三菱マテリアル、工場の部品の数え上げを画像AIで自動化し月3人日削減

工場では研磨用ドリルやインサート部品といった多品種の部品を人が数えており、工数がかさむうえに、数え間違いのリスクと精神的な負荷がつきまとっていました。しかも数えて終わりではなく、作業のたびに証拠となる画像を記録・保存し、複数の工程をまたいで管理する必要もありました。

編集部の見立てでは、この困りごとの本質は「数える手間」そのものよりも、正確さの担保と記録の管理という二つの責任が、同じ作業者に同時にのしかかっていた点にあります。間違えられないという緊張感が手を慎重にさせ、証跡を残す手順がさらに時間を食う。担当を増やしても、この二重の負荷は薄まりにくい構造です。計数と記録を切り離さず、一続きの処理としてまとめて機械側へ渡す発想が求められていたのではないでしょうか。

効いたのは、PoCの段階から本番での利用を前提にアーキテクチャを組んだ進め方です。常時稼働のサーバーを持たないサーバーレス構成をAWS上で選び、Amazon API Gateway、AWS Lambda、Amazon DynamoDB、Amazon S3といった部品を組み合わせることで、運用コストを抑えたまま実業務へ移せる土台を先に用意しました。さらにAmazon SageMaker PipelinesとAWS CloudFormationでモデルの自動デプロイ体制まで作り込んでおり、検証が通ってから作り直すという手戻りが構造的に起きにくくなっています。

もう一つの柱は、現場の作業実態から学習データの条件を決めたデータ設計です。工場を訪問して計数作業を見学し、ヒアリングを重ねたうえで条件を設定し、対象部品ごとに30〜40枚の画像を集めて訓練データとしました。ラベリングを含むデータ整備と分析、チューニングを繰り返す進め方からは、特定の業務に特化したモデルでは画像の枚数そのものより、実際の作業条件と学習データが噛み合っているかが精度を左右するという判断が読み取れます。

現場側の操作を「部品の種類を選んで撮る」だけに絞り込んだUI設計も見逃せません。React製のシングルページアプリケーション（画面遷移を伴わないWebアプリ）で撮影・分類・計数・保存を一つの画面に収め、作業者が結果を別システムへ転記する余地をなくしました。認証はAmazon Cognitoと既存のID管理システムを複数のクラウドをまたいで接続する形とし、新しいログイン運用を現場に覚え直させずに済ませています。

現場では月あたり約3人日分の工数削減につながり、多品種・多工程にわたる計数作業の省力化が進んでいます。精度と応答速度のバランスについては三菱マテリアル側から高い評価が示されており、技術検証で止まらず実業務の課題解決まで届いた点が、この取り組みの要点。運用開始後も、両社で継続的なモデル改善とチューニングが続けられています。