実施時期: 2023年03月|2026.06.02 最終更新
製品開発の属人化をAIで解消し、性能向上と品質の安定化を実現
※イメージ画像です
プロジェクト概要
アプローチと成果
カテゴリー詳細
お問い合わせ
こんな課題を持つ企業におすすめの事例です
- 製品開発や市場投入のスピードを上げたい
- 属人的な設計・製造プロセスをデータで改善したい
- 品質の安定化と生産性向上を両立させたい
プロジェクト概要
背景・目的
製造業を取り巻く環境は劇的に変化しており、市場ニーズの多様化に対応しつつ、グローバルに品質を担保することが求められています。横浜ゴムにおいても、製品開発の早期化や品質改善、生産性向上が急務となっていました。
同社は早くからデータ分析やAIを活用してきましたが、扱える因子の数に制限があったり、分析対象とデータ分析の両方に詳しい人間が因子を設定する必要があったりと、従来の工夫には限界がありました。そこで、AIが重要な特徴量を自動的に発見・抽出する「dotData」に着目し、導入を決定しました。
アプローチと成果
アプローチ
NECが提供する「dotData」を導入し、高性能タイヤの設計業務に適用しました。 試作評価で取得した各プロセスのデータをdotDataに投入し、AIが自動抽出した特徴量にプロジェクトメンバーが解釈を加えて次の試作に盛り込むというサイクルを構築しています。また、ゴムの混合プロセスにおいても、ロータ回転速度や消費電力、混合時間、外気温などの諸因子と物性値の関係性をデータ分析しました。さらに、スタッドレスタイヤの設計では、氷上制動性能に影響する因子を過去の試作評価データから割り出し、重要な因子と制動距離の関連性を定式化しています。
同社は「人とAIの協奏」を掲げ、AIの予測だけでなく、人が解釈を加えて仮説検証を行うプロセスを重視してプロジェクトを推進しています。
プロジェクトへの評価と成果
改善・向上したこと
品質・安全性向上
生産性向上
データ分析・意思決定支援
推進したこと
プロトタイプ開発（PoC）
データ戦略・活用策定
高性能タイヤの設計において、試行錯誤を繰り返すことで段階的に性能と安定性が向上しました。ゴムの混合プロセスでは、物性値を狙い通りに推移させるための因子の特定に成功しています。また、スタッドレスタイヤの設計では、タイヤを試作する前に決定できる設計因子に基づいた見通しの良い関係式を得ることができました。さらに、データと対峙することで新たな気付きが得られ、タイヤの設計プロセスを革新するためのデータ活用が一気に加速するという副次的効果も生まれています。
カテゴリー詳細
プロジェクト内容
AI導入・支援形態
導入部門・データ活用
導入部門と活用内容
全社共通・汎用業務
専用AIツールの導入
研究開発・設計
製造
研究開発支援
設計支援・ジェネレーティブデザイン
活用したデータ
数値・Excel・ログ
品質検査・測定データ
機械・設備・位置
設備稼働ログ・機械センサー
採用したAI技術・ツール
採用したAI技術
AIモデル・構築手法
(RAG / ファインチューニング / 他)
機械学習（数値データからの予測・推論）
統計モデル（数値データに基づく傾向分析）
活用・導入したAIモデル・ツール
その他のツール
WarpBiz編集部の事例考察
成功の最大の要因は、AIにすべてを任せるのではなく、AIが抽出した特徴量に人間が解釈を加える「人とAIの協奏」プロセスを構築した点です。このアプローチは、製造業における材料開発やプロセス最適化だけでなく、食品メーカーのレシピ開発や物流の配送ルート最適化など、複雑な変数が絡む他業種にも応用可能です。導入にあたっては、現場のドメイン知識を持つ担当者とデータ分析者の連携体制を構築することが重要になります。同様のAI活用を検討される方は、ぜひ他の事例記事もご覧ください。
プロジェクト実施・導入企業
日本電気株式会社
この事例と同じようなシステムを開発したいですか？ WarpBizで実現可能なパートナーを探しましょう。
横浜ゴム株式会社
この事例を見た方は以下の事例も見ています
類似事例を読み込んでいます
関連度の高い事例を選定しています。少しお待ちください。