外観検査・不良品検知のAI活用事例

【成果】 現場とベンダーが二人三脚でAIを育て上げた結果、見逃し率0％、過検出率8％という極めて高い判定精度を達成し、検査工程での本稼働を実現しました。定量的な成果として、これまで二交代勤務で計4名が携わっていた検査体制を2名へと削減し、大幅な省人化に成功しています。 定性的な面でも、面倒なプログラム設定が不要なため、現場の従業員が簡単な操作のみで違和感なく業務に組み込める環境が整いました。 今後は、他の部品への磁気探傷検査の自動化展開や、教師なし学習・転移学習といった新たなAI学習手法の活用も視野に入れており、継続的な業務改善に向けた取り組みが進められています。

【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。