実施時期: 2025年09月|2026.05.19 最終更新
半年かかる鋼材の不具合予測をAIで数分に短縮し、熟練の技を標準化
※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
- 熟練者の経験や勘に依存した業務を標準化したい
- 現場主導でデータ活用やDXを推進できる人材を育成したい
- 品質検査や原因究明にかかるリードタイムを大幅に短縮したい
プロジェクト概要
背景・目的
少子高齢化に伴う労働力不足が深刻化する中、長年の経験で培われた熟練技能の継承や、高品質な製品の安定供給をいかに維持するかが大きな課題となっていました。特に複雑かつ大規模な製鉄プロセスにおいては、高炉内の状態を直接確認できないため、熟練者の勘や経験に依存した緻密な制御が不可欠であり、その手法は限界に近づきつつありました。
そこで、現場の技能とデジタル技術を融合させた「CPS（Cyber-Physical System）」の構築を目指し、熟練者の暗黙知を形式知化して持続可能なものづくりを支えるためのデータ活用プロジェクトが始動しました。
アプローチと成果
アプローチ
現場の技術者が自らデータ分析を行える環境を整備するため、機械学習プロセスを自動化するAIデータ分析プラットフォーム「dotData」を導入し、専門知識がなくてもインサイトを抽出できる仕組みを構築しました。さらに、ツールの導入にとどまらず、実際の業務データを用いたOJT形式の学習プログラムを実施することで、受講者が伴走支援を受けながら実践的な課題解決スキルを習得できる体制を整えています。
具体的な取り組みとして、鋳造プロセスにおける鋼材の「横割れ」リスクを判断する指標である「熱間延性」に着目し、成分割合や温度などの環境条件から不具合の発生傾向を抽出して高精度に予測する分析モデルを独自に開発しました。
プロジェクトへの評価と成果
改善・向上したこと
コスト削減
人手不足の解消
対応時間・リードタイムの短縮
属人化解消
品質・安全性向上
データドリブン文化の定着
推進したこと
AI人材の育成
内製化・自走体制の構築
AI活用の社内展開・定着
従来は外部機関の専用装置による実験で半年以上かかっていた熱間延性の予測が、独自開発した分析モデルによってわずか数分で実行可能となり、大幅なリードタイム短縮を実現しました。また、現場のユーザーが数値を入力するだけで簡単に予測結果を得られるシステムが完成し、鋼材の種類に応じて複数のモデルを使い分けることで予測精度をさらに高めています。
現在では300人以上の社員がツールを活用し、30件以上のプロジェクトが実用段階に進むなど、組織全体にデータドリブンな課題解決の文化が定着しつつあります。
カテゴリー詳細
プロジェクト内容
AI導入・支援形態
AI人材育成・研修
導入部門・データ活用
導入部門と活用内容
製造
外観検査・不良品検知
研究開発支援
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・統計モデル（数値データからの予測・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
本事例の成功の最大の要因は、現場のドメイン知識を持つ技術者自身がAIツールを使いこなせるよう、実践的なOJTプログラムを組み合わせた点にあります。 このような「専門知識×ノーコードAI」のアプローチは、製造業に限らず、建設やインフラなど熟練技能に依存する他業種でも有効なアイデアです。 導入のハードルとして、現場へのデータ分析スキルの定着が挙げられますが、伴走型の支援を活用することで乗り越えられます。
現場主導のDX推進に関心のある方は、ぜひ他の人材育成事例記事もご覧ください。
プロジェクト実施・導入企業
JFEスチール株式会社
日本有数の鉄鋼会社
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。
JFEスチール株式会社
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。