製造のAI活用事例

【成果】 生成AIをコミュニケーションツールとして活用することで、言葉では伝えにくいニュアンスを視覚的に共有できるようになりました。短時間でバラエティに富んだ大量のアイデアを創出できただけでなく、開発初期段階から具体的なイメージを確認できるため、意思決定のスピードが飛躍的に向上しています。 結果として、デザイン開発にかかる期間の大幅な削減を実現し、クリエイティブの創造性を広げる新しいデザイン開発のフローが確立されました。

【成果】 生成AIを活用したことで、Honda社の技術文書を文章としてモデル化できるようになり、モデル化にかかる期間が3年から1年へと67％短縮されました。また、開発業務では30％、企画・管理業務では50％の工数削減効果が得られています。このアプローチにより、ドキュメントの活用領域が大きく拡大し、業務効率が飛躍的に向上しました。 膨大な開発情報を安全に活用できるプラットフォームが実現したことで、顧客により多くの価値を届けるという同社の目標に大きく貢献しており、今後のさらなる展開が期待されています。

【成果】 トライアルホールディングス株式会社との実証実験を通じて、店舗作業コストを20%削減、店舗在庫を20%圧縮するといった大きな成果が得られています。また、発注の波動緩和による物流の平準化と効率化（10%削減）や、発注精度向上による欠品・廃棄の削減（5%削減）も実現しました。 この最適化効果は小売業にとどまらず、卸売業やメーカーと連携することで、生産・出荷計画の合理化、製造現場の作業平準化と残業削減、返品率・廃棄率の大幅削減といった川上への波及効果も見込まれています。

【成果】 約半年間のPoCを経て2024年8月に本番利用を開始した結果、法務部門における1人あたりの問い合わせ対応件数は月100件から最大月3件へと激減しました。 対応に要する時間も月17時間から最大30分へと大幅に短縮され、劇的な業務効率化を実現しています。この成功を受け、同年10月からは人事、経理、情報システム、知財など複数の部門へ利用範囲を拡大しました。さらに、質問先が分からない場合でも回答を得られる「全体横断型のチャット窓口」を新設したことで、社員の利便性が大きく向上し、システムの利用率は以前の約1.3倍に上昇しました。 問い合わせの回答待ち時間が削減されたことで、会社全体の生産性向上にも寄与しています。

【成果】 実証実験において、富士フイルム内の在庫評価資料を用いて従来の予測結果と机上比較を行いました。作成した需要予測モデルがアフターパーツごとの特徴を正確に捉えた結果、「適正」在庫に分類される部品点数が従来の管理方法に比べて2.7倍に増加しました。 これにより、アフターパーツ在庫の過剰や不足を大幅に減らし、より効率的な在庫管理が可能になることが確認されています。この成果を受け、富士フイルムはデジタルカメラ分野における本ツールの本格的な導入に向けて、さらなる検討を進める予定です。

【成果】 新たなデータ基盤の構築により、経営層は常に最新のデータを網羅したダッシュボードを通じて、経営状況を正確に把握できるようになりました。これにより、変化の兆しを即座に捉えた迅速な意思決定が可能となっています。 今後は、この基盤を単なるデータの可視化にとどめず、AIや機械学習の技術を活用して高精度な需要予測やサプライチェーンの最適化といった未来の経営指標を予測する機能を追加していく予定です。ライオンは、データに基づき未来を予測し、先手を打つ「未来予測型経営」への進化を見据え、クラウドCoE体制をさらに拡充していく方針です。

【成果】 本プロジェクトは現在実証実験の段階ですが、エクセルやメールに依存していた属人化からの脱却により、大幅な業務効率化が期待されています。 具体的には、2030年までに現時点から3割の業務工数削減と、業務品質の向上を目標に掲げています。また、市場の稼働データを活用した需要予測の精度向上により、サプライチェーン全体の最適化に繋がる点も、大きな価値をもたらすと見込まれています。 さらに、AIを活用したソリューションの社内実践を通じて蓄積されたノウハウは、将来的にお客様への提供も見据えられており、自社のDX推進にとどまらない新たな価値創出へと繋がっていく予定です。

【成果】 既存システムの改修を伴わないアプローチにより、20万品番を超える在庫部品の品番紐付けと可視化を、わずか2週間という短期間で実現しました。 全拠点における部品の在庫や発注情報が一元的に見える化されたことで、部品調達計画や拠点ごとの在庫状況を全社レベルで掌握できるようになっています。災害時においても、受注案件ごとの影響や事業全体での損益影響を迅速に把握し、生産・供給体制の維持に向けた意思決定を強力に支援します。AIによる高精度な需要予測と組み合わせることで、製品の供給停止リスクを回避し、動的でレジリエントな供給網の構築に成功しています。

【成果】 アサヒ飲料が2024年3月から4月にかけて実施した実証実験では、特定の配送センターへの輸送コストを約6.2％、在庫日数を約6.5％削減することに成功しました。先行して実証実験を行ったキリンビバレッジでも、輸送コスト約9.1％、在庫日数約13.2％の削減を実現しています。 これらの結果を受け、サービスの本格展開が決定しました。今後は導入を拡大し、積載率の向上や納品時の欠品率低減を推進していく方針です。

【成果】 「NikeAI Beta」の導入により、顧客が直感的な会話を通じて求める商品にたどり着けるようになり、初期の反応として非常に良好な手応えを得ています。また、AIを活用したデザインプロセスでは、アスリートの要望とAIのアイデアを融合させることで、これまでにない革新的なシューズのプロトタイプを生み出すことに成功しました。 2024年のパリオリンピックでの展示を通じて、ブランドの先進性を強くアピールする成果を上げています。

【成果】 AIによる高精度な需要予測と在庫の最適化により、急激な需要変動にも迅速に対応可能な生産計画モデルを実現しました。これにより、医薬品の安定供給が強化されるだけでなく、有効期限切れによる製造済み医薬品の廃棄削減といった環境面での効果が見込まれています。 さらに、在庫の適正化によるキャッシュフローの改善など、財務面でのポジティブな効果も期待されています。同社は今後も、需要予測の高精度化と業務の持続的な効率化を推進し、必要な医薬品を確実に届けるという使命を果たしていくとしています。

【成果】 AIエージェントの導入により、故障の原因特定から対策実行までの時間が大幅に短縮されました。実証実験の段階で回答精度は90％以上、回答時間も10秒以内という高いパフォーマンスを発揮しています。さらに、故障時だけでなく、不調を事前に予知して対策を行う運用も動き始めています。 定性的な成果として、AIの提案を通じて熟練技術者の知見が現場に伝承され、若手技術者のスキル向上に寄与しています。現場では、AIが熟練者の知識を学び、そのAIの提案から技術者が学び、さらにAIが賢くなっていくという「AIと人間の教え合い」のサイクルが生まれており、機械と人が共に成長する新しいモノづくりの環境が実現しています。

【成果】 2019年からの試験的な運用を経て、明らかに不具合の予兆を示す有効な特徴量の抽出に成功しました。例えば、ボーイング787のエアコンシステム部品における不具合の予兆検知では新たな特徴量を発見し、この取り組みは航空技術協会の表彰審査会委員長特別賞を受賞するなどの高い評価を得ています。 また、従来の整備士の知見では「システム稼働中に兆候が現れる」と考えられていた事象に対し、AIの分析によって「システム停止中に特定の傾向を示す特徴量が存在する」という新たな事実が判明するなど、人間の経験則を補完する定性的な成果も生まれています。 現在では部品整備部門との共同分析も進んでおり、より多くの担当者がデータ分析に取り組む体制が構築されつつあります。

【成果】 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。

【成果】 開発されたAI創薬技術により、従来の手順に比べて10倍以上高速に、大量の電子顕微鏡画像からタンパク質の形態と構造変化の推定が可能になりました。実際にタンパク質合成に関わる特定のタンパク質を本技術に適用したところ、構造変化の予測にかかる時間を従来の1日から2時間へと大幅に短縮することに成功しています。 これにより、細菌やウイルスなどの標的タンパク質に結合する薬剤の設計過程が革新され、製薬企業の創薬プロセスの迅速化・効率化に大きく貢献することが期待されています。今後は、この生成AI技術をコア技術の一つとして活用し、標的タンパク質と抗体の複合体解析や分子の大域的な構造変化を高精度かつ高速に予測する次世代IT創薬技術の実現を目指していく方針です。