製造のAI活用事例

【成果】 事前検証として約200の典型的な業務パターンでテストを実施した結果、最大で50％以上の業務効率化が確認されました。 文書作成や校正、プログラムのソースコード生成といった一般的なオフィス業務の負担が大幅に軽減されています。 今後は、社内の各組織に蓄積されたナレッジを連携させるスキームの整備や、特定分野のデータで追加学習を行った特化型モデルの構築も視野に入れており、さらなる付加価値の創出を目指しています。

【成果】 本アプリケーションの導入により、社員の経験や専門用語の知識レベルに依存することなく、直感的な操作で目的のデータに到達できるようになりました。情報検索から要約の生成までが約30秒で完了するため、情報収集にかかる時間が大幅に短縮され、業務効率化に貢献しています。 2025年6月の運用開始時には、設計・製造・品質保証部門を中心とした国内5,000名以上の社員に提供されました。今後は営業や物流など、製品のライフサイクルに関わる幅広い分野の社員へと利用対象を拡大する予定です。さらに、海外拠点への展開や、回答精度の向上、検索性の拡充なども計画されており、全社的な品質マネジメントの強化と顧客対応の迅速化が期待されています。

【成果】 2023年11月から12月にかけて実施された試験運用（PoC）を経て、生成AIを活用したアプローチの有効性が実証されました。従来は熟練技術者の経験を手引書にするために3年、そこからモデルを作成するために1年かかっていましたが、生成AIの導入により技術文書を文章としてモデル化できるようになり、モデル化期間が3年から1年へと大幅に短縮されています。 これにより、ドキュメントのモデリング時間を67％短縮することに成功しました。さらに、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。Hondaの担当者は、膨大な開発情報を安全に活用するプラットフォームが、顧客への価値提供に貢献していると高く評価しており、将来の本番開発活動に向けたさらなる協力を期待しています。

【成果】 2024年1月の運用開始以降、エンジンやトランスミッションなどパワートレーン関連の開発に携わる約800人のエンジニアに向けてシステムが解放され、月間に数百回利用されるなど現場への定着が進んでいます。 実際に活用しているエンジニアからは、排出ガス測定機器の仕様や環境規制に関する質問に対して正確かつ詳細な回答が得られ、これまで適切な文書を探し出して膨大な文章を読み解くのに要していた時間が大幅に短縮されたと高く評価されています。 今後は技術図面などの視覚的な情報の取り込みや、顧客の不満を分析して次世代車両の改善に繋げる「消費者の声エージェント」の開発など、さらなる機能拡張が構想されています。

【成果】 全社へのAI導入から1年間で、社員の労働時間を合計18.6万時間削減するという大きな成果を達成しました。1回の利用あたり平均約20分の業務短縮につながっており、直近3ヶ月の利用回数は前年同期比で41％増加するなど、社内での定着が進んでいます。 定性的な変化として、導入当初は単純な検索エンジン代わりの利用が主でしたが、現在では戦略策定の基礎データ作成や商品企画など、より高度で生産性の高い業務への活用へとシフトしています。また、懸念されていたシャドーAIによる情報漏洩や著作権侵害などのセキュリティインシデントは、導入後16ヶ月間一切発生していません。 品質管理に特化したAI機能についても、現場の社員から5点満点中3.5点という高い評価を獲得しています。 今後は、設計段階での問題特定や手戻り時間の削減による人手不足解消が期待されており、さらにはAIが自律的に業務を遂行する「オートノマスエンタープライズ」の実現に向けた構想も進められています。

【成果】 2019年からの試験運用を経て、不具合の予兆を示す有効な特徴量の抽出に成功し、2020年から本格的に仮説探索型の故障予測分析を開始しました。 具体的な成果として、ボーイング787のエアコンシステム部品の不具合予兆検知に関する特徴量作成に成功し、航空技術協会の表彰審査会委員長特別賞を受賞しています。また、対象システムが停止している最中に特定の傾向を示す特徴量が存在するなど、人の知見だけでは見出せなかった新たな特徴量を発見することにも成功しました。 今後は、dotData活用の質と量の双方を強化し、部品整備部門など社内のより多くの部門での分析・予兆検知の取り組みを広げていく展望です。

【成果】 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。

【成果】 六甲バターでは、2022年10月に1号機で目標を達成したことを皮切りに、複数台の生産装置へAI検査装置の横展開を進めています。その結果、目視確認を担当する検査員の数を従来の約4分の1にまで削減することに成功しました。 検査業務から外れたスタッフは、機械の運転や調整業務を学び、オペレーター補助としてスキルアップを果たしています。これにより、AIが不良判定を出した際にも、迅速に装置の不具合に気づいて対応できる体制が構築されました。 同社は今後、生産機器の劣化具合を検知して部品交換のタイミングを予測する「予知保全」へのAI活用も検討しており、さらなる生産体制の効率化を目指していく構えです。

【成果】 画像生成AIの活用により、生成されるデザイン案の数は従来の100倍に増加しました。これにより、デザイナーはAIが生成した幅広いアイデアをベースに、より洗練されたデザインを制作するなど、クオリティを高めるコア業務に集中できるようになっています。 アンケート分析においては、担当者の主観やバイアスを排除した信頼性の高いデータが得られるようになり、外部発注を必要とせずに社内システムで迅速な分析が可能となりました。結果として、アンケート分析業務において約80％の効率化を実現しています。 今後は、この生成AI環境を全社や海外のグループ会社にも展開し、さらなる業務効率化とグローバルでの開発力強化を目指していく方針です。

【成果】 実践的な演習を通じて、総務・人事部門による「人員変動予測」や、建物管理分野における「空調の設定温度と室温の相関分析」など、実際の業務への適用が見込める具体的な成果が生まれ始めています。 参加した社員からは「最初は難しいと身構えていたが、やってみると意外にできた」「少しでも成果が出ると楽しいので継続したい」といった前向きな声が多く寄せられており、現場のデータ活用に対する意識変容が確認されています。経営陣からも「途中で形骸化させず継続してほしい」と強力な後押しを受けており、全社的なデータ利活用文化の定着に向けて確かな手応えを得ています。今後は参加チーム数をさらに拡大し、将来的にはグループ会社全体への展開も視野に入れています。

【成果】 高性能タイヤの設計では、AIの抽出結果に基づく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。また、データと対峙する過程で新たな気付き（副次的効果）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しています。 ゴムの混合プロセスにおいては、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ました。AIの活用を通じて、材料開発メンバーも納得する混合プロセスの本質につながる知見が得られています。スタッドレスタイヤの設計でも、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導き出すことができました。 今後は、データが存在しない領域を補完するための新たなデータ取得を進めるとともに、現実データと仮想データを利用して複雑な関係性を明らかにし、データ分析の専門家以外でも気付きを得られる環境の構築を目指しています。