多くの製造企業は予知保全のパイロット実施を検討しており、明らかな収益増加が見られる企業は生産に移行する可能性が最も高くなります。 (出典: MAPI Foundation、「製造業の進化: 人工知能が製造業と将来の労働力をどのように変革するか」、著者: Robert D. Atkinson、Stephen Ezell、情報技術イノベーション財団)

>10<

機械学習は、ゼロトラスト セキュリティ (ZTS) フレームワークを活用してビジネス オペレーションを保護し、拡張することで、製造企業のセキュリティ戦略に革命をもたらしています。多くの製造企業は、サプライ チェーンと生産ネットワーク全体のすべてのネットワーク、クラウドとオンプレミスのプラットフォーム、オペレーティング システム、アプリケーションを保護するために、ゼロ トラスト セキュリティ (ZTS) フレームワークに移行しています。この分野では、モバイル中心のゼロトラストエンタープライズセキュリティフレームワークを構築した MobileIron や、現在の侵害の主な原因である特権アカウントの悪用を防ぐ ID アクセス管理アプローチを提供する Centrify など、注目すべき企業がいくつかあります。 Centrify の最近の調査「現代の脅威環境における特権アクセス管理」では、データ侵害の 74% に特権アカウントへのアクセスが関係していることが明らかになりました。特権アクセス認証情報を悪用することは、ハッカーが製造企業から貴重なデータを入手し、ダークウェブで販売するために使用する最も一般的な方法です。