製造業の変革を促進、産業改革のためのAI主導ソリューション

製造業において、インダストリー 4.0 は単なる流行語ではなく、新たな現実となっています。新型コロナウイルス感染症の流行はこの現実を加速させた。コロナウイルスの発生から最初の3か月間で、企業と消費者はオンラインの世界に適応し、デジタル技術は10年分の速度で進歩した。

デジタル技術ソリューションへの投資は、企業が将来の発展の重要なポイント、すなわち俊敏性、適応性、革新性を達成するのに役立ちます。業務の合理化、コストの削減、収益の最大化へのプレッシャーが高まる中、デジタル変革が最優先事項となっています。

デジタル変革の勝者は、破壊的技術を活用してビジネス上の課題に対処し、実用的なアプリケーションを通じて改善を推進しています。デジタル運用プロセスは、製造業者が需要と危機の課題に対応するために不可欠であり、製造業の発展における自然な進歩と見ることができます。

高度な分析とマシンビジョン

高度な分析とマシンビジョンは、産業用人工知能の分野における2つの主要なアプリケーションです。

[[412275]]

産業分野において、機械学習を活用した高度な分析は、当社が長年取り組んできた人工知能の応用分野です。この技術は、予測技術と最適化モデルを通じて、生産効率、エネルギー効率、製品品質をさらに向上させるのに役立ちます。

例えば、ある鉄鋼グループの工場では、ディープラーニングに基づく炉温制御モデルにより、高炉の温度を自動的に予測し、人工知能によるプロセスパラメータの最適値の推奨を実現し、高炉の生産高を4％増加させ、総合エネルギー消費量を0.7％削減しました。ある製薬会社の工場では、機械学習を使用して主要な設備パラメータをオンラインで分析し、設備故障の根本原因をインテリジェントに分析・予測し、自動的に対策を提案することで、主要な設備の全体的な効率を50％向上させました。ある企業は、無錫工場で高度な分析システムを使用して、ツールのライフサイクル全体を最適化し、パフォーマンスの根本原因分析に基づいて操作方法を調整し、設備効率と交換コストに基づいて金型交換ルールを最適化し、ツール在庫を10％未満に削減しました。大手製造企業は、深セン工場に産業ビッグデータを統合する中央意思決定クラウドプラットフォームを導入し、グローバルな計画とインテリジェントアプリケーションを通じて無人の「無人工場」を実現し、人員を88％節約し、生産効率を30％向上させました。

マシンビジョンは、産業用人工知能のもう一つの主流のアプリケーションです。この技術は、非構造化画像データを解釈することで洞察を提供し、品質プロセスの制御と検査に効果的です。ある自動車製造工場では、グループの分析卓越センターが独自に開発したマシンビジョンアプリケーションにより、鋼板の表面欠陥を迅速に識別し、品質問題のある製品が市場に出回らないようにすることで、この問題による品質コストの損失を50％削減しました。あるグループ会社の天津工場では、3Dマシンビジョン技術を中核とするオンライン品質管理システムにより、コンプレッサーのオイルレベル位置を正確に監視し、このような問題に対する顧客からの「苦情ゼロ」を確保しています。別の工場では、マシンビジョンによりオンライン操作品質の完全自動制御を実現し、単一製品の間接労働コストを17％削減しました。

[[412276]]

さらに、当社は、さまざまな業界の豊富なシナリオで産業用人工知能の価値の可能性をさらに引き出すために、自然言語処理、高度なロボット工学、プロセス自動化、スマートクラウドなどの他の人工知能技術の産業への応用も積極的に模索しています。

人工知能 + 工業製造

1. 人工知能製品の品質テスト

生産・製造プロセスに人工知能を組み込むことで、機械はよりスマートになります。機械は単調な機械的作業を実行するだけでなく、より複雑な状況でも自律的に動作できるため、生産効率が総合的に向上します。品質管理の面では、製造企業は人工知能検出技術を使用して製品の外観上の欠陥を検出し、人件費を削減し、検出の精度と効率を向上させます。人工知能検査装置は、製品の外観欠陥の検出に驚くほど効果的であり、手作業に比べて大きな利点があります。

1. 人工知能による検出により人件費が削減されます。
2. 微妙な欠陥を正確に識別し、検出効率を向上します。
3. 顧客の動的な品質管理ニーズを満たします。
4. クエリシステムに基づいて製品品質のトレーサビリティを実行します。

2. 人工知能が柔軟な生産を可能にする

パーソナライズされた需要の時代の到来により、標準化された生産モデルでは消費者のニーズを満たすことがますますできなくなっています。人工知能技術は、消費者の需要データや特徴的な行動をマイニングする上で重要な役割を果たしており、関連製品の市場見通しを予測・分析し、分析結果を生産プロセスの参考として使用することができます。

人工知能技術は、柔軟な生産を効果的に実現し、生産ラインの生産計画を制御・管理し、製品サプライチェーン、物流チェーン、生産チェーンなどの各リンクを合理的に管理・制御して、関連プロセスの不要なコストを削減することもできます。例えば、生産ラインの物流リンクでは、機械学習技術を使用して、ロボットが生産ラインで製品をどのように仕分けするかを決定し、仕分け成功率は熟練労働者のレベルに匹敵する90％に達することができます。

[[412277]]

3. 人工知能により設備の予知保全が可能に

24 時間稼働している工場では、予期せぬダウンタイムにより多大な損失が発生する可能性があります。予知保全を実現するために、技術者は大量の機器の性能と環境の履歴データを活用し、人工知能技術を使用して分析し、予知保全モデルを構築して機器の動作状態を予測します。

スマート ファクトリーでは、工作機械、重要な機械器具、その他の機器などの重要な資産の状態を監視することで予知保全を実現します。生産設備に搭載されたセンサーが設備の稼働状況を常時監視し、リアルタイムの稼働データをクラウドに送信して人工知能やビッグデータを活用し分析することで、設備の異常状態を事前に予測し対策を講じることで、設備のダウンタイムを最小限に抑えます。

4. 人工知能のその他の応用例

倉庫管理と物流: たとえば、物流会社の倉庫では、完成品を注文や出荷場所に応じて仕分けしたり、空の資材箱をリサイクルしたり、一部の廃棄物や廃製品を廃棄物保管エリアに捨てたりする必要があります。この作業はシフトごとに2人の作業員によって行われます。倉庫内にはほこりや騒音があり、仕分け作業は1日に2,000～3,000回繰り返されます。重量物の取り扱いはロボットによって行われますが、依然として強度が高く、環境が悪く、技術的内容が低い反復的な作業です。

同社は、1日3交代制で稼働していた2つのワークステーションをロボットに置き換えました。ロボットにはマシンビジョンシステムが搭載されており、RFIDコードをスキャンして注文と出荷先の仕分けを行うことができます。完成品、空箱、廃棄物の認識率は、AI学習アルゴリズムによって徐々に向上しています。初期の認識率は約62％に過ぎず、シフトごとに1人の作業員がギャップを拾う必要がありました。データが蓄積されるにつれて、AI認識モデルは継続的に改善され、数ヶ月後、総合認識率は96％に増加しました。完成品の認識と出荷先の仕分けは完全に正確で、ギャップを埋めるために倉庫に人員を配置する必要はなく、廃棄物をリサイクルする際には、ごく少数の空箱を取り出すだけで済みました。

[[412278]]

プロセス最適化: AI は、生産プロセスのパラメータを調整および改善することで、製造に使用される多くの機械のパラメータを設定します。製造プロセス中、機械は多くのパラメータを設定する必要があります。たとえば、射出成形では、プラスチックの温度、冷却スケジュール、速度などを制御する必要がある場合があります。これらのパラメータはすべて、外気温などのさまざまな外部要因の影響を受ける可能性があります。これらすべてのデータを収集することで、AI は機械のパラメータの自動設定と調整を改善できます。

製造業: フォードはかつてこう自慢していた。「どんな車が欲しくても、黒しか作りません。」これは、組立ラインでの大量生産の典型的な描写です。しかし、フォードがこのような考え方を続ければ、フォード・モーターは破滅するでしょう。現在、パーソナライゼーションがますます進んでいますが、パーソナライズされた生産コストは非常に大きいため、唯一の方法はマスカスタマイゼーションです。個人の消費データを分析した後、包括的な注文を形成し、プラットフォームがそれを大量生産に配布して、完成品の単価を下げます。現在、電子商取引業界には大量の消費者行動データがありますが、そのデータは常に実際の需要に遅れをとっています。高度な分析により、この問題をうまく解決できます。データを分析して整理し、製造側にフィードバックすることで、生産と製造の最適な構成を実現できます。

[[412279]]

世界中で、産業用人工知能の分野に携わる企業は、この技術の独自の価値を長年実証してきました。人工知能技術は、企業の生産性、効率、品質、コストを向上させる大きな可能性を秘めており、将来の製造業を強化する新たな原動力となることは間違いありません。しかし、人工知能への企業変革の道のりはまだ長く、当社は高度な分析を通じて企業変革を実現するための取り組みをさらに深めていきます。