AI CONSULTING COLUMN AI・デジタル・IoTコンサルティングコラム

専門コンサルタントが執筆するAI・ロボットコラム
最新のAI・ロボット技術に精通したコンサルタントによる定期コラム

中堅・中小製造業が製造工程を見える化(IoT化)する際のポイント&課題

2024.04.23

IoTを活用した製造工程の見える化は、見える化することが目的になってしまうことが多いです。 しかし見える化はあくまで手段で、目的は工程を見える化したことで得られる情報を活用し製造、製造工程の課題を解決事です。 そこで、本コラムでは、 ・見える化する前の製造工程で考えられる課題 投資対効果を考慮して工程を見える化する為の ・IoT導入のメリット ・導入プロセス ・導入の際の注意点 を説明します。 1.見える化する前の製造工程での課題 下記の様な課題を解決するために、工程の見える化を検討します。 生産技術の伝承 : 熟練作業者の退職や移動により、技術が失われます。 生産効率の低下 : 手作業に頼った作業は時間がかかり、効率が悪くなります。 製品品質のばらつき : 人為的なミスや工程の不確実性により、製品の品質が安定しなくなります。 機器の稼働率低下 : 機器の故障やメンテナンス不良により、稼働率が低下します。 材料やエネルギーの無駄 : 材料のロスや無駄なエネルギー使用が生じます。 人的資源の不足 : 高度な技術や経験を持つ従業員の不足が生産性に影響を及ぼします。 生産計画の適正化 : 生産スケジュールの立案や調整が十分に行われず、生産ラインの停滞や過剰在庫が発生します。 品質管理の複雑化 : 製品の多様化や品質基準の厳格化により、品質管理が複雑化し、ミスのリスクが高まります。 情報の非効率な管理 : 生産データや品質管理の情報が分散しており、効率的なデータ管理が困難になります。 環境負荷の増加 : 生産活動に伴う廃棄物や排出物が環境負荷を増加します。 2.IoT導入(見える化)のメリット 工程へIoTを導入する際、考えられるメリットを下記に示します。 リアルタイムデータの収集 : 生産ライン上でのデータをリアルタイムで収集し、効率的な生産管理を実現できます。 予知保全の実現 : 機器のセンサーデータを活用して、故障の予兆を検知し、計画的なメンテナンスを行うことで、生産ラインの停止を最小限に抑え稼働率を向上させることができます。 生産工程の可視化 : IoTデータを活用して、生産工程を可視化し、問題の早期発見と迅速な対応を可能にします。 自動化と効率化 : IoTセンサーと自動制御システムを統合することで、生産プロセスの自動化と効率化が図ることができます。 品質管理の向上 : データ分析を通じて、製品の品質を向上させ、不良品発生を削減できます。 リアルタイムリーン管理 : 生産ライン上のリーン管理をリアルタイムで行い、無駄を削減できます。 資材の適切な供給 : IoTデータを活用して、必要な資材の供給を最適化し、在庫の過不足を解消できます。 フレキシブルな生産計画 : IoTデータを基にした予測分析により、フレキシブルな生産計画を策定し、需要の変化に対応できます。 環境への配慮 : IoT導入により、省エネやリサイクルなど、環境に配慮した生産活動が可能になります。 3.導入プロセス IoT導入のプロセスは以下の通りです。 要件定義とシステム設計 : “導入するIoTシステムの要件“を明確にし、システムの設計を行います。 センサーの設置 : 生産ラインにセンサーを設置し、必要なデータを収集します。 データの収集と分析システムの構築 : センサーからのデータを収集し、分析システムを構築して生産データを解析します。 システムの統合とテスト : IoTシステムを既存の生産ラインに統合し、システムのテストと運用を行います。 従業員のトレーニングと運用 : IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成し、システムの運用を開始します。 4.IoT導入(見える化)の際の注意点 IoT導入に際しては以下の点に注意する必要があります。 セキュリティ対策の強化 : IoTシステムはネットワークに接続されるため、セキュリティリスクが高まります。その為適切なセキュリティ対策を講じる必要があります データの適切な活用 : 大量のデータを収集するため、適切なデータ解析手法を使用し、有益な情報を抽出する必要があります。 従業員のトレーニング : IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成する必要があります。 予算とリソースの適切な配分 : 導入には費用とリソースが必要です。予算とリソースの適切な配分を行うことが重要です。 透明性とコミュニケーション : 従業員や関係者との透明なコミュニケーションを確保し、導入プロセスに参加させることが重要です。 5.IoT化した製造工程から得られた情報の活用事例 IoT化(見える化)した製造工程から得られた情報の活用事例を下記に示します。 機器の稼働率向上 : センサーデータを活用して、機器の稼働状況をリアルタイムでモニタリングし、メンテナンス計画を最適化。 生産効率の向上 : IoTデータを解析して、生産ライン上のボトルネックを特定し、効率改善策を実施。 品質管理の強化 : センサーデータを使用して製品の品質をモニタリングし、異常が検出されると自動的に生産ラインを停止するシステムを導入。併せて生産管理システムの品質管理機能とIoTデータを組み合わせ、品質管理を強化。 資材の最適化 : 在庫レベルや需要予測をIoTデータで管理し、資材の適切な供給を実現。 リアルタイムな生産状況把握 : 生産管理システムとIoTデータを連携させ、リアルタイムで生産状況を把握し、迅速な対応を可能とした。 リアルタイム生産計画の実現 : IoTデータを活用して生産スケジュールをリアルタイムで調整し、生産計画の柔軟性を向上。 生産計画の最適化 : 生産管理システムとIoTデータを統合し、生産計画をリアルタイムで最適化。 在庫管理の改善 : 生産状況と在庫状況を統合管理し、在庫の適切な調整を実施。 生産効率の向上 : 生産管理システムの生産効率分析とIoTデータの統合分析により、生産効率を向上。 熟練作業者の技術伝承 : IoTデータを活用して熟練作業者の作業手順や技術を記録し、後継者に技術を伝承。 採用促進 : 先進的なIoT導入により、優秀な人材の採用を促進。 若手技術者の育成コスト削減 : IoTシステムの導入により、若手技術者の教育やトレーニングにかかるコストを削減。 製品不良原因の把握 : IoTデータを解析して、製品不良の原因を特定し、生産プロセスの改善。 以上のように、IoTの導入により製造工程の見える化は多くの利点をもたらし、効率性や品質の向上、環境への配慮など、さまざまな面で生産活動の革新を促進します。 6.まとめ 今回のコラムでは、“製造工程を見える化(IoT化)する際のポイント&課題”につきまして簡単ではありますが説明させていただきました。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にしていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要となった場合は、お気軽に弊社にご相談ください。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 脱属人化&技術継承!工場技術のDX化!AI&IoT活用! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/113456 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/113456   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを1冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045 IoTを活用した製造工程の見える化は、見える化することが目的になってしまうことが多いです。 しかし見える化はあくまで手段で、目的は工程を見える化したことで得られる情報を活用し製造、製造工程の課題を解決事です。 そこで、本コラムでは、 ・見える化する前の製造工程で考えられる課題 投資対効果を考慮して工程を見える化する為の ・IoT導入のメリット ・導入プロセス ・導入の際の注意点 を説明します。 1.見える化する前の製造工程での課題 下記の様な課題を解決するために、工程の見える化を検討します。 生産技術の伝承 : 熟練作業者の退職や移動により、技術が失われます。 生産効率の低下 : 手作業に頼った作業は時間がかかり、効率が悪くなります。 製品品質のばらつき : 人為的なミスや工程の不確実性により、製品の品質が安定しなくなります。 機器の稼働率低下 : 機器の故障やメンテナンス不良により、稼働率が低下します。 材料やエネルギーの無駄 : 材料のロスや無駄なエネルギー使用が生じます。 人的資源の不足 : 高度な技術や経験を持つ従業員の不足が生産性に影響を及ぼします。 生産計画の適正化 : 生産スケジュールの立案や調整が十分に行われず、生産ラインの停滞や過剰在庫が発生します。 品質管理の複雑化 : 製品の多様化や品質基準の厳格化により、品質管理が複雑化し、ミスのリスクが高まります。 情報の非効率な管理 : 生産データや品質管理の情報が分散しており、効率的なデータ管理が困難になります。 環境負荷の増加 : 生産活動に伴う廃棄物や排出物が環境負荷を増加します。 2.IoT導入(見える化)のメリット 工程へIoTを導入する際、考えられるメリットを下記に示します。 リアルタイムデータの収集 : 生産ライン上でのデータをリアルタイムで収集し、効率的な生産管理を実現できます。 予知保全の実現 : 機器のセンサーデータを活用して、故障の予兆を検知し、計画的なメンテナンスを行うことで、生産ラインの停止を最小限に抑え稼働率を向上させることができます。 生産工程の可視化 : IoTデータを活用して、生産工程を可視化し、問題の早期発見と迅速な対応を可能にします。 自動化と効率化 : IoTセンサーと自動制御システムを統合することで、生産プロセスの自動化と効率化が図ることができます。 品質管理の向上 : データ分析を通じて、製品の品質を向上させ、不良品発生を削減できます。 リアルタイムリーン管理 : 生産ライン上のリーン管理をリアルタイムで行い、無駄を削減できます。 資材の適切な供給 : IoTデータを活用して、必要な資材の供給を最適化し、在庫の過不足を解消できます。 フレキシブルな生産計画 : IoTデータを基にした予測分析により、フレキシブルな生産計画を策定し、需要の変化に対応できます。 環境への配慮 : IoT導入により、省エネやリサイクルなど、環境に配慮した生産活動が可能になります。 3.導入プロセス IoT導入のプロセスは以下の通りです。 要件定義とシステム設計 : “導入するIoTシステムの要件“を明確にし、システムの設計を行います。 センサーの設置 : 生産ラインにセンサーを設置し、必要なデータを収集します。 データの収集と分析システムの構築 : センサーからのデータを収集し、分析システムを構築して生産データを解析します。 システムの統合とテスト : IoTシステムを既存の生産ラインに統合し、システムのテストと運用を行います。 従業員のトレーニングと運用 : IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成し、システムの運用を開始します。 4.IoT導入(見える化)の際の注意点 IoT導入に際しては以下の点に注意する必要があります。 セキュリティ対策の強化 : IoTシステムはネットワークに接続されるため、セキュリティリスクが高まります。その為適切なセキュリティ対策を講じる必要があります データの適切な活用 : 大量のデータを収集するため、適切なデータ解析手法を使用し、有益な情報を抽出する必要があります。 従業員のトレーニング : IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成する必要があります。 予算とリソースの適切な配分 : 導入には費用とリソースが必要です。予算とリソースの適切な配分を行うことが重要です。 透明性とコミュニケーション : 従業員や関係者との透明なコミュニケーションを確保し、導入プロセスに参加させることが重要です。 5.IoT化した製造工程から得られた情報の活用事例 IoT化(見える化)した製造工程から得られた情報の活用事例を下記に示します。 機器の稼働率向上 : センサーデータを活用して、機器の稼働状況をリアルタイムでモニタリングし、メンテナンス計画を最適化。 生産効率の向上 : IoTデータを解析して、生産ライン上のボトルネックを特定し、効率改善策を実施。 品質管理の強化 : センサーデータを使用して製品の品質をモニタリングし、異常が検出されると自動的に生産ラインを停止するシステムを導入。併せて生産管理システムの品質管理機能とIoTデータを組み合わせ、品質管理を強化。 資材の最適化 : 在庫レベルや需要予測をIoTデータで管理し、資材の適切な供給を実現。 リアルタイムな生産状況把握 : 生産管理システムとIoTデータを連携させ、リアルタイムで生産状況を把握し、迅速な対応を可能とした。 リアルタイム生産計画の実現 : IoTデータを活用して生産スケジュールをリアルタイムで調整し、生産計画の柔軟性を向上。 生産計画の最適化 : 生産管理システムとIoTデータを統合し、生産計画をリアルタイムで最適化。 在庫管理の改善 : 生産状況と在庫状況を統合管理し、在庫の適切な調整を実施。 生産効率の向上 : 生産管理システムの生産効率分析とIoTデータの統合分析により、生産効率を向上。 熟練作業者の技術伝承 : IoTデータを活用して熟練作業者の作業手順や技術を記録し、後継者に技術を伝承。 採用促進 : 先進的なIoT導入により、優秀な人材の採用を促進。 若手技術者の育成コスト削減 : IoTシステムの導入により、若手技術者の教育やトレーニングにかかるコストを削減。 製品不良原因の把握 : IoTデータを解析して、製品不良の原因を特定し、生産プロセスの改善。 以上のように、IoTの導入により製造工程の見える化は多くの利点をもたらし、効率性や品質の向上、環境への配慮など、さまざまな面で生産活動の革新を促進します。 6.まとめ 今回のコラムでは、“製造工程を見える化(IoT化)する際のポイント&課題”につきまして簡単ではありますが説明させていただきました。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にしていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要となった場合は、お気軽に弊社にご相談ください。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 脱属人化&技術継承!工場技術のDX化!AI&IoT活用! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/113456 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/113456   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを1冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045

製造業経営者が知っておきたいChatGPT活用手順

2024.04.09

▼事例レポート無料ダウンロードお申し込みはこちら▼ ChatGPTの登場により、AIが身近なものになってきました。 業務にChat-GPTを取り入れ、業務効率化、生産性向上に取り組む企業も増えています。 今回は、製造業におけるChatGPT活用について、その活用シーンや、活用手順を紹介します。 1.ChatGPTとは ChatGPT とは OpenAI により研究開発された、AI を用いた自然言語処理の技術であり、チャット(対話)形式で質問や指示を投げかけることで、AI がその回答を生成し、返してくれる仕組みです。検索エンジン等との違いは、質問や指示に対し、予め用意した回答を返すのではなく、AI が内容を理解した上で、都度、最適な回答を生成してくれるところにあります。 ▼ChatGPTに関する説明は以下のページもご覧ください。 https://smart-factory.funaisoken.co.jp/glossary/230124/ 2.ChatGPTが得意なこと ChatGPTは、自然な会話を理解し、適切な返答を生成することが得意です。また、大量のデータから学習するため、複雑な問題にも対応できます。 具体的には、製造業における、製品開発や生産計画の最適化、顧客サポートなど、さまざまな業務に活用できます。 3.製造業におけるChatGPT活用シーン 製造業においてChatGPTを活用する場面は多岐にわたります。例えば、以下のようなシーンで活用されています。 ・ChatGPTを活用した製品企画・開発 製品企画・開発のアイデアを発展させるためのブレインストーミングや、市場のトレンド、顧客のフィードバックに基づいた新製品のコンセプト作成等、企画・開発業務にかかっていたリソースの削減が可能となります。 ・ChatGPTを活用した生産計画の最適化 これまでの販売実績や、販売数の伸び、在庫回転率、リードタイム等の情報をChatGPTが学習、分析し、需要予測や在庫管理の最適化を行います。これにより、生産効率の向上や欠品率及び、余剰在庫の削減が可能となります。 ・ ChatGPTを活用した製品の品質管理 製造・生産工程における検査データや、欠陥データ、製品の不具合、故障情報等、品質管理に関する情報をChatGPTに学習させ、収集・分析することで、欠陥や不具合の要因や解決策のアイデアを得ることが可能になります。 ・ChatGPTを活用した顧客サポート 顧客からの問合せや、それに対する回答をChatGPTに学習、蓄積することで、経験の浅いスタッフでも、顧客からの問い合わせに迅速かつ適切に対応することが可能になります。 4.ChatGPT活用時の注意点 ChatGPTを活用する際、以下のような注意点があります。 ・データの品質 ChatGPTは大量のデータから学習しますが、データの品質が低い場合、生成される情報の精度も低くなる可能性があります。データの品質管理には注意が必要です。 ・プライバシーとセキュリティ ChatGPTを活用する際には、顧客情報や機密情報などのプライバシーとセキュリティに十分な配慮が必要です。情報漏洩やセキュリティ侵害を防ぐための対策が必要です。 また、著作権に関する注意も必要です。 5.製造業におけるChatGPT活用手順 製造業におけるChatGPTの活用手順は以下の通りです。 Step 1: 目的の明確化と目標設定 ChatGPTを活用する目的・ねらいや、解決したい課題・ニーズを明確にします。例えば、生産効率の向上や顧客サポートの強化など、具体的な目標を設定します。 Step 2: 要件の検討と決定 ChatGPTを活用する対象業務や、業務上での活用イメージ、必要なアウトプット、アウトプットを得るためのデータ項目等、要件を検討・決定します。 Step 3: データの収集と整理 ChatGPTを活用するために必要なデータを収集し、整理します。データの量や品質が重要になるため、データが無い場合は、その収集に時間がかかる場合があります。 Step 4: ChatGPTモデルの構築と学習 収集したデータを使用して、ChatGPTモデルを構築し、学習させます。合わせて、ChatGPTから出力される回答の質や精度を設定・調整します。 Step 5: テスト ChatGPTのテストを行います。 Step 6: 評価と改善 ChatGPTの性能を評価し、必要に応じて改善を行います。ユーザーのフィードバックを活用して、継続的に改善していきます。 Step 7: 運用と管理 ChatGPTを運用し、定期的なメンテナンスや管理を行います。必要に応じて、モデルの再学習や更新を行い、システムの性能を維持します。 上記の手順により、ChatGPTを導入することで、経営・業務にChatGPTを効果的に活用し、業務効率の向上や競争力の強化への貢献が期待できます。 無料ダウンロード!! 中堅・中小製造業 経営者向け 生成AI活用手順 ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、生成AIとは 2、生成AIで出来ること 3、生成AIを経営・業務に活用するために必要な要素 4、生成AI活用による業務改善手順 5、具体事例 生成AIを活用してみたいが、どう取り組めばいいのかわからない… 生成AIを経営・業務への活かし方がわからない… 実際に取り組んでいる同業他社の事例を参考にしたい そんな方に向けて、生成AIをどうすれば経営・業務に活用できるのかを事例を交えて解説いたします。 ■関連するセミナーのご案内 DX活用して、品質改善・生産性改善・原価改善、そして、マネジメント改善・経営改善! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/06/04 (火) 13:00~15:00 2024/06/06 (木) 13:00~15:00 2024/06/10 (月) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/112909 ▼事例レポート無料ダウンロードお申し込みはこちら▼ ChatGPTの登場により、AIが身近なものになってきました。 業務にChat-GPTを取り入れ、業務効率化、生産性向上に取り組む企業も増えています。 今回は、製造業におけるChatGPT活用について、その活用シーンや、活用手順を紹介します。 1.ChatGPTとは ChatGPT とは OpenAI により研究開発された、AI を用いた自然言語処理の技術であり、チャット(対話)形式で質問や指示を投げかけることで、AI がその回答を生成し、返してくれる仕組みです。検索エンジン等との違いは、質問や指示に対し、予め用意した回答を返すのではなく、AI が内容を理解した上で、都度、最適な回答を生成してくれるところにあります。 ▼ChatGPTに関する説明は以下のページもご覧ください。 https://smart-factory.funaisoken.co.jp/glossary/230124/ 2.ChatGPTが得意なこと ChatGPTは、自然な会話を理解し、適切な返答を生成することが得意です。また、大量のデータから学習するため、複雑な問題にも対応できます。 具体的には、製造業における、製品開発や生産計画の最適化、顧客サポートなど、さまざまな業務に活用できます。 3.製造業におけるChatGPT活用シーン 製造業においてChatGPTを活用する場面は多岐にわたります。例えば、以下のようなシーンで活用されています。 ・ChatGPTを活用した製品企画・開発 製品企画・開発のアイデアを発展させるためのブレインストーミングや、市場のトレンド、顧客のフィードバックに基づいた新製品のコンセプト作成等、企画・開発業務にかかっていたリソースの削減が可能となります。 ・ChatGPTを活用した生産計画の最適化 これまでの販売実績や、販売数の伸び、在庫回転率、リードタイム等の情報をChatGPTが学習、分析し、需要予測や在庫管理の最適化を行います。これにより、生産効率の向上や欠品率及び、余剰在庫の削減が可能となります。 ・ ChatGPTを活用した製品の品質管理 製造・生産工程における検査データや、欠陥データ、製品の不具合、故障情報等、品質管理に関する情報をChatGPTに学習させ、収集・分析することで、欠陥や不具合の要因や解決策のアイデアを得ることが可能になります。 ・ChatGPTを活用した顧客サポート 顧客からの問合せや、それに対する回答をChatGPTに学習、蓄積することで、経験の浅いスタッフでも、顧客からの問い合わせに迅速かつ適切に対応することが可能になります。 4.ChatGPT活用時の注意点 ChatGPTを活用する際、以下のような注意点があります。 ・データの品質 ChatGPTは大量のデータから学習しますが、データの品質が低い場合、生成される情報の精度も低くなる可能性があります。データの品質管理には注意が必要です。 ・プライバシーとセキュリティ ChatGPTを活用する際には、顧客情報や機密情報などのプライバシーとセキュリティに十分な配慮が必要です。情報漏洩やセキュリティ侵害を防ぐための対策が必要です。 また、著作権に関する注意も必要です。 5.製造業におけるChatGPT活用手順 製造業におけるChatGPTの活用手順は以下の通りです。 Step 1: 目的の明確化と目標設定 ChatGPTを活用する目的・ねらいや、解決したい課題・ニーズを明確にします。例えば、生産効率の向上や顧客サポートの強化など、具体的な目標を設定します。 Step 2: 要件の検討と決定 ChatGPTを活用する対象業務や、業務上での活用イメージ、必要なアウトプット、アウトプットを得るためのデータ項目等、要件を検討・決定します。 Step 3: データの収集と整理 ChatGPTを活用するために必要なデータを収集し、整理します。データの量や品質が重要になるため、データが無い場合は、その収集に時間がかかる場合があります。 Step 4: ChatGPTモデルの構築と学習 収集したデータを使用して、ChatGPTモデルを構築し、学習させます。合わせて、ChatGPTから出力される回答の質や精度を設定・調整します。 Step 5: テスト ChatGPTのテストを行います。 Step 6: 評価と改善 ChatGPTの性能を評価し、必要に応じて改善を行います。ユーザーのフィードバックを活用して、継続的に改善していきます。 Step 7: 運用と管理 ChatGPTを運用し、定期的なメンテナンスや管理を行います。必要に応じて、モデルの再学習や更新を行い、システムの性能を維持します。 上記の手順により、ChatGPTを導入することで、経営・業務にChatGPTを効果的に活用し、業務効率の向上や競争力の強化への貢献が期待できます。 無料ダウンロード!! 中堅・中小製造業 経営者向け 生成AI活用手順 ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、生成AIとは 2、生成AIで出来ること 3、生成AIを経営・業務に活用するために必要な要素 4、生成AI活用による業務改善手順 5、具体事例 生成AIを活用してみたいが、どう取り組めばいいのかわからない… 生成AIを経営・業務への活かし方がわからない… 実際に取り組んでいる同業他社の事例を参考にしたい そんな方に向けて、生成AIをどうすれば経営・業務に活用できるのかを事例を交えて解説いたします。 ■関連するセミナーのご案内 DX活用して、品質改善・生産性改善・原価改善、そして、マネジメント改善・経営改善! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/06/04 (火) 13:00~15:00 2024/06/06 (木) 13:00~15:00 2024/06/10 (月) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/112909

製造業におけるAI活用事例4選!活用のメリットや導入ステップ、注意点について解説!

2024.04.01

近年では、様々な分野でAI(人工知能)が活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 製造業におけるAI活用は非常に大きな効果をもたらすことが期待されており、既に日本国内でも、AIを活用することでスマートファクトリー構想を実現している工場も存在している状態です。具体的には、AIによる需要予測、画像解析、異常検知・故障予知の分野において、成果を上げています。 現在では、様々なAIソリューションが散見されるため、 どのような業務においてAIが活用できるのかわからない! 結局自社に最適なAI活用法がわからない! ディープラーニングやアルゴリズムなど、AIの知識が高度・専門的過ぎてよくわからない! と感じる方も多いのではないでしょうか。 本記事では、製造業におけるAI活用を検討されてる方に向けて、「工場におけるAI活用法4選」「自社に最適なAIを選ぶときの基準」「AI導入の具体的なステップ」「AI活用の課題と注意点」等について記載しています。 情報収集のお役に立てば幸いです。 1.製造業におけるAIの現状 AI活用がバズワードとなり久しいですが、実際に様々な分野で、目に見えるところ/見えないところでAIが活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 全業種おいて30%を占める製造業ですが、AI活用は実際どのようになっているのでしょうか。 少し古い資料にはなりますが、財務省の調査データによると、2018年時点で企業全体の10.9%が“AIを活用している“にとどまっており、製造業も11.6%とほぼ変わらない結果となっています。 資本力のある大企業で16.5%、中堅以下の会社では5.6%と、非常に限定的な活用状況と言わざるを得ないのが現状です。 ちなみに、ここでのAI活用は「AIチャットボット」がほとんどのようです。 2024年時点でも少しずつ進捗はしているものの、AI活用に関しては大きな改善はまだ見られないと感じています。 一方で昨今の生成AIの台頭もあり、今後AI活用は急激に飛躍するかもしれません。 ⇒関連記事:AI導入で製造業の仕事はなくなるのか?2024年の展望 2.製造業におけるAI活用のメリット AI活用のメリットを説明する前に、よく混同されがちなAI活用とRPA活用について説明します。 これらはよく混同されがちですが、以下のように違いがあります。 RPA=定型の反復作業の代替Excelの転記など AI=属人的、ベテラン作業の代替 RPAはご存知の方も多いと思いますが、AI活用についてはいかがでしょうか。 AIもRPAも簡単な作業を代替するものだと思っていた方もいるのではないでしょうか。 AI活用とは、過去の大量データから最適解を提示することを指します。 この作業は、ベテラン(職人)の過去の経験から一番良い手を見つけ出すことに似ています。 ベテラン(職人)が凄いのは、過去の経験値をたくさん持っているということです。 AIはその知識(データ)を学習することで、与えられた条件での最適解を選択することができます。 AI活用はベテラン(職人)作業を代替することができるのです。 AIもRPAも有意義な技術ですが、これらを混同してはいけません。 RPAに難しいことをさせても良くありませんし(技術的なハードルがある)、AIに簡単な反復業務をさせてもいけません(費用対効果が合わない)。 それらを踏まえて、以下にAI活用のメリットを示します。 ■労働力不足が解消する 少子高齢化による労働力不足や製造業を選択する若者の減少が問題になっており、製造業でも年々人手が足りなくなっています。 しかし、AIを導入することで、属人的業務、ベテラン業務の自動化や効率化を実現でき、限られた人員でも業務をスムーズにこなせるようになります。 ■コスト削減・生産性が向上する AIを活用することで業務判断が標準化され、ヒューマンエラーや部品ロスなどを減らすことができるため、コスト削減や生産性向上も期待できます。 すべてが数値化されるようになり、且つ課題の明確化や数値目標の設定もしやすくなるため、現場との合意も形成することができます。 ■製造の品質や安全性が向上する AIの有効活用により危険な作業を機械に任せられるため、事故の防止につながります。 ヒューマンエラーによる不良品の発生や異物の混入も避けることができます。 属人化した作業を自動化でき、製品品質も安定させられるでしょう。 3.工場におけるAI活用成功事例4選 次に、工場における、AI活用成功事例を4つ紹介いたします。 ■見積業務におけるAI活用成功事例 【課題感】 複雑形状の試作(一品モノ)の受注が多く、過去の図面情報・製作情報の検索に多くの時間と労力がかかっていました。 見積り作業が属人化し、過去の情報も「わかる人にはわかる」状態となっており、ベテランでなければ精緻な見積は出来ず、新人などが出来るものではありませんでした。 【AI活用】 見積り業務に必要な過去案件の検索において、AIを活用して「いつでも」「だれでも」「簡単に」過去案件を検索・参照できる仕組みを構築しました。 これは、過去の図面データをAIに学習させることで、類似した図面をAIが検索します。 類似図面が見つかれば、その際に紐づけておいた営業情報、加工情報などを一緒に提示するようにしました。 【効果】 過去情報を探す時間は従来の1/4となり、これまでバラバラだった過去情報が一元管理され、「それを知っていたら簡単に見積を出せたのに・・」というムダな状況がなくなり業務が効率化されました。 また、この仕組みを生産計画部門でも利用しており、生産計画部門も業務の効率化に繋がりました。 このシステムは紐づける情報次第で、様々な部門で活用することが出来ます。 ⇒関連記事:AI見積り導入の費用感やAI選定方法は?導入効果や進め方についても解説! ■生産計画業務におけるAI活用成功事例 【課題感】 生産計画(工程計画)には<設備条件><材料条件><担当者スキル><在庫条件><納期条件><生産状況>等が複雑に絡み合い、多面的な知識と豊富な経験が必要で作業立案はベテラン1名で担当していました。 経験の浅い作業員では、立案ミスをする可能性があり、トラブルや運転停止のリスクが高いため仕事を任せられない現状がありました。 【AI活用】 数理最適化を用いて生産計画を最適化するシステムを構築しました。 構築にあたり、担当者の考え方やロジックをドキュメントに落とし込み、システム上で最適化した計画を立案・ガントチャートにて表示しました。 システムの見た目は通常のスケジューラーと似ていますが、裏で計算できるロジックは、通常のスケジューラーでは出来ない条件を計算実施しています。 立案後に担当者が調整可能な機能も実装し、特急品やイレギュラー対応も可能なシステムとしています。 【効果】 属人化していた生産計画について「いつもで」「だれでも」「同じレベル(質)」で生産計画を立案出来るようになりました。 生産計画担当者は属人化しやすく、ノウハウが担当者のみに蓄積される為、後継者の育成に数年~数十年と非常に時間のかかるものでした。 システム化により、技術継承にも継承しました。生産計画をある程度誰でも立案出来るようになり、後継者の育成が難しい「計画立案者の後継者問題」から解放されました。 ⇒関連記事:AIを活用した生産計画自動作成システムとは? ⇒関連記事:生産計画のAI活用を成功させるポイントとは ■外観検査業務におけるAI活用成功事例 【課題感】 外観検査領域においては、従来の画像処理カメラやセンサを用いて、できる限りの自動化をおこなっている企業は数多く存在します。 それでも、従来のカメラで判別できない場合は、やむを得ず目視検査を続けるしかありません。 ただ、目視検査は、担当者の感覚に頼っている場合が多く、担当者毎のばらつきがあり、担当者自身もその時の体調などで判断が変わってしまうことがあります。 もしくは、検査自体が熟練した担当者しかできない=属人化しているケースも多くあります。 担当者で判断が変わったり、熟練者しかできないという検査はモノづくりにおいて、かなり問題があることですが、「実際そのような状況に結果的になってしまっている」というケースが多くあります。 【AI活用】 従来の画像処理では、判断できなかった事象に対して、AIを搭載したカメラを用いることでうまく検査が出来るようになります。 例えば、透明なカップの外観や板地に模様がある中での傷の検査など、従来人の目でした判断がつかなかった事象についてもうまくとらえられるようになりました 【効果】 目視検査は人員を集めることも大変ですし、判断は標準化させることも難しい業務です。 その検査自体が、職人技なのであれば、さらに問題は複雑です。 AIカメラで代替させることで、品質基準は統一化され、365日24時間、同じ品筒基準で検査をしてくれるようになりました。 また、システム化により後継者の育成が難しい「外観検査の後継者問題」からも解放されました。 ⇒関連記事:AI外観検査とは?従来の画像検査との違い、導入のメリットや注意点とは? ■在庫管理業務におけるAI活用成功事例 【課題感】 発注担当者は、在庫切れが起こらないよう日々在庫確認と発注作業が必要でした。 その一方で、確認作業や発注作業のタイミングは各担当者に一任されており、社内に統一された明確なルールはなく、発注タイミングは個人の感覚に任せられていました。 売上予測や発注業務が属人化しており勘や経験を必要とする業務となっていました。 【AI活用】 過去の商品/在庫/実績/仕入先データ+直近の売上/繁忙期/リードタイム等を機械学習により発注の予測モデルを構築しました。 予測モデルを構築するには、「何が発注に寄与するか」を担当者からヒアリングしながらデータ分析を行いました。 売上予測をもとに品目ごとに在庫切れのタイミングを特定することで、最適な発注タイミングをシステム上で提示します。 自動発注は行わず、最終確認は人間が行い発注をします。 【効果】 属人化していた発注タイミングを「いつもで」「だれでも」「同じレベル(質)」で判断が出来るようになりました。 感覚的(決まりがあるが決まっているものが感覚的な場合もあり)な発注は在庫の持ち過ぎ、持たな過ぎに直結します。 システム構築により、担当者毎の発注に対する質が標準化(凸凹がなくなり)され、在庫の過剰/不足が低減に繋がりました。 4.自社に最適なAIを選ぶときの基準 では、自社の状況に合ったAIはどのように選定していけば良いのでしょうか?以下の5つの基準を鑑みながら、選定していくことが重要です。 1. 目的とニーズの明確化 まずは、自社の目的とニーズを明確にすることが重要です。 AIを導入する目的や期待する効果、解決したい課題などを具体的に定義しましょう。 2. 機能と性能 AIの機能や性能が自社のニーズと一致しているかを確認しましょう。 具体的な要件や予算に基づいて、必要な機能や性能を評価します。 3. データの要件と適合性 自社のデータに合わせてAIが適切に動作するかを確認しましょう。 データの形式、量、品質などに対応できるかを評価します。 4. 解釈可能性と透明性 AIの結果を解釈できるかどうか、判断理由が明示されているかを確認しましょう。 特に、意思決定に影響を与える場合は、解釈可能性が求められます。 5. 可用性と拡張性 AIの実装および展開の容易さ、基幹システムの連携の可否、サポートやメンテナンスの提供、将来の拡張性などを評価しましょう。 自社の状況と予算に適合しているかを検討します。 これらの基準を元に、自社に最適なAIを選択することが重要です。 5.AI導入の具体的なステップ AIを導入する際は、以下の5つのステップを踏み、着実にプロジェクトを進めていくことが重要です。 1. 目的とニーズの明確化 AIを導入する目的やニーズを明確に定義しましょう。 例えば、業務プロセスの効率化、顧客対応の向上、品質管理の強化、従業員の教育負担の軽減など、具体的な目標を設定します。 2. データの収集と前処理 AIはデータに基づいて学習し予測を行いますので、必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 3. AIモデルの選択 導入するAIの種類やモデルを選定します。 自然言語処理によるチャットボット、画像認識による品質管理システムなど、目的やニーズに合ったAIモデル・ツールを選びましょう。 4. モデルの学習と評価 選んだAIモデルをデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 5. 導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。 6.AI活用の課題と注意点 AI導入おけるもっと重要な箇所は、1番初めの「課題の抽出、目的とニーズの明確化」です。 <どこが課題>で<何を目的に導入するのか>をユーザー側は明確にする必要があります。 <目的>が曖昧だったり、ブレてしまうと、どういうAIを選定するか?を考える際に、AIが出来ることが優先され、結果的に導入されたもののさほど意味がない(当初の課題を解決してくれない)ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識(何が出来て何が出来ないか)を知っておく必要があります。 課題のすべてをAIが解決してくれるとは限らないのです。 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 「そもそもそれはAIで解決すべきではない」という結論です。 課題に対して、解決方法(アプローチ方法)はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか?技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま(知識がないまま)実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 7.まとめ 船井総研では、上流の課題抽出からお客様と一緒に考え、取り上げられた課題は「今のAI技術で解決出来そうか」や、「技術的なハードルはどこか」を考慮しながらアドバイスを行っていきます。 AIプロジェクトだけではなく、様々なシステム開発に携わってきた観点からお客様の課題に対して「課題抽出→企画→要求取りまとめ→ベンダー選定→要件定義→システム開発→検証→ゴール(運用)」までお客様と共に伴走をしていきます。 工場内の課題に対して、「たくさん課題があるが何から手を付けるべきはわからない。」「AIを活用したいが、そもそもAIが必要なのか、どこに使えそうかわからない」という方はぜひ、船井総研までご相談下さい。 無料経営相談はこちら   無料ダウンロード!!2024年AI活用時流予測レポート ~今後の業界動向・トレンドを予測~ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる! 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045 近年では、様々な分野でAI(人工知能)が活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 製造業におけるAI活用は非常に大きな効果をもたらすことが期待されており、既に日本国内でも、AIを活用することでスマートファクトリー構想を実現している工場も存在している状態です。具体的には、AIによる需要予測、画像解析、異常検知・故障予知の分野において、成果を上げています。 現在では、様々なAIソリューションが散見されるため、 どのような業務においてAIが活用できるのかわからない! 結局自社に最適なAI活用法がわからない! ディープラーニングやアルゴリズムなど、AIの知識が高度・専門的過ぎてよくわからない! と感じる方も多いのではないでしょうか。 本記事では、製造業におけるAI活用を検討されてる方に向けて、「工場におけるAI活用法4選」「自社に最適なAIを選ぶときの基準」「AI導入の具体的なステップ」「AI活用の課題と注意点」等について記載しています。 情報収集のお役に立てば幸いです。 1.製造業におけるAIの現状 AI活用がバズワードとなり久しいですが、実際に様々な分野で、目に見えるところ/見えないところでAIが活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 全業種おいて30%を占める製造業ですが、AI活用は実際どのようになっているのでしょうか。 少し古い資料にはなりますが、財務省の調査データによると、2018年時点で企業全体の10.9%が“AIを活用している“にとどまっており、製造業も11.6%とほぼ変わらない結果となっています。 資本力のある大企業で16.5%、中堅以下の会社では5.6%と、非常に限定的な活用状況と言わざるを得ないのが現状です。 ちなみに、ここでのAI活用は「AIチャットボット」がほとんどのようです。 2024年時点でも少しずつ進捗はしているものの、AI活用に関しては大きな改善はまだ見られないと感じています。 一方で昨今の生成AIの台頭もあり、今後AI活用は急激に飛躍するかもしれません。 ⇒関連記事:AI導入で製造業の仕事はなくなるのか?2024年の展望 2.製造業におけるAI活用のメリット AI活用のメリットを説明する前に、よく混同されがちなAI活用とRPA活用について説明します。 これらはよく混同されがちですが、以下のように違いがあります。 RPA=定型の反復作業の代替Excelの転記など AI=属人的、ベテラン作業の代替 RPAはご存知の方も多いと思いますが、AI活用についてはいかがでしょうか。 AIもRPAも簡単な作業を代替するものだと思っていた方もいるのではないでしょうか。 AI活用とは、過去の大量データから最適解を提示することを指します。 この作業は、ベテラン(職人)の過去の経験から一番良い手を見つけ出すことに似ています。 ベテラン(職人)が凄いのは、過去の経験値をたくさん持っているということです。 AIはその知識(データ)を学習することで、与えられた条件での最適解を選択することができます。 AI活用はベテラン(職人)作業を代替することができるのです。 AIもRPAも有意義な技術ですが、これらを混同してはいけません。 RPAに難しいことをさせても良くありませんし(技術的なハードルがある)、AIに簡単な反復業務をさせてもいけません(費用対効果が合わない)。 それらを踏まえて、以下にAI活用のメリットを示します。 ■労働力不足が解消する 少子高齢化による労働力不足や製造業を選択する若者の減少が問題になっており、製造業でも年々人手が足りなくなっています。 しかし、AIを導入することで、属人的業務、ベテラン業務の自動化や効率化を実現でき、限られた人員でも業務をスムーズにこなせるようになります。 ■コスト削減・生産性が向上する AIを活用することで業務判断が標準化され、ヒューマンエラーや部品ロスなどを減らすことができるため、コスト削減や生産性向上も期待できます。 すべてが数値化されるようになり、且つ課題の明確化や数値目標の設定もしやすくなるため、現場との合意も形成することができます。 ■製造の品質や安全性が向上する AIの有効活用により危険な作業を機械に任せられるため、事故の防止につながります。 ヒューマンエラーによる不良品の発生や異物の混入も避けることができます。 属人化した作業を自動化でき、製品品質も安定させられるでしょう。 3.工場におけるAI活用成功事例4選 次に、工場における、AI活用成功事例を4つ紹介いたします。 ■見積業務におけるAI活用成功事例 【課題感】 複雑形状の試作(一品モノ)の受注が多く、過去の図面情報・製作情報の検索に多くの時間と労力がかかっていました。 見積り作業が属人化し、過去の情報も「わかる人にはわかる」状態となっており、ベテランでなければ精緻な見積は出来ず、新人などが出来るものではありませんでした。 【AI活用】 見積り業務に必要な過去案件の検索において、AIを活用して「いつでも」「だれでも」「簡単に」過去案件を検索・参照できる仕組みを構築しました。 これは、過去の図面データをAIに学習させることで、類似した図面をAIが検索します。 類似図面が見つかれば、その際に紐づけておいた営業情報、加工情報などを一緒に提示するようにしました。 【効果】 過去情報を探す時間は従来の1/4となり、これまでバラバラだった過去情報が一元管理され、「それを知っていたら簡単に見積を出せたのに・・」というムダな状況がなくなり業務が効率化されました。 また、この仕組みを生産計画部門でも利用しており、生産計画部門も業務の効率化に繋がりました。 このシステムは紐づける情報次第で、様々な部門で活用することが出来ます。 ⇒関連記事:AI見積り導入の費用感やAI選定方法は?導入効果や進め方についても解説! ■生産計画業務におけるAI活用成功事例 【課題感】 生産計画(工程計画)には<設備条件><材料条件><担当者スキル><在庫条件><納期条件><生産状況>等が複雑に絡み合い、多面的な知識と豊富な経験が必要で作業立案はベテラン1名で担当していました。 経験の浅い作業員では、立案ミスをする可能性があり、トラブルや運転停止のリスクが高いため仕事を任せられない現状がありました。 【AI活用】 数理最適化を用いて生産計画を最適化するシステムを構築しました。 構築にあたり、担当者の考え方やロジックをドキュメントに落とし込み、システム上で最適化した計画を立案・ガントチャートにて表示しました。 システムの見た目は通常のスケジューラーと似ていますが、裏で計算できるロジックは、通常のスケジューラーでは出来ない条件を計算実施しています。 立案後に担当者が調整可能な機能も実装し、特急品やイレギュラー対応も可能なシステムとしています。 【効果】 属人化していた生産計画について「いつもで」「だれでも」「同じレベル(質)」で生産計画を立案出来るようになりました。 生産計画担当者は属人化しやすく、ノウハウが担当者のみに蓄積される為、後継者の育成に数年~数十年と非常に時間のかかるものでした。 システム化により、技術継承にも継承しました。生産計画をある程度誰でも立案出来るようになり、後継者の育成が難しい「計画立案者の後継者問題」から解放されました。 ⇒関連記事:AIを活用した生産計画自動作成システムとは? ⇒関連記事:生産計画のAI活用を成功させるポイントとは ■外観検査業務におけるAI活用成功事例 【課題感】 外観検査領域においては、従来の画像処理カメラやセンサを用いて、できる限りの自動化をおこなっている企業は数多く存在します。 それでも、従来のカメラで判別できない場合は、やむを得ず目視検査を続けるしかありません。 ただ、目視検査は、担当者の感覚に頼っている場合が多く、担当者毎のばらつきがあり、担当者自身もその時の体調などで判断が変わってしまうことがあります。 もしくは、検査自体が熟練した担当者しかできない=属人化しているケースも多くあります。 担当者で判断が変わったり、熟練者しかできないという検査はモノづくりにおいて、かなり問題があることですが、「実際そのような状況に結果的になってしまっている」というケースが多くあります。 【AI活用】 従来の画像処理では、判断できなかった事象に対して、AIを搭載したカメラを用いることでうまく検査が出来るようになります。 例えば、透明なカップの外観や板地に模様がある中での傷の検査など、従来人の目でした判断がつかなかった事象についてもうまくとらえられるようになりました 【効果】 目視検査は人員を集めることも大変ですし、判断は標準化させることも難しい業務です。 その検査自体が、職人技なのであれば、さらに問題は複雑です。 AIカメラで代替させることで、品質基準は統一化され、365日24時間、同じ品筒基準で検査をしてくれるようになりました。 また、システム化により後継者の育成が難しい「外観検査の後継者問題」からも解放されました。 ⇒関連記事:AI外観検査とは?従来の画像検査との違い、導入のメリットや注意点とは? ■在庫管理業務におけるAI活用成功事例 【課題感】 発注担当者は、在庫切れが起こらないよう日々在庫確認と発注作業が必要でした。 その一方で、確認作業や発注作業のタイミングは各担当者に一任されており、社内に統一された明確なルールはなく、発注タイミングは個人の感覚に任せられていました。 売上予測や発注業務が属人化しており勘や経験を必要とする業務となっていました。 【AI活用】 過去の商品/在庫/実績/仕入先データ+直近の売上/繁忙期/リードタイム等を機械学習により発注の予測モデルを構築しました。 予測モデルを構築するには、「何が発注に寄与するか」を担当者からヒアリングしながらデータ分析を行いました。 売上予測をもとに品目ごとに在庫切れのタイミングを特定することで、最適な発注タイミングをシステム上で提示します。 自動発注は行わず、最終確認は人間が行い発注をします。 【効果】 属人化していた発注タイミングを「いつもで」「だれでも」「同じレベル(質)」で判断が出来るようになりました。 感覚的(決まりがあるが決まっているものが感覚的な場合もあり)な発注は在庫の持ち過ぎ、持たな過ぎに直結します。 システム構築により、担当者毎の発注に対する質が標準化(凸凹がなくなり)され、在庫の過剰/不足が低減に繋がりました。 4.自社に最適なAIを選ぶときの基準 では、自社の状況に合ったAIはどのように選定していけば良いのでしょうか?以下の5つの基準を鑑みながら、選定していくことが重要です。 1. 目的とニーズの明確化 まずは、自社の目的とニーズを明確にすることが重要です。 AIを導入する目的や期待する効果、解決したい課題などを具体的に定義しましょう。 2. 機能と性能 AIの機能や性能が自社のニーズと一致しているかを確認しましょう。 具体的な要件や予算に基づいて、必要な機能や性能を評価します。 3. データの要件と適合性 自社のデータに合わせてAIが適切に動作するかを確認しましょう。 データの形式、量、品質などに対応できるかを評価します。 4. 解釈可能性と透明性 AIの結果を解釈できるかどうか、判断理由が明示されているかを確認しましょう。 特に、意思決定に影響を与える場合は、解釈可能性が求められます。 5. 可用性と拡張性 AIの実装および展開の容易さ、基幹システムの連携の可否、サポートやメンテナンスの提供、将来の拡張性などを評価しましょう。 自社の状況と予算に適合しているかを検討します。 これらの基準を元に、自社に最適なAIを選択することが重要です。 5.AI導入の具体的なステップ AIを導入する際は、以下の5つのステップを踏み、着実にプロジェクトを進めていくことが重要です。 1. 目的とニーズの明確化 AIを導入する目的やニーズを明確に定義しましょう。 例えば、業務プロセスの効率化、顧客対応の向上、品質管理の強化、従業員の教育負担の軽減など、具体的な目標を設定します。 2. データの収集と前処理 AIはデータに基づいて学習し予測を行いますので、必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 3. AIモデルの選択 導入するAIの種類やモデルを選定します。 自然言語処理によるチャットボット、画像認識による品質管理システムなど、目的やニーズに合ったAIモデル・ツールを選びましょう。 4. モデルの学習と評価 選んだAIモデルをデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 5. 導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。 6.AI活用の課題と注意点 AI導入おけるもっと重要な箇所は、1番初めの「課題の抽出、目的とニーズの明確化」です。 <どこが課題>で<何を目的に導入するのか>をユーザー側は明確にする必要があります。 <目的>が曖昧だったり、ブレてしまうと、どういうAIを選定するか?を考える際に、AIが出来ることが優先され、結果的に導入されたもののさほど意味がない(当初の課題を解決してくれない)ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識(何が出来て何が出来ないか)を知っておく必要があります。 課題のすべてをAIが解決してくれるとは限らないのです。 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 「そもそもそれはAIで解決すべきではない」という結論です。 課題に対して、解決方法(アプローチ方法)はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか?技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま(知識がないまま)実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 7.まとめ 船井総研では、上流の課題抽出からお客様と一緒に考え、取り上げられた課題は「今のAI技術で解決出来そうか」や、「技術的なハードルはどこか」を考慮しながらアドバイスを行っていきます。 AIプロジェクトだけではなく、様々なシステム開発に携わってきた観点からお客様の課題に対して「課題抽出→企画→要求取りまとめ→ベンダー選定→要件定義→システム開発→検証→ゴール(運用)」までお客様と共に伴走をしていきます。 工場内の課題に対して、「たくさん課題があるが何から手を付けるべきはわからない。」「AIを活用したいが、そもそもAIが必要なのか、どこに使えそうかわからない」という方はぜひ、船井総研までご相談下さい。 無料経営相談はこちら   無料ダウンロード!!2024年AI活用時流予測レポート ~今後の業界動向・トレンドを予測~ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる! 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045

成形業界におけるDX・AI・IoT活用のポイント

2024.02.20

今回は成形業界の課題と解決方法と題して、述べさせて頂きます。 成形業界は、広範な産業において重要な役割を果たしています。 成形と言っても、樹脂・ゴム・鋳造・鍛造・プレスなど様々ございます。 業界に共通している様々な課題、取り組むべき方向性について探ってみましょう。 1.成形業界の課題 ◎技術継承 成形技術は、経験と知識に基づいた手法が多いため、ベテラン技術者の引退や 人材不足により技術継承の課題があります。 ◎技術の属人化 成形業界は、技術が属人化されています。 熟練技術者の経験や知識によって、問題がある程度解決できているため、 属人化が進んでしまい、工程の見える化が進んでいません。 ◎人手不足や技術者の高齢化 労働人口減少により、製造業従事者も減少しております。 それにより、生産性の低下・品質の低下・労働環境の悪化・競争力の低下・ 技術革新の遅れなど、様々な問題が起こっています。 製品の品質管理においても、適切な監視や検査が困難になる場合があります。十分な人手がいないことで、不良品の早期発見や品質のコントロールが難しくなります。 ◎環境への影響 成形プロセスに伴う廃棄物や排出物は、環境への負荷となる可能性がありま す。廃棄物の適切な処理やリサイクル、バイオプラスチックの研究開発など、 環境に配慮した取り組みが求められています。 ◎エネルギー消費の削減 成形には、高温や高圧の条件が必要なため、エネルギー消費が大きいという 課題があります。省エネルギー技術の導入やプロセスの最適化、 代替エネルギーの活用など、エネルギー効率を向上させる取り組みが必要です。 などなど課題を上げればきりがありません。 そのなかで、技術継承・属人化技術の解消・人手不足など、自社で取り組める課題に関して、簡単ではありますが考えられる解決策を述べさせて頂きます。 皆様の一助になればありがたいです。 2.成形業界の課題に対する解決策 ◎技術継承や属人化技術の解消 ベテラン技術者の知識や経験の継承は、自社発展を支える重要な要素です。 技術継承を効果的に行うためには、知識やノウハウを文書化し、情報共有の仕組みを整備することが重要です。技術的な手順書や作業マニュアルを作成し、新たなメンバーに伝える際の参考資料として活用します。 キャリアパスの明確化も必要です。技術者が将来の成長やキャリアの展望を持つことで、継続的な学習やスキルの向上につながります。 ◎労働環境の改善や労働時間の見直し 従業員のワークライフバランスを向上させます。柔軟な労働時間制度や労働条件の改善は、従業員の満足度や生産性の向上につながる可能性があります。 異なるバックグラウンドや視点を持つ人材の採用や育成が必要です。新卒採用や中途採用の際には、様々なバックグラウンドを持つ人材を求めるようにしましょう。また、異業種からの転職者や外部の専門家との協業、グローバルな視野を持つ人材の活用なども考慮します。多様な人材が集まることで、新たなアイデアや知識が交流され、新たな成果を生み出す可能性が高まります。 今まで述べてきた方法はアナログ的な手法です。 これらの諸課題を解決するために、DX・AI・IoTを活用しては如何でしょうか。 次に、成形業界におけるDX・AI・IoT活用のポイントを見ていきます。 3.成形業界におけるDX・AI・IoT活用のポイント AI・IoTと言われると、取っつきにくいと感じることもあるかと思います。 簡単に言えば、データを活用して、諸課題を解決していく手法です。 言い換えると技術のデータ化です。 ただこれらは、手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 成形業界におけるDX・AI・IoTの活用は、 生産工程の効率化や改善 設備や装置の予知保全 成形ラインの生産性向上 作業時間の短縮と労働力の節約 品質管理の強化 製品開発の革新 など多岐にわたります。 もっと具体的に示すと、 各種センサーなどからリアルタイムでモニタリングをすることで、 下記の様な技術的・品質管理的なDXが進んでいます。 ◎生産現場 生産ラインの最適化 機械の稼働状況監視 品質データ収集により生産性の向上 遠隔モニタリングや遠隔操作で生産ラインの柔軟性と運用効率の向上 データ分析による異常検知や予知保全 成形条件の自動調整 ◎品質管理 品質の追跡管理 異常検知 不良品検出 自動的な品質分類 ◎技術継承や脱属人化 AIカメラでベテラン技術者の動作を撮影し解析 ◎製品開発 開発スピードと革新性が向上し、市場投入までの時間を短縮 4.成形業界におけるDX・AI・IoT活用の今後 今後はDX、AI、IoTのさらなる普及と進化が予想されます。 AIはより高度な予知保全機能を備え、設備の故障を事前に検知してメンテナンスを行うシステムへと発展。 その結果として、製品品質の向上、生産効率の最適化、製品開発の高速化などが実現されていくでしょう。 自動化技術やAI、IoTを上手く活用することで、 冒頭の課題(技術継承・技術の属人化・人手不足など)を補うことができます。 しつこいですが、これらは手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 活用方法など、お気軽にお問合せ下さい。 ■関連するセミナーのご案内 樹脂成型・ゴム成型工場の為の経営改善セミナー 品質UP!生産性UP!熟練者不足対策!技術の脱属人化&技術継承!AI&IoT活用! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 このような方にオススメ 従業員200名以下で成型工程を持つ製造業 単品大量生産ではなく多品種少量生産の成型工程を持つ製造業 成型工程において職人の熟練技術に依存している製造業 職人技術・熟練技術の標準化・脱属人化&技術継承を目指している成型製造業 品質管理に課題があり製品ロス率が高いと感じている成型製造業 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/04/08 (月) 13:00~15:00 2024/04/10 (水) 13:00~15:00 2024/04/19 (金) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111326 無料ダウンロード!! 2024年AI活用時流予測レポート ~今後の業界動向・トレンドを予測~ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる! 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045 いつも当コラムをご愛読いただきありがとうございます。 今回は成形業界の課題と解決方法と題して、述べさせて頂きます。 成形業界は、広範な産業において重要な役割を果たしています。 成形と言っても、樹脂・ゴム・鋳造・鍛造・プレスなど様々ございます。 業界に共通している様々な課題、取り組むべき方向性について探ってみましょう。 1.成形業界の課題 ◎技術継承 成形技術は、経験と知識に基づいた手法が多いため、ベテラン技術者の引退や 人材不足により技術継承の課題があります。 ◎技術の属人化 成形業界は、技術が属人化されています。 熟練技術者の経験や知識によって、問題がある程度解決できているため、 属人化が進んでしまい、工程の見える化が進んでいません。 ◎人手不足や技術者の高齢化 労働人口減少により、製造業従事者も減少しております。 それにより、生産性の低下・品質の低下・労働環境の悪化・競争力の低下・ 技術革新の遅れなど、様々な問題が起こっています。 製品の品質管理においても、適切な監視や検査が困難になる場合があります。十分な人手がいないことで、不良品の早期発見や品質のコントロールが難しくなります。 ◎環境への影響 成形プロセスに伴う廃棄物や排出物は、環境への負荷となる可能性がありま す。廃棄物の適切な処理やリサイクル、バイオプラスチックの研究開発など、 環境に配慮した取り組みが求められています。 ◎エネルギー消費の削減 成形には、高温や高圧の条件が必要なため、エネルギー消費が大きいという 課題があります。省エネルギー技術の導入やプロセスの最適化、 代替エネルギーの活用など、エネルギー効率を向上させる取り組みが必要です。 などなど課題を上げればきりがありません。 そのなかで、技術継承・属人化技術の解消・人手不足など、自社で取り組める課題に関して、簡単ではありますが考えられる解決策を述べさせて頂きます。 皆様の一助になればありがたいです。 2.成形業界の課題に対する解決策 ◎技術継承や属人化技術の解消 ベテラン技術者の知識や経験の継承は、自社発展を支える重要な要素です。 技術継承を効果的に行うためには、知識やノウハウを文書化し、情報共有の仕組みを整備することが重要です。技術的な手順書や作業マニュアルを作成し、新たなメンバーに伝える際の参考資料として活用します。 キャリアパスの明確化も必要です。技術者が将来の成長やキャリアの展望を持つことで、継続的な学習やスキルの向上につながります。 ◎労働環境の改善や労働時間の見直し 従業員のワークライフバランスを向上させます。柔軟な労働時間制度や労働条件の改善は、従業員の満足度や生産性の向上につながる可能性があります。 異なるバックグラウンドや視点を持つ人材の採用や育成が必要です。新卒採用や中途採用の際には、様々なバックグラウンドを持つ人材を求めるようにしましょう。また、異業種からの転職者や外部の専門家との協業、グローバルな視野を持つ人材の活用なども考慮します。多様な人材が集まることで、新たなアイデアや知識が交流され、新たな成果を生み出す可能性が高まります。 今まで述べてきた方法はアナログ的な手法です。 これらの諸課題を解決するために、DX・AI・IoTを活用しては如何でしょうか。 次に、成形業界におけるDX・AI・IoT活用のポイントを見ていきます。 3.成形業界におけるDX・AI・IoT活用のポイント AI・IoTと言われると、取っつきにくいと感じることもあるかと思います。 簡単に言えば、データを活用して、諸課題を解決していく手法です。 言い換えると技術のデータ化です。 ただこれらは、手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 成形業界におけるDX・AI・IoTの活用は、 生産工程の効率化や改善 設備や装置の予知保全 成形ラインの生産性向上 作業時間の短縮と労働力の節約 品質管理の強化 製品開発の革新 など多岐にわたります。 もっと具体的に示すと、 各種センサーなどからリアルタイムでモニタリングをすることで、 下記の様な技術的・品質管理的なDXが進んでいます。 ◎生産現場 生産ラインの最適化 機械の稼働状況監視 品質データ収集により生産性の向上 遠隔モニタリングや遠隔操作で生産ラインの柔軟性と運用効率の向上 データ分析による異常検知や予知保全 成形条件の自動調整 ◎品質管理 品質の追跡管理 異常検知 不良品検出 自動的な品質分類 ◎技術継承や脱属人化 AIカメラでベテラン技術者の動作を撮影し解析 ◎製品開発 開発スピードと革新性が向上し、市場投入までの時間を短縮 4.成形業界におけるDX・AI・IoT活用の今後 今後はDX、AI、IoTのさらなる普及と進化が予想されます。 AIはより高度な予知保全機能を備え、設備の故障を事前に検知してメンテナンスを行うシステムへと発展。 その結果として、製品品質の向上、生産効率の最適化、製品開発の高速化などが実現されていくでしょう。 自動化技術やAI、IoTを上手く活用することで、 冒頭の課題(技術継承・技術の属人化・人手不足など)を補うことができます。 しつこいですが、これらは手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 活用方法など、お気軽にお問合せ下さい。 ■関連するセミナーのご案内 樹脂成型・ゴム成型工場の為の経営改善セミナー 品質UP!生産性UP!熟練者不足対策!技術の脱属人化&技術継承!AI&IoT活用! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 このような方にオススメ 従業員200名以下で成型工程を持つ製造業 単品大量生産ではなく多品種少量生産の成型工程を持つ製造業 成型工程において職人の熟練技術に依存している製造業 職人技術・熟練技術の標準化・脱属人化&技術継承を目指している成型製造業 品質管理に課題があり製品ロス率が高いと感じている成型製造業 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/04/08 (月) 13:00~15:00 2024/04/10 (水) 13:00~15:00 2024/04/19 (金) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111326 無料ダウンロード!! 2024年AI活用時流予測レポート ~今後の業界動向・トレンドを予測~ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる! 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045

IoT化で自社製品を高付加価値化・差別化するための開発ポイントとは? | 徹底解説

2024.02.13

IoT化で自社製品を高付加価値化・差別化するための開発のポイントについて、わかりやすく説明させていただきます。 自社製品を高付加価値化・差別化するための開発ポイントと、無線化する際のポイントを以下に示します。 1.自社製品をIoT化する目的 自社製品をIoT化する目的は、IoT技術の活用により、製品の価値を高め、事業の成長と競争力の強化を実現し製品の高付加価値化、差別化を実現することです。 具体的には下記6つのポイントを考慮しながらそれをどのように実現するのか?を検討します。 ①市場競争力の強化 IoT化により、製品の機能や性能を向上させ、市場での競争力を強化します。 顧客ニーズに合った新しい機能やサービスを提供することで、競合他社との差別化を図ります。 ②顧客満足度の向上 IoT化された製品は、顧客の利便性や体験を向上させることができます。 製品のリモートモニタリングや制御、サービスの提供などにより、顧客満足度を高めます。 ③新たなビジネスモデルの構築 IoT化により、製品とサービスを組み合わせた新たなビジネスモデルを構築することが可能です。 例えば、製品の購入ではなくサブスクリプションモデルやサービス提供モデルを導入することで、持続的な収益を生み出します。 ④生産性と効率性の向上を提供 IoT化された製品は、リアルタイムデータの収集や分析を通じて生産性と効率性を向上させることができます。 この製品のユーザーは生産プロセスの最適化やトラブルの早期検出により、製造工程全体の効率を向上させることが可能になります。 ⑤製品ライフサイクル管理の改善を提供 IoT化により、製品の使用状況や性能をリアルタイムでモニタリングし、製品ライフサイクル全体を管理することが可能です。 この製品のユーザーは製品のメンテナンスやサポートを効率化し、製品の寿命を延ばし巣ことが可能になります。 ⑥持続可能性と環境への配慮を提供 IoT化された製品は、エネルギー消費や資源利用の最適化に貢献します。 この製品のユーザーはリアルタイムデータを活用して、生産プロセスや製品の設計を持続可能な方向に改善し、環境への配慮を促進します。 2.IoT化による製品開発のポイント 自社製品をIoT化する際の開発のポイントは主に5項目です。 自社製品のみで実現、他社製品やシステムと組み合わせて実現など、ユーザーに選択肢をもたせながら ユーザーに対して提案していきます。 また、IoT化を行う際、無線技術を用いるケースが増えています。 本コラムでは無線化(ワイヤレス化)のポイントも併せて説明します。 ①顧客ニーズの理解 顧客のニーズや要求を的確に把握し、そのニーズに応えるような製品を設計します。顧客の課題や痛点を解決する製品を提供することが重要です。 ②センサー技術の活用 センサー技術を使用して製品の状態や環境をモニタリングし、リアルタイムのデータを収集します。 このデータを分析して製品の改善や新しい機能の開発に活用します。 ③リモートモニタリングと制御 IoT化された製品はリモートからモニタリングや制御が可能です。 顧客が製品の状態を遠隔地から確認し、必要に応じて操作できるようにします。 ④データドリブンなアプローチ IoT化された製品は大量のデータを生成します。 このデータを分析して製品の使用状況やパフォーマンスを理解し、製品の改善に役立てます。 ⑤サービスの提供 IoT化された製品には、付加価値の高いサービスを提供します。 定期的なメンテナンスや予防保守、リアルタイムのトラブルシューティングサポートなどを提供します。 次に、“無線化する際のポイント“に関しても説明します。 製品の運用方法、使用環境(屋内、屋外)、通信距離、伝送するデータ量や通信頻度、電源の有無、電池駆動の場合電池寿命等を考慮しながら最適な無線技術を選択する必要があります。 主なポイントは下記6点です。 ①通信プロトコルの選定 使用環境や要件に応じて適切な無線通信プロトコルを選定します。 例えば、Wi-Fi、Bluetooth、Zigbee、LoRaWANなどが選択肢となります。 ②電力消費の最適化 バッテリー駆動の場合、電力消費を最小限に抑える設計が重要です。 前述①にも関係しますが、省電力の通信プトロコル選択や通信頻度、運用方法を検討し効率的な電力管理を行う必要があります。 ③通信の安定性と範囲 通信範囲やデータ伝送の安定性を考慮し、適切なアンテナ設計や通信モジュールの配置を行います。 組み込みの状態や使用環境による影響を最小限に抑えるための工夫が必要です。 ④セキュリティ 無線通信はセキュリティリスクを伴います。 適切な暗号化技術や認証メカニズムを使用して、データの安全性を確保します。 一般的には各通信プロトコルが実装しているセキュリティを使用しますが、よりセキュリティを高めるため アプリケーションレベルでのセキュリティを実装する場合もあります。 ⑤規制要件の遵守 使用する無線技術や周波数帯域に関する規制要件を遵守し、適切な認証や認定を取得します。 法規制や業界規格に準拠することが重要です。 日本で使用する場合、日本国の電波法に従う義務があります。 そのため、技術適合証明や工事認証の取得が必要になります。 また、輸出等を行う場合、輸出先の国の電波法に準拠する必要があります。 ⑦実証試験とフィードバック 実際の使用環境でのテストを通じて、無線通信のパフォーマンスを評価し、改善点を特定します。 フィールドテストの結果、顧客からのフィードバックを収集し、製品の改善に活用します。 以上、説明したこれらのポイントを考慮して、自社製品のIoT化を行いし、必要に応じて無線通信を実装することにより、自社製品の高付加価値化、他社製品との差別化を実現します。 3.まとめ 今回のコラムでは、“IoT化で自社製品を高付加価値化・差別化するための開発のポイント”につきまして簡単ではありますが説明させていただきました。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にしていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や開発支援が必要といった場合は、お気軽に弊社にご相談ください。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 中堅・中小設計開発メーカーのAI・IoTを活用した開発戦略 AI・IoT対応製品を新規開発して高付加価値&差別化した製品開発を目指そう! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/111543 このような方にオススメ 自社製品を設計開発・製造している従業員30~500名の設計開発・製品製造メーカー 自社製品の付加価値をもっと高めたいと感じている設計開発・製品製造メーカー 同業他社と比べて自社製品をもっと差別化したいと感じている設計開発・製品製造メーカー AI・IoTを活用した新製品開発とはどのように進めるのか関心のある設計開発・製品製造メーカー AI・IoTを活用した新製品開発の他社事例を学びたい設計開発・製品製造メーカー ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/04/11 (木) 13:00~15:00 2024/04/12 (金) 13:00~15:00 2024/04/17 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111543   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを1冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045 IoT化で自社製品を高付加価値化・差別化するための開発のポイントについて、わかりやすく説明させていただきます。 自社製品を高付加価値化・差別化するための開発ポイントと、無線化する際のポイントを以下に示します。 1.自社製品をIoT化する目的 自社製品をIoT化する目的は、IoT技術の活用により、製品の価値を高め、事業の成長と競争力の強化を実現し製品の高付加価値化、差別化を実現することです。 具体的には下記6つのポイントを考慮しながらそれをどのように実現するのか?を検討します。 ①市場競争力の強化 IoT化により、製品の機能や性能を向上させ、市場での競争力を強化します。 顧客ニーズに合った新しい機能やサービスを提供することで、競合他社との差別化を図ります。 ②顧客満足度の向上 IoT化された製品は、顧客の利便性や体験を向上させることができます。 製品のリモートモニタリングや制御、サービスの提供などにより、顧客満足度を高めます。 ③新たなビジネスモデルの構築 IoT化により、製品とサービスを組み合わせた新たなビジネスモデルを構築することが可能です。 例えば、製品の購入ではなくサブスクリプションモデルやサービス提供モデルを導入することで、持続的な収益を生み出します。 ④生産性と効率性の向上を提供 IoT化された製品は、リアルタイムデータの収集や分析を通じて生産性と効率性を向上させることができます。 この製品のユーザーは生産プロセスの最適化やトラブルの早期検出により、製造工程全体の効率を向上させることが可能になります。 ⑤製品ライフサイクル管理の改善を提供 IoT化により、製品の使用状況や性能をリアルタイムでモニタリングし、製品ライフサイクル全体を管理することが可能です。 この製品のユーザーは製品のメンテナンスやサポートを効率化し、製品の寿命を延ばし巣ことが可能になります。 ⑥持続可能性と環境への配慮を提供 IoT化された製品は、エネルギー消費や資源利用の最適化に貢献します。 この製品のユーザーはリアルタイムデータを活用して、生産プロセスや製品の設計を持続可能な方向に改善し、環境への配慮を促進します。 2.IoT化による製品開発のポイント 自社製品をIoT化する際の開発のポイントは主に5項目です。 自社製品のみで実現、他社製品やシステムと組み合わせて実現など、ユーザーに選択肢をもたせながら ユーザーに対して提案していきます。 また、IoT化を行う際、無線技術を用いるケースが増えています。 本コラムでは無線化(ワイヤレス化)のポイントも併せて説明します。 ①顧客ニーズの理解 顧客のニーズや要求を的確に把握し、そのニーズに応えるような製品を設計します。顧客の課題や痛点を解決する製品を提供することが重要です。 ②センサー技術の活用 センサー技術を使用して製品の状態や環境をモニタリングし、リアルタイムのデータを収集します。 このデータを分析して製品の改善や新しい機能の開発に活用します。 ③リモートモニタリングと制御 IoT化された製品はリモートからモニタリングや制御が可能です。 顧客が製品の状態を遠隔地から確認し、必要に応じて操作できるようにします。 ④データドリブンなアプローチ IoT化された製品は大量のデータを生成します。 このデータを分析して製品の使用状況やパフォーマンスを理解し、製品の改善に役立てます。 ⑤サービスの提供 IoT化された製品には、付加価値の高いサービスを提供します。 定期的なメンテナンスや予防保守、リアルタイムのトラブルシューティングサポートなどを提供します。 次に、“無線化する際のポイント“に関しても説明します。 製品の運用方法、使用環境(屋内、屋外)、通信距離、伝送するデータ量や通信頻度、電源の有無、電池駆動の場合電池寿命等を考慮しながら最適な無線技術を選択する必要があります。 主なポイントは下記6点です。 ①通信プロトコルの選定 使用環境や要件に応じて適切な無線通信プロトコルを選定します。 例えば、Wi-Fi、Bluetooth、Zigbee、LoRaWANなどが選択肢となります。 ②電力消費の最適化 バッテリー駆動の場合、電力消費を最小限に抑える設計が重要です。 前述①にも関係しますが、省電力の通信プトロコル選択や通信頻度、運用方法を検討し効率的な電力管理を行う必要があります。 ③通信の安定性と範囲 通信範囲やデータ伝送の安定性を考慮し、適切なアンテナ設計や通信モジュールの配置を行います。 組み込みの状態や使用環境による影響を最小限に抑えるための工夫が必要です。 ④セキュリティ 無線通信はセキュリティリスクを伴います。 適切な暗号化技術や認証メカニズムを使用して、データの安全性を確保します。 一般的には各通信プロトコルが実装しているセキュリティを使用しますが、よりセキュリティを高めるため アプリケーションレベルでのセキュリティを実装する場合もあります。 ⑤規制要件の遵守 使用する無線技術や周波数帯域に関する規制要件を遵守し、適切な認証や認定を取得します。 法規制や業界規格に準拠することが重要です。 日本で使用する場合、日本国の電波法に従う義務があります。 そのため、技術適合証明や工事認証の取得が必要になります。 また、輸出等を行う場合、輸出先の国の電波法に準拠する必要があります。 ⑦実証試験とフィードバック 実際の使用環境でのテストを通じて、無線通信のパフォーマンスを評価し、改善点を特定します。 フィールドテストの結果、顧客からのフィードバックを収集し、製品の改善に活用します。 以上、説明したこれらのポイントを考慮して、自社製品のIoT化を行いし、必要に応じて無線通信を実装することにより、自社製品の高付加価値化、他社製品との差別化を実現します。 3.まとめ 今回のコラムでは、“IoT化で自社製品を高付加価値化・差別化するための開発のポイント”につきまして簡単ではありますが説明させていただきました。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にしていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や開発支援が必要といった場合は、お気軽に弊社にご相談ください。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 中堅・中小設計開発メーカーのAI・IoTを活用した開発戦略 AI・IoT対応製品を新規開発して高付加価値&差別化した製品開発を目指そう! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/111543 このような方にオススメ 自社製品を設計開発・製造している従業員30~500名の設計開発・製品製造メーカー 自社製品の付加価値をもっと高めたいと感じている設計開発・製品製造メーカー 同業他社と比べて自社製品をもっと差別化したいと感じている設計開発・製品製造メーカー AI・IoTを活用した新製品開発とはどのように進めるのか関心のある設計開発・製品製造メーカー AI・IoTを活用した新製品開発の他社事例を学びたい設計開発・製品製造メーカー ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/04/11 (木) 13:00~15:00 2024/04/12 (金) 13:00~15:00 2024/04/17 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111543   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを1冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045

生産計画の難しさを解消する!スケジューラ導入事例と成功の秘訣

2024.02.05

製造現場では必須の生産計画ですが、最近では生産計画を自動立案する『スケジューラ』というものを様々なベンダーがシステム提供しています。 スケジューラの導入効果は非常に大きなものがありますが、導入に成功したという事例をなかなか耳にしません。 実は導入までには多くのハードルが存在し、乗り越えるためには非常にたくさんの労力が必要となるからです。 1.生産計画とは "生産計画とは、企業が製品やサービスを効率的に生産するために立てる計画です。 生産計画では、需要予測や在庫状況、生産能力などを考慮して、どの製品をいつ、どれくらいの量で生産するのかを決定します。 その生産計画は次のような目的を持っています。 需要の予測と調整、製品の生産効率化、リードタイムの管理、在庫管理などです。 生産計画は会社の経営戦略や目標と密接に関連しており、効率的な生産と顧客満足を両立するために重要な役割を果たしています。 また、生産計画は日々の生産活動を効果的に管理し、企業の生産性を向上させるための基礎となるものです。 2.そもそも生産計画の立案は難しい "多くの製造現場で生産計画の立案は属人化されている場合が多いです。 なぜなら、生産計画の立案は非常に複雑なのです。 まず外部の需要面では客先要望やニーズの変化に対応が必須です。 また内部の供給面では段取りや設備、人員、在庫など幅広い知識が必要です。 この両面を持ち合わせている人材は少ないので、どうしても生産計画の立案業務が限られた人材に依存しやすくなるという問題が生じます。 この問題を解決するためのシステムが『スケジューラ』です。 3.スケジューラのメリット スケジューラのシステムを使って計画の自動作成には次のようなメリットがあります。 計画作成の効率化・標準化や計画の精度向上とサイクル短縮。 そのほか計画の見える化や情報共有などがあり、さらに原材料手配の適正化やリードタイム短縮、在庫削減などにも良い影響を与えます。 4.導入へのハードル これだけメリットがあるスケジューラですが、生産計画は様々な企業の工程や生産ラインを個別に考慮する必要があるので非常に複雑なシステムになります。 一般的なスケジューラを導入する企業からすると、自社には必要のない機能も多く存在することとなり、現場から「運用しにくい」と声が上がります。 また、導入には非常に長い期間を要します。 製造リードタイム、人員、設備などの制約条件を入力します。 しかし、工程担当者の熟練の暗黙知などの制約条件の抜け漏れがあり試運用を繰り返します。 このあたりがスケジューラ導入の最も難しいところとなります。 さらに、一般的なスケジューラは汎用的であるため、全てを現状に合わせようとするとどうしてもカスタマイズが必要となり費用がかさみます。 導入検討時にはシステムの把握が必要です。 仮に、ようやく導入にこぎつけてもそれで終わりではありません。 新製品や製造方法の変更、いわゆる4M変更などにより制約条件は変更しスケジューラのマスタ変更も必要になります。 5.まとめ いかがでしょう? スケジューラ導入に関する理解が少しでも深まりましたか? スケジューラは非常に便利で良い効果をもたらしますが導入にはいくつものハードルがあり乗り越えるにはかなりの労力を要します。 ハードルの乗り越え方や上記内容の詳細について、より具体的に詳細をお知りになりたい場合はお気軽に弊社にご相談ください。 このコラムが皆様の会社での生産管理にお役に立てれば幸いです。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 補助金活用!板金・プレス・溶接加工業の為の生産計画DX 1,000万円超の補助金を活用して、生産計画”脱属人化”&生産管理”アナログ管理からの脱却”! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 生産計画DXセミナーは、貴社の成長を支える重要な情報を提供いたします。 限られた時間とリソースの中で、効率的かつ効果的な生産計画を実現しませんか?1,000万円超の補助金を活用しながら、生産計画の脱属人化とアナログ管理からの脱却を学べます。 多くの経営者の皆様が直面している課題、それは特定の熟練者に依存した生産計画やアナログ化、感覚化した管理体制です。 しかし、これらの課題は適切なアプローチと専門的なサポートを受ければ解決できるのです。 私たちのセミナーでは、AIや最新のテクノロジーを駆使し、多品種少量生産における生産計画DXを具体的にお伝えいたします。 さらに、補助金の活用方法や成功事例も紹介し、経営者の皆様のビジネスに革新をもたらすヒントを提供します。 貴社が従業員200名以下の板金・プレス・溶接加工業で、生産計画に課題を抱えている場合、このセミナーへの参加は必須です。 時間と手間をかけずに確実な成果を上げ、競争力を向上させることができます。 ご興味をお持ちの方は、お問い合わせフォームからお気軽にご連絡ください。 私たちのコンサルタントが、貴社に最適な解決策をご提案いたします。 経営者の皆様と共に、より効率的なものづくりを実現しましょう。 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/22 (木) 13:00~15:00 2024/02/26 (月) 13:00~15:00 2024/02/28 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/109109   無料ダウンロード!!2024年AI活用時流予測レポート ~今後の業界動向・トレンドを予測~ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる! 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045 いつも当コラムをご愛読いただきありがとうございます。 製造現場では必須の生産計画ですが、最近では生産計画を自動立案する『スケジューラ』というものを様々なベンダーがシステム提供しています。 スケジューラの導入効果は非常に大きなものがありますが、導入に成功したという事例をなかなか耳にしません。 実は導入までには多くのハードルが存在し、乗り越えるためには非常にたくさんの労力が必要となるからです。 1.生産計画とは "生産計画とは、企業が製品やサービスを効率的に生産するために立てる計画です。 生産計画では、需要予測や在庫状況、生産能力などを考慮して、どの製品をいつ、どれくらいの量で生産するのかを決定します。 その生産計画は次のような目的を持っています。 需要の予測と調整、製品の生産効率化、リードタイムの管理、在庫管理などです。 生産計画は会社の経営戦略や目標と密接に関連しており、効率的な生産と顧客満足を両立するために重要な役割を果たしています。 また、生産計画は日々の生産活動を効果的に管理し、企業の生産性を向上させるための基礎となるものです。 2.そもそも生産計画の立案は難しい "多くの製造現場で生産計画の立案は属人化されている場合が多いです。 なぜなら、生産計画の立案は非常に複雑なのです。 まず外部の需要面では客先要望やニーズの変化に対応が必須です。 また内部の供給面では段取りや設備、人員、在庫など幅広い知識が必要です。 この両面を持ち合わせている人材は少ないので、どうしても生産計画の立案業務が限られた人材に依存しやすくなるという問題が生じます。 この問題を解決するためのシステムが『スケジューラ』です。 3.スケジューラのメリット スケジューラのシステムを使って計画の自動作成には次のようなメリットがあります。 計画作成の効率化・標準化や計画の精度向上とサイクル短縮。 そのほか計画の見える化や情報共有などがあり、さらに原材料手配の適正化やリードタイム短縮、在庫削減などにも良い影響を与えます。 4.導入へのハードル これだけメリットがあるスケジューラですが、生産計画は様々な企業の工程や生産ラインを個別に考慮する必要があるので非常に複雑なシステムになります。 一般的なスケジューラを導入する企業からすると、自社には必要のない機能も多く存在することとなり、現場から「運用しにくい」と声が上がります。 また、導入には非常に長い期間を要します。 製造リードタイム、人員、設備などの制約条件を入力します。 しかし、工程担当者の熟練の暗黙知などの制約条件の抜け漏れがあり試運用を繰り返します。 このあたりがスケジューラ導入の最も難しいところとなります。 さらに、一般的なスケジューラは汎用的であるため、全てを現状に合わせようとするとどうしてもカスタマイズが必要となり費用がかさみます。 導入検討時にはシステムの把握が必要です。 仮に、ようやく導入にこぎつけてもそれで終わりではありません。 新製品や製造方法の変更、いわゆる4M変更などにより制約条件は変更しスケジューラのマスタ変更も必要になります。 5.まとめ いかがでしょう? スケジューラ導入に関する理解が少しでも深まりましたか? スケジューラは非常に便利で良い効果をもたらしますが導入にはいくつものハードルがあり乗り越えるにはかなりの労力を要します。 ハードルの乗り越え方や上記内容の詳細について、より具体的に詳細をお知りになりたい場合はお気軽に弊社にご相談ください。 このコラムが皆様の会社での生産管理にお役に立てれば幸いです。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 補助金活用!板金・プレス・溶接加工業の為の生産計画DX 1,000万円超の補助金を活用して、生産計画”脱属人化”&生産管理”アナログ管理からの脱却”! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 生産計画DXセミナーは、貴社の成長を支える重要な情報を提供いたします。 限られた時間とリソースの中で、効率的かつ効果的な生産計画を実現しませんか?1,000万円超の補助金を活用しながら、生産計画の脱属人化とアナログ管理からの脱却を学べます。 多くの経営者の皆様が直面している課題、それは特定の熟練者に依存した生産計画やアナログ化、感覚化した管理体制です。 しかし、これらの課題は適切なアプローチと専門的なサポートを受ければ解決できるのです。 私たちのセミナーでは、AIや最新のテクノロジーを駆使し、多品種少量生産における生産計画DXを具体的にお伝えいたします。 さらに、補助金の活用方法や成功事例も紹介し、経営者の皆様のビジネスに革新をもたらすヒントを提供します。 貴社が従業員200名以下の板金・プレス・溶接加工業で、生産計画に課題を抱えている場合、このセミナーへの参加は必須です。 時間と手間をかけずに確実な成果を上げ、競争力を向上させることができます。 ご興味をお持ちの方は、お問い合わせフォームからお気軽にご連絡ください。 私たちのコンサルタントが、貴社に最適な解決策をご提案いたします。 経営者の皆様と共に、より効率的なものづくりを実現しましょう。 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/22 (木) 13:00~15:00 2024/02/26 (月) 13:00~15:00 2024/02/28 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/109109   無料ダウンロード!!2024年AI活用時流予測レポート ~今後の業界動向・トレンドを予測~ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる! 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045

中堅・中小製造業のDX・IoT活用:デジタルツインの導入と活用方法

2023.11.13

本コラムでは、中堅・中小製造業の企業におけるDX・IoT活用について、まずはどこからどの様にDX・IoTを導入していくべきか、わかりやすく説明させていただきます。 1.はじめに 前回までのコラムで、“具体的にDXやIoT、AIを活用した業務の革新や改善を実施したいと考えたとき、まず『製造現場』へ導入すべき”と提案し、製造現場(工程)のIoT化手順に関し説明してきました。 今回からは、製造現場(工程)をIoT化して取得したデータの活用に関して説明して行きたいと思います。 ここ数年、“デジタルツイン”と言う言葉をよく耳にする様になりました。 工程や機器のIoT化によりセンサーや機器からの実際のデータ(情報)をIoT経由で取得できる様になってくると、実機のふるまいを大量のデジタルデータで表現できる様になります。 これは、実際の物理的な対象やプロセスの「ふるまい」(実機の動作や状態)をデジタルの世界で再現したものです。 具体的に説明すると、デジタルツインは、ある製品・設備・プロセス、またはシステムが現実世界でどのように動作し、機能するかを、デジタルモデルとして再現したものです。このデジタルモデルは、現実世界で収集したセンサーデータやリアルタイムデータを持ち、実機の動作状況を反映しています。 これにより、実機のふるまいをデジタル的に表現・モニタリングすることが可能となります。 例えば、工場の生産ラインのデジタルツインでは、実際の製品がどのように製造され、運搬され、検査されるかをデジタルモデルとして再現できます。 センサーが製品の進行状況や品質を監視し、この情報はデジタルツインに実機の情報として統合されます。 これにより、製品の製造過程がリアルタイムで可視化され、問題が発生した場合には、デジタルツインが警告を発し、生産プロセスに介入する様な事も可能になります。 デジタルツインは、シミュレーションや予測モデルの開発にも役立ちます。 デジタルツインを使用して、異なる設定や条件での製品やプロセスの挙動をシミュレートし、最適な設定を見つけ出すことが出来る様になります。 その結果、今までは、実際に製造工程を作りそれを動かして製造時間や製造時の問題点を抽出し改善、再度検証、これを数回繰り返すことで量産可能な状態まで作り上げていましたが、デジタルツインを用いるとシミュレーション上で想定できる条件全てを再現し、問題点抽出・改善までを行う事ができ、現実世界では最初から最適条件で製造工程を作り上げる事が出来、量産開始までの設備調整期間が大幅に短縮することが可能になります。 デジタルツインは、製造業の競争力向上と持続可能な成長に向けて非常に重要な役割を果たすテクノロジーとコンセプトとなりえます。 以下、デジタルツインの概念と中堅・中小製造業の経営者が考慮すべきポイントについて説明します。 2.デジタルツインとは何か? デジタルツインは、前述の様に物理的な製品やプロセスをデジタルモデルとして再現する概念です。 つまり、製品やプロセスのデジタルなコピーを作成し、そのデジタルコピーを使用してリアルタイムでモニタリング、分析、シミュレーションを行うことができます。デジタルツインは、次のような要素で構成されます。 1.デジタルツインモデル: 物理的な対応物に対応するデジタルなモデルで、設計、機能、および動作を再現します。 2.データ連携: デジタルツインモデルは、センサー、アクチュエータ、IoTデバイスなどからのデータと連携し、リアルタイムデータを収集します。 3.データ分析: 収集されたデータを分析し、洞察を得て、製品やプロセスの改善を支援します。 4.シミュレーション: デジタルツインは、将来の状況やシナリオをシミュレートし、機器の導入や構成変更、工程変更などに対する意思決定をサポートします。 3.中堅・中小製造業におけるデジタルツインの必要性 IoT化が進んだ中堅・中小製造業が次のStepでデジタルツインを導入する必要性に関して説明します。 1.効率と生産性の向上: デジタルツインを使用することで、製品設計や製造プロセスの効率を向上させることができます。リアルタイムデータモニタリングとシミュレーションにより、無駄な作業の削減とプロセスの最適化が実現可能です。 2.品質管理の強化: デジタルツインは、製品のデジタルコピーを提供し、品質管理を向上させます。欠陥の早期発見や品質問題の修正が容易になります。 3.生産停止の最小化: デジタルツインは、設備や機器の予防保守を支援し、生産中断を最小限に抑えます。計画的な保守により、生産ラインの停止を回避できます。 4.市場適応性: 変化する市場に適応する能力が強化されます。デジタルツインを活用して製品設計やプロセスを素早く調整でき、新たな市場機会に迅速に対応できます。 5.持続可能な製造: デジタルツインは、持続可能な製造プラクティスの推進に貢献します。製品のライフサイクルを管理し、環境への影響を最小限に抑えるための情報を提供します。 4.中堅・中小企業がデジタルツインを導入する際生ずると思われる問題点 中小・中堅企業がデジタルツインを導入する際には、いくつかの潜在的な問題点に直面する可能性があります。以下は、考えられる主な問題点とそれに対処するための一般的な戦略です。 1.導入コストとリソース不足: (対処策): デジタルツインの導入にはコストがかかり、スキルやリソースが必要です。 中小・中堅企業は、導入プロジェクトの予算を慎重に計画し、必要なリソースを確保する必要があります。船井総研等の外部の専門家やコンサルタントを活用しても良いと思います。 2.データの品質とセキュリティ: (対処策): デジタルツインはデータに依存するため、データ品質とセキュリティが重要です。データ品質の向上に取り組み、データの収集から保存までのセキュリティ対策を強化します。 3.既存システムとの統合: (対処策): 既存の製造システムやプロセスとデジタルツインを統合することは課題となることがあります。APIやプロトコルを使用して、異なるシステム間でデータの双方向の連携を確立します。 4.スキル不足: (対処策): デジタルツインの導入には新たなスキルが必要です。従業員のトレーニングや外部のスペシャリストの雇用を検討し、必要なスキルを獲得します。 5.デジタルツインの戦略的活用: (対処策): デジタルツインを単なる技術の導入とせず、戦略的な活用を検討しましょう。ビジネス目標とデジタルツインの目的を結びつけ、ROI(Return On Investment)を追求します。 6.データの過剰化: (対処策): 適切なデータ収集戦略を採用し、必要なデータを収集することに焦点を当てましょう。過度なデータの収集はコストを増やし、データの分析を複雑にすることがあります。 7.変化への抵抗: (対処策): 従業員への変更に対する抵抗があるかもしれません。変更管理戦略を確立し、従業員へのコミュニケーションと教育を重視しましょう。 8.セキュリティリスク: (対処策): デジタルツインのセキュリティ対策を重視し、セキュリティポリシーとプロセスを確立し、データへの不正アクセスやサイバーセキュリティリスクに対処しましょう。 これらの課題に対処するための適切な戦略を採用することで、効果的にデジタルツインを活用し、競争力を高めることができます。 デジタルツインの利点を最大限に引き出すためには、段階的・計画的な導入が重要です。 3.まとめ 今回のコラムでは、“中堅・中小製造業のDX・IoT活用のコツ~デジタルツイン~”につきまして簡単ではありますが説明させていただきました。 今回の紹介した内容をご検討頂き、自社での製造工程のIoT化導入や取得したデータの活用方法の検討、過去に断念されたIoT化を再度進めていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。   製造業経営者向けIoTを活用した原価データ取得事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02162_S045 いつも当コラムをご愛読いただきありがとうございます。 本コラムでは、中堅・中小製造業の企業におけるDX・IoT活用について、まずはどこからどの様にDX・IoTを導入していくべきか、わかりやすく説明させていただきます。 1.はじめに 前回までのコラムで、“具体的にDXやIoT、AIを活用した業務の革新や改善を実施したいと考えたとき、まず『製造現場』へ導入すべき”と提案し、製造現場(工程)のIoT化手順に関し説明してきました。 今回からは、製造現場(工程)をIoT化して取得したデータの活用に関して説明して行きたいと思います。 ここ数年、“デジタルツイン”と言う言葉をよく耳にする様になりました。 工程や機器のIoT化によりセンサーや機器からの実際のデータ(情報)をIoT経由で取得できる様になってくると、実機のふるまいを大量のデジタルデータで表現できる様になります。 これは、実際の物理的な対象やプロセスの「ふるまい」(実機の動作や状態)をデジタルの世界で再現したものです。 具体的に説明すると、デジタルツインは、ある製品・設備・プロセス、またはシステムが現実世界でどのように動作し、機能するかを、デジタルモデルとして再現したものです。このデジタルモデルは、現実世界で収集したセンサーデータやリアルタイムデータを持ち、実機の動作状況を反映しています。 これにより、実機のふるまいをデジタル的に表現・モニタリングすることが可能となります。 例えば、工場の生産ラインのデジタルツインでは、実際の製品がどのように製造され、運搬され、検査されるかをデジタルモデルとして再現できます。 センサーが製品の進行状況や品質を監視し、この情報はデジタルツインに実機の情報として統合されます。 これにより、製品の製造過程がリアルタイムで可視化され、問題が発生した場合には、デジタルツインが警告を発し、生産プロセスに介入する様な事も可能になります。 デジタルツインは、シミュレーションや予測モデルの開発にも役立ちます。 デジタルツインを使用して、異なる設定や条件での製品やプロセスの挙動をシミュレートし、最適な設定を見つけ出すことが出来る様になります。 その結果、今までは、実際に製造工程を作りそれを動かして製造時間や製造時の問題点を抽出し改善、再度検証、これを数回繰り返すことで量産可能な状態まで作り上げていましたが、デジタルツインを用いるとシミュレーション上で想定できる条件全てを再現し、問題点抽出・改善までを行う事ができ、現実世界では最初から最適条件で製造工程を作り上げる事が出来、量産開始までの設備調整期間が大幅に短縮することが可能になります。 デジタルツインは、製造業の競争力向上と持続可能な成長に向けて非常に重要な役割を果たすテクノロジーとコンセプトとなりえます。 以下、デジタルツインの概念と中堅・中小製造業の経営者が考慮すべきポイントについて説明します。 2.デジタルツインとは何か? デジタルツインは、前述の様に物理的な製品やプロセスをデジタルモデルとして再現する概念です。 つまり、製品やプロセスのデジタルなコピーを作成し、そのデジタルコピーを使用してリアルタイムでモニタリング、分析、シミュレーションを行うことができます。デジタルツインは、次のような要素で構成されます。 1.デジタルツインモデル: 物理的な対応物に対応するデジタルなモデルで、設計、機能、および動作を再現します。 2.データ連携: デジタルツインモデルは、センサー、アクチュエータ、IoTデバイスなどからのデータと連携し、リアルタイムデータを収集します。 3.データ分析: 収集されたデータを分析し、洞察を得て、製品やプロセスの改善を支援します。 4.シミュレーション: デジタルツインは、将来の状況やシナリオをシミュレートし、機器の導入や構成変更、工程変更などに対する意思決定をサポートします。 3.中堅・中小製造業におけるデジタルツインの必要性 IoT化が進んだ中堅・中小製造業が次のStepでデジタルツインを導入する必要性に関して説明します。 1.効率と生産性の向上: デジタルツインを使用することで、製品設計や製造プロセスの効率を向上させることができます。リアルタイムデータモニタリングとシミュレーションにより、無駄な作業の削減とプロセスの最適化が実現可能です。 2.品質管理の強化: デジタルツインは、製品のデジタルコピーを提供し、品質管理を向上させます。欠陥の早期発見や品質問題の修正が容易になります。 3.生産停止の最小化: デジタルツインは、設備や機器の予防保守を支援し、生産中断を最小限に抑えます。計画的な保守により、生産ラインの停止を回避できます。 4.市場適応性: 変化する市場に適応する能力が強化されます。デジタルツインを活用して製品設計やプロセスを素早く調整でき、新たな市場機会に迅速に対応できます。 5.持続可能な製造: デジタルツインは、持続可能な製造プラクティスの推進に貢献します。製品のライフサイクルを管理し、環境への影響を最小限に抑えるための情報を提供します。 4.中堅・中小企業がデジタルツインを導入する際生ずると思われる問題点 中小・中堅企業がデジタルツインを導入する際には、いくつかの潜在的な問題点に直面する可能性があります。以下は、考えられる主な問題点とそれに対処するための一般的な戦略です。 1.導入コストとリソース不足: (対処策): デジタルツインの導入にはコストがかかり、スキルやリソースが必要です。 中小・中堅企業は、導入プロジェクトの予算を慎重に計画し、必要なリソースを確保する必要があります。船井総研等の外部の専門家やコンサルタントを活用しても良いと思います。 2.データの品質とセキュリティ: (対処策): デジタルツインはデータに依存するため、データ品質とセキュリティが重要です。データ品質の向上に取り組み、データの収集から保存までのセキュリティ対策を強化します。 3.既存システムとの統合: (対処策): 既存の製造システムやプロセスとデジタルツインを統合することは課題となることがあります。APIやプロトコルを使用して、異なるシステム間でデータの双方向の連携を確立します。 4.スキル不足: (対処策): デジタルツインの導入には新たなスキルが必要です。従業員のトレーニングや外部のスペシャリストの雇用を検討し、必要なスキルを獲得します。 5.デジタルツインの戦略的活用: (対処策): デジタルツインを単なる技術の導入とせず、戦略的な活用を検討しましょう。ビジネス目標とデジタルツインの目的を結びつけ、ROI(Return On Investment)を追求します。 6.データの過剰化: (対処策): 適切なデータ収集戦略を採用し、必要なデータを収集することに焦点を当てましょう。過度なデータの収集はコストを増やし、データの分析を複雑にすることがあります。 7.変化への抵抗: (対処策): 従業員への変更に対する抵抗があるかもしれません。変更管理戦略を確立し、従業員へのコミュニケーションと教育を重視しましょう。 8.セキュリティリスク: (対処策): デジタルツインのセキュリティ対策を重視し、セキュリティポリシーとプロセスを確立し、データへの不正アクセスやサイバーセキュリティリスクに対処しましょう。 これらの課題に対処するための適切な戦略を採用することで、効果的にデジタルツインを活用し、競争力を高めることができます。 デジタルツインの利点を最大限に引き出すためには、段階的・計画的な導入が重要です。 3.まとめ 今回のコラムでは、“中堅・中小製造業のDX・IoT活用のコツ~デジタルツイン~”につきまして簡単ではありますが説明させていただきました。 今回の紹介した内容をご検討頂き、自社での製造工程のIoT化導入や取得したデータの活用方法の検討、過去に断念されたIoT化を再度進めていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。   製造業経営者向けIoTを活用した原価データ取得事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02162_S045

製造業のDX・IoT活用のコツ ~製造工程のIoT化手順(クラウド・プラットフォーム)~

2023.09.20

DX・IoT活用について、まずはどこからどの様にDX・IoTを導入していくべきか、わかりやすく説明させていただきます。 1.はじめに 前回までのコラムでも、具体的にDXやIoT、AIを活用した業務の革新や改善を実施したいと考えたとき、まず『製造現場』へ導入すべきと提案して来ました。 なぜなら、『製造現場』の革新や改善が会社の売上や利益の向上に最も直結する業務だからです。 製造業は『モノを作る企業』です。 IoTを活用して製造現場を管理するには、まずは製造現場をIoT化する必要があります。 IoTを構成する主な要素は3つです。 デバイス:各種データを取得 ネットワーク:インターネットや社内システムへ接続 プラットフォーム・アプリケーション:データを蓄積・分析 そこで3回目の今回は、“プラットフォーム・アプリケーション:データを蓄積・分析”に関して具体的な手順を説明させていただきます。 ※過去記事は本文からご覧ください 2.IoTプラットフォーム(クラウドシステム)基本機能 IoTシステムのプラットフォームの基本機能について説明します。 IoTシステムのプラットフォームは、データの収集、処理、管理、分析、可視化、制御などを行うための重要なコンポーネントです。 ①クラウドプラットフォーム IoTデバイスからのデータを受信し、処理するためのクラウドプラットフォームが必要です。 一般的なクラウドプロバイダー(例:Amazon Web Services、Microsoft Azure、Google Cloud Platform)は、このためのインフラストラクチャとサービスを提供します。クラウドプラットフォームは、データのスケーリング、可用性、セキュリティを確保する役割を果たします。 ②データ収集 IoTデバイスからのデータを収集するために、クラウドプラットフォームはデータ収集ポイントやデータ収集エージェントを提供します。 これらはデータを受け取り、クラウド内のデータベースやデータストレージに保存します。 ③データストレージ 収集されたデータは、クラウド内のデータベースやデータストレージに保存されます。 これにより、データの永続性とアクセスが確保され、後での分析や履歴データの取得が可能となります。 ④データ処理と分析 クラウド側システムは、収集されたデータを処理し、必要な分析を実行するための計算リソースを提供します。データの前処理、リアルタイム分析、バッチ処理、機械学習モデルの適用などが含まれます。 ⑤データ可視化 IoTデータをリアルタイムまたは過去のデータとして可視化するためのダッシュボードやレポートを提供するデータ可視化ツールが重要です。 これにより、ユーザーはデータを理解し、意思決定を行うための情報を得ることができます。 ⑥アプリケーション IoTシステムには、データを活用するための専用のアプリケーションが含まれることがあります。 これらのアプリケーションは、IoTデバイスの遠隔制御、通知、ダッシュボード、予測分析など、特定のビジネス目標をサポートします。 ⑦セキュリティとアクセス制御 クラウド側システムはセキュリティ対策を重視し、データの暗号化、認証、アクセス制御、脆弱性管理などを提供します。 IoTデバイスからのデータは安全に受信、保存、処理されます。 ⑧APIと統合 クラウドプラットフォームは、外部システムやサードパーティサービスとの連携を容易にするAPI(アプリケーションプログラミングインターフェース)を提供します。 これにより、データの共有や他のシステムとの統合が可能となります。 IoTシステムプラットフォームは、特定のプロジェクトや要件に合わせて構成および拡張されます。 これらの要素は、IoTデバイスからのデータを有効に活用し、ビジネス価値を最大化するためのサービスを提供します。 3.IoTプラットフォーム(クラウド)システム基本構成 IoTデバイスからのデータをクラウドに送信し、基本的なデータ処理を行う為の必要最低限のIoTプラットフォーム(クラウド)システム構成をMicrosoft社提供しているAzureのPaaSを利用した例で説明します。 ①Azure IoT Hub Azure IoT Hubは、IoTデバイスとの通信を管理するための中心的なサービスです。 IoTデバイスを登録し、データの送受信を可能にします。 ②Azure Stream Analytics Azure Stream Analyticsは、リアルタイムデータ処理と分析を行うためのサービスです。 データストリームを収集し、基本的な変換や集約を行います。 ③Azure Blob Storage Azure Blob Storageは、データの永続的なストレージを提供します。 Stream Analyticsからのデータを保存し、後で分析や履歴データの取得に使用します。 ④Azure SQL Database Azure SQL Databaseは、リレーショナルデータベースを提供し、デバイスからのデータを格納します。 このデータベースは、デバイスからのデータを永続的に保存し、必要な場合にクエリや分析を行うために使用されます。 ただし、これはIoTプラットフォームの必要最低限の構成です。 データの可視化、高度な分析、セキュリティ等プロジェクトの要件に応じて他のAzureのPaaSやカスタムコンポーネントを追加していく事になります。 必要に応じて追加すれば良いので予算、スケジュールに応じてスモールスタートが可能です。 Amazon社が提供するAWSでも同様のPaaSが提供されています。 4.クラウドへの接続数 IoT GWがSQL Databaseに直接する場合、契約プランによりますが、許容される同時接続数は 6~150程度です。 導入後のIoTシステムの拡張性を考えた場合、この数は十分な値ではありません。 IoT GWは工場や工程に設置された機器やセンサーデータを集約している為、実際にSQL Databaseにデータが格納される機器やセンサーはそれ以上の数になります。 それでも同時接続数が制約されるため、IoT GWの設置台数が増えた場合、データ送信間隔を長くする、送信するデータ量を制限するなどして、同時接続数が上記範囲内に収まる様に運用しなければなりません。 その場合、データのリアルタイム性や粒度の低下、あるいは伝送するデータの種類が削減され、結果として必要な情報の取得が出来なくなってしまいます、 これを防ぐ為に、IoT GWは直接ではなく、IoT Hub(PaaS)を経由してデータベースに接続する様にします。 Azureの場合、IoT Hubは、ユニットという単位で接続数をカウントします。 ユニット当たりの接続数 : 500台 1インスタンス辺りのユニット数 : 200 1IoT Hubあたり200ユニット x 500で最大10万台のデバイスが接続できます。 5.まとめ 今回のコラムでは、“中堅・中小製造業のDX・IoT活用のコツ~製造工程のIoT化手順(クラウド・プラットフォーム)~”につきまして簡単ではありますが説明させていただきました。 次回からは、製造業の各業種(板金加工、金属加工、樹脂成型等)ことにIoT化で取得したデータの具体的な活用に関して説明して行きます。 今回の紹介した内容をご検討頂き、自社での製造工程のIoT化導入検討や、過去に断念されたIoT化を再度進めていただければ幸いです。また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。 過去の関連記事はこちら 中堅・中小製造業のDX・IoT活用のコツ 製造業のIoT化の手順   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045   ■関連するセミナーのご案内 製造業DX戦略セミナー「ロードマップの構築!」 ~多拠点&多部門を持つ製造業の為のセミナー~ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/11/29 (水) 13:00~15:00 2023/12/01 (金) 13:00~15:00 2023/12/07 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/105866 いつも当コラムをご愛読いただきありがとうございます。 DX・IoT活用について、まずはどこからどの様にDX・IoTを導入していくべきか、わかりやすく説明させていただきます。 1.はじめに 前回までのコラムでも、具体的にDXやIoT、AIを活用した業務の革新や改善を実施したいと考えたとき、まず『製造現場』へ導入すべきと提案して来ました。 なぜなら、『製造現場』の革新や改善が会社の売上や利益の向上に最も直結する業務だからです。 製造業は『モノを作る企業』です。 IoTを活用して製造現場を管理するには、まずは製造現場をIoT化する必要があります。 IoTを構成する主な要素は3つです。 デバイス:各種データを取得 ネットワーク:インターネットや社内システムへ接続 プラットフォーム・アプリケーション:データを蓄積・分析 そこで3回目の今回は、“プラットフォーム・アプリケーション:データを蓄積・分析”に関して具体的な手順を説明させていただきます。 ※過去記事は本文からご覧ください 2.IoTプラットフォーム(クラウドシステム)基本機能 IoTシステムのプラットフォームの基本機能について説明します。 IoTシステムのプラットフォームは、データの収集、処理、管理、分析、可視化、制御などを行うための重要なコンポーネントです。 ①クラウドプラットフォーム IoTデバイスからのデータを受信し、処理するためのクラウドプラットフォームが必要です。 一般的なクラウドプロバイダー(例:Amazon Web Services、Microsoft Azure、Google Cloud Platform)は、このためのインフラストラクチャとサービスを提供します。クラウドプラットフォームは、データのスケーリング、可用性、セキュリティを確保する役割を果たします。 ②データ収集 IoTデバイスからのデータを収集するために、クラウドプラットフォームはデータ収集ポイントやデータ収集エージェントを提供します。 これらはデータを受け取り、クラウド内のデータベースやデータストレージに保存します。 ③データストレージ 収集されたデータは、クラウド内のデータベースやデータストレージに保存されます。 これにより、データの永続性とアクセスが確保され、後での分析や履歴データの取得が可能となります。 ④データ処理と分析 クラウド側システムは、収集されたデータを処理し、必要な分析を実行するための計算リソースを提供します。データの前処理、リアルタイム分析、バッチ処理、機械学習モデルの適用などが含まれます。 ⑤データ可視化 IoTデータをリアルタイムまたは過去のデータとして可視化するためのダッシュボードやレポートを提供するデータ可視化ツールが重要です。 これにより、ユーザーはデータを理解し、意思決定を行うための情報を得ることができます。 ⑥アプリケーション IoTシステムには、データを活用するための専用のアプリケーションが含まれることがあります。 これらのアプリケーションは、IoTデバイスの遠隔制御、通知、ダッシュボード、予測分析など、特定のビジネス目標をサポートします。 ⑦セキュリティとアクセス制御 クラウド側システムはセキュリティ対策を重視し、データの暗号化、認証、アクセス制御、脆弱性管理などを提供します。 IoTデバイスからのデータは安全に受信、保存、処理されます。 ⑧APIと統合 クラウドプラットフォームは、外部システムやサードパーティサービスとの連携を容易にするAPI(アプリケーションプログラミングインターフェース)を提供します。 これにより、データの共有や他のシステムとの統合が可能となります。 IoTシステムプラットフォームは、特定のプロジェクトや要件に合わせて構成および拡張されます。 これらの要素は、IoTデバイスからのデータを有効に活用し、ビジネス価値を最大化するためのサービスを提供します。 3.IoTプラットフォーム(クラウド)システム基本構成 IoTデバイスからのデータをクラウドに送信し、基本的なデータ処理を行う為の必要最低限のIoTプラットフォーム(クラウド)システム構成をMicrosoft社提供しているAzureのPaaSを利用した例で説明します。 ①Azure IoT Hub Azure IoT Hubは、IoTデバイスとの通信を管理するための中心的なサービスです。 IoTデバイスを登録し、データの送受信を可能にします。 ②Azure Stream Analytics Azure Stream Analyticsは、リアルタイムデータ処理と分析を行うためのサービスです。 データストリームを収集し、基本的な変換や集約を行います。 ③Azure Blob Storage Azure Blob Storageは、データの永続的なストレージを提供します。 Stream Analyticsからのデータを保存し、後で分析や履歴データの取得に使用します。 ④Azure SQL Database Azure SQL Databaseは、リレーショナルデータベースを提供し、デバイスからのデータを格納します。 このデータベースは、デバイスからのデータを永続的に保存し、必要な場合にクエリや分析を行うために使用されます。 ただし、これはIoTプラットフォームの必要最低限の構成です。 データの可視化、高度な分析、セキュリティ等プロジェクトの要件に応じて他のAzureのPaaSやカスタムコンポーネントを追加していく事になります。 必要に応じて追加すれば良いので予算、スケジュールに応じてスモールスタートが可能です。 Amazon社が提供するAWSでも同様のPaaSが提供されています。 4.クラウドへの接続数 IoT GWがSQL Databaseに直接する場合、契約プランによりますが、許容される同時接続数は 6~150程度です。 導入後のIoTシステムの拡張性を考えた場合、この数は十分な値ではありません。 IoT GWは工場や工程に設置された機器やセンサーデータを集約している為、実際にSQL Databaseにデータが格納される機器やセンサーはそれ以上の数になります。 それでも同時接続数が制約されるため、IoT GWの設置台数が増えた場合、データ送信間隔を長くする、送信するデータ量を制限するなどして、同時接続数が上記範囲内に収まる様に運用しなければなりません。 その場合、データのリアルタイム性や粒度の低下、あるいは伝送するデータの種類が削減され、結果として必要な情報の取得が出来なくなってしまいます、 これを防ぐ為に、IoT GWは直接ではなく、IoT Hub(PaaS)を経由してデータベースに接続する様にします。 Azureの場合、IoT Hubは、ユニットという単位で接続数をカウントします。 ユニット当たりの接続数 : 500台 1インスタンス辺りのユニット数 : 200 1IoT Hubあたり200ユニット x 500で最大10万台のデバイスが接続できます。 5.まとめ 今回のコラムでは、“中堅・中小製造業のDX・IoT活用のコツ~製造工程のIoT化手順(クラウド・プラットフォーム)~”につきまして簡単ではありますが説明させていただきました。 次回からは、製造業の各業種(板金加工、金属加工、樹脂成型等)ことにIoT化で取得したデータの具体的な活用に関して説明して行きます。 今回の紹介した内容をご検討頂き、自社での製造工程のIoT化導入検討や、過去に断念されたIoT化を再度進めていただければ幸いです。また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。 過去の関連記事はこちら 中堅・中小製造業のDX・IoT活用のコツ 製造業のIoT化の手順   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045   ■関連するセミナーのご案内 製造業DX戦略セミナー「ロードマップの構築!」 ~多拠点&多部門を持つ製造業の為のセミナー~ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/11/29 (水) 13:00~15:00 2023/12/01 (金) 13:00~15:00 2023/12/07 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/105866

工場をペーパーレス化するメリットと導入のポイント

2023.09.14

ペーパーレス化とはあらゆる情報をデータ化して管理することで紙の媒体を無くすということです。 しかし、製造業でもペーパーレス化が叫ばれていますが、「紙文化」が浸透している工場の生産現場では難易度が高く、なかなか導入にこぎつけられないのが現状でしょう。 今回は、工場をペーパーレス化するメリットと導入前の確認ポイント、導入ステップについてお話しします。 1.工場をペーパーレスにすべき理由 ①時間・資源・場所の節約 工場の情報を電子デバイスで管理するようになると、紙に使われる資源と印刷にかかる用紙代・インク代が大きなメリットです。 また、書類を保管していた棚を撤去することで、工場の作業エリアを拡充できます。さらに、データであれば手元の電子デバイスで確認できるため保管場所に行く必要がないので移動や探す時間が省けます。 取引先も同様のシステムを使っていれば、情報の共有ができ輸送コストや送付の手間も省けます。 ②人手不足の解消 今後、モノづくりの世界では日本企業の中で特に技能人材の確保が課題になっていると言われています。属人化した業務をデータ化し自動化することで必要な場所に適切な労働力の差配が可能になるかもしれません。 ③必要な情報がタイムリーに入手できる 情報をデータ化して管理すれば、外出先や取引先との商談中でも欲しいデータをすぐに取り出せるようになります。キーワードでの検索もできるため、どこにあるか分からない書類を探して必要な情報を取り出す必要もありません。 管理職であれば、稟議書や経費申請の承認作業を外出先や在宅勤務でできるのも嬉しいポイントです。申請業務が迅速に行われれば、社内全体の意思決定のスピードも早くなるでしょう。 ④セキュリティが安心 データ化すると情報漏えいの危険性を心配する方がいますが、書類の盗難・紛失リスクを考えるとデータにした方がセキュリティは強固だと言われています。実際、クラウドサービスはセキュリティ対策を強化しており、近年その安全性は向上しています。 2.ペーパーレス化の前に確認しておきたいこと ①導入コストの見積もり 導入には少なからずコストがかかります。パソコンやセキュリティソフトにかかる費用だけでなく、新しく導入するシステムの習熟時間も考えなくてはなりません。 何より今まで紙媒体で蓄積していた情報をデータ化する時間も重要です。その労力と人的コストも踏まえ、データ化により削減できるコストと比較して費用対効果を考える必要があります。 ②スタッフのITリテラシー 実際、作業するのは現場です。ペーパーレス化がむしろ作業効率の低下に繋がらないようペーパーレス化の前に意見交換をし、現場の意見をできるだけ反映させて使いやすいシステムにすることが重要です。導入したのはよいが結局、紙で運用することになったり、情報漏洩が起きてしまわないよう教育も必要です ③システム障害や機器の故障に対応できるか 電子機器の故障や障害はバックアップを常に取っていれば問題ありませんが、ネット環境の動作不良でシステムにアクセスできず作業が止まってしまうケースも考えられます。担当者を置くにしろ外部委託するにしろ予期せぬトラブルにどう対応するかをマニュアル化しておく必要があります。 次に導入までのステップを解説します。 3.工場にペーパーレスを導入するステップ ①業務フローの可視化 まずは、工場での作業工程を書き出し、紙で管理している仕事で電子化できる業務がないかをひとつひとつ洗出します。このように業務の棚卸を行い、ペーパーレスにできる部分がないか確認し、できそうな業務はどう変えていくかを検討していきます。 ②段階的にペーパーレスに移行する 電子化できる業務を見つけたら、一気に電子機器に移行しようとするとハードルが高くなり、操作不良やトラブルも起きやすくなるため段階的にペーパーレスを導入していきます。まずは優先度の高い工程から順番にペーパーレス化を実現していきます。その間にペーパーレス化の必要性を理解してもらうための関係者と協議の場を開くようにしましょう。 ③作業員への操作教育 今まで手書きで対応していた部分を電子化すると、作業者によっては使い方が分からず作業スピードが落ちてしまう可能性があります。 そのため、作業員の勉強会をひらき、全員が使えるように教育を行いましょう。 4.まとめ ペーパーレス化を工場に取り入れるとは、コスト削減や人手不足解消といったさまざまなメリットがあります。 しかし、導入にもコストがかかるため、費用対効果を事前に検証する必要があります。 また、故障した時の対応や、従業員がシステムを使いこなせるのかといった点もしっかりと確認する必要があります。 実際に導入するときには作業工程を可視化し、ペーパーレスにできる業務を段階的に踏んで移行していきましょう。 また、電子化した情報を従業員全員が使えるように研修をひらくこともおすすめします。 いかがでしょう? 生産管理システムは活用できていてもペーパーレスにはなかなか踏み出せないといったお悩みはございませんか? 上記内容について、より具体的に詳細をお知りになりたい場合はお気軽に弊社にご相談ください。 このコラムが皆様の製造現場にお役に立てれば幸いです。 最後までお読みいただきありがとうございました。   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045   ■関連するセミナーのご案内 「多品種少量生産板金加工業の為の原価改善!」 社長セミナー セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/104283 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/11/06 (月) 13:00~15:00 2023/11/08 (水) 13:00~15:00 2023/11/16 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/104283 いつも当コラムをご愛読いただきありがとうございます。 ペーパーレス化とはあらゆる情報をデータ化して管理することで紙の媒体を無くすということです。 しかし、製造業でもペーパーレス化が叫ばれていますが、「紙文化」が浸透している工場の生産現場では難易度が高く、なかなか導入にこぎつけられないのが現状でしょう。 今回は、工場をペーパーレス化するメリットと導入前の確認ポイント、導入ステップについてお話しします。 1.工場をペーパーレスにすべき理由 ①時間・資源・場所の節約 工場の情報を電子デバイスで管理するようになると、紙に使われる資源と印刷にかかる用紙代・インク代が大きなメリットです。 また、書類を保管していた棚を撤去することで、工場の作業エリアを拡充できます。さらに、データであれば手元の電子デバイスで確認できるため保管場所に行く必要がないので移動や探す時間が省けます。 取引先も同様のシステムを使っていれば、情報の共有ができ輸送コストや送付の手間も省けます。 ②人手不足の解消 今後、モノづくりの世界では日本企業の中で特に技能人材の確保が課題になっていると言われています。属人化した業務をデータ化し自動化することで必要な場所に適切な労働力の差配が可能になるかもしれません。 ③必要な情報がタイムリーに入手できる 情報をデータ化して管理すれば、外出先や取引先との商談中でも欲しいデータをすぐに取り出せるようになります。キーワードでの検索もできるため、どこにあるか分からない書類を探して必要な情報を取り出す必要もありません。 管理職であれば、稟議書や経費申請の承認作業を外出先や在宅勤務でできるのも嬉しいポイントです。申請業務が迅速に行われれば、社内全体の意思決定のスピードも早くなるでしょう。 ④セキュリティが安心 データ化すると情報漏えいの危険性を心配する方がいますが、書類の盗難・紛失リスクを考えるとデータにした方がセキュリティは強固だと言われています。実際、クラウドサービスはセキュリティ対策を強化しており、近年その安全性は向上しています。 2.ペーパーレス化の前に確認しておきたいこと ①導入コストの見積もり 導入には少なからずコストがかかります。パソコンやセキュリティソフトにかかる費用だけでなく、新しく導入するシステムの習熟時間も考えなくてはなりません。 何より今まで紙媒体で蓄積していた情報をデータ化する時間も重要です。その労力と人的コストも踏まえ、データ化により削減できるコストと比較して費用対効果を考える必要があります。 ②スタッフのITリテラシー 実際、作業するのは現場です。ペーパーレス化がむしろ作業効率の低下に繋がらないようペーパーレス化の前に意見交換をし、現場の意見をできるだけ反映させて使いやすいシステムにすることが重要です。導入したのはよいが結局、紙で運用することになったり、情報漏洩が起きてしまわないよう教育も必要です ③システム障害や機器の故障に対応できるか 電子機器の故障や障害はバックアップを常に取っていれば問題ありませんが、ネット環境の動作不良でシステムにアクセスできず作業が止まってしまうケースも考えられます。担当者を置くにしろ外部委託するにしろ予期せぬトラブルにどう対応するかをマニュアル化しておく必要があります。 次に導入までのステップを解説します。 3.工場にペーパーレスを導入するステップ ①業務フローの可視化 まずは、工場での作業工程を書き出し、紙で管理している仕事で電子化できる業務がないかをひとつひとつ洗出します。このように業務の棚卸を行い、ペーパーレスにできる部分がないか確認し、できそうな業務はどう変えていくかを検討していきます。 ②段階的にペーパーレスに移行する 電子化できる業務を見つけたら、一気に電子機器に移行しようとするとハードルが高くなり、操作不良やトラブルも起きやすくなるため段階的にペーパーレスを導入していきます。まずは優先度の高い工程から順番にペーパーレス化を実現していきます。その間にペーパーレス化の必要性を理解してもらうための関係者と協議の場を開くようにしましょう。 ③作業員への操作教育 今まで手書きで対応していた部分を電子化すると、作業者によっては使い方が分からず作業スピードが落ちてしまう可能性があります。 そのため、作業員の勉強会をひらき、全員が使えるように教育を行いましょう。 4.まとめ ペーパーレス化を工場に取り入れるとは、コスト削減や人手不足解消といったさまざまなメリットがあります。 しかし、導入にもコストがかかるため、費用対効果を事前に検証する必要があります。 また、故障した時の対応や、従業員がシステムを使いこなせるのかといった点もしっかりと確認する必要があります。 実際に導入するときには作業工程を可視化し、ペーパーレスにできる業務を段階的に踏んで移行していきましょう。 また、電子化した情報を従業員全員が使えるように研修をひらくこともおすすめします。 いかがでしょう? 生産管理システムは活用できていてもペーパーレスにはなかなか踏み出せないといったお悩みはございませんか? 上記内容について、より具体的に詳細をお知りになりたい場合はお気軽に弊社にご相談ください。 このコラムが皆様の製造現場にお役に立てれば幸いです。 最後までお読みいただきありがとうございました。   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045   ■関連するセミナーのご案内 「多品種少量生産板金加工業の為の原価改善!」 社長セミナー セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/104283 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/11/06 (月) 13:00~15:00 2023/11/08 (水) 13:00~15:00 2023/11/16 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/104283

“AIでなんでも検査できる”は間違い! AI外観検査とは?メリットやデメリット、導入事例から導入方法まで一挙ご紹介!

2023.09.07

AI外観検査とは、文字通り外観の不良をAI(人工知能)によって検査する手法です。検査対象製品データを学習させれば、AI自身で画像認識のアルゴリズムを生成することができます。現在は、様々な企業が AI 検査サービスを提供しています。 では、AI外観検査を導入することで何ができるのでしょうか?また、従来の外観検査と比較して、AI外観検査は何がメリット/デメリットなのでしょうか? この記事では、AI外観検査でできることとそのメリット、反対にAI外観検査でできないこととそのデメリット、 中小・中堅企業におけるAI外観検査事例、AI外観検査の導入・運用方法についてご紹介します。 1.AI外観検査でできることとそのメリット AI外観検査を導入するメリットは、主に4つあります。 生産性の向上 検査基準の標準化 人間以上の検査精度の実現 データ学習作業の短縮化 です。一つ一つ解説していきます。 1-1.生産性の向上 1つ目のメリットは生産性の向上です。AI外観検査は、生産性を飛躍的に向上させることができます。AI外観検査を導入すれば、初期学習後に検査を自動で行うことができるため、24時間体制で検査を行う行う環境を実現することが可能になります。終業前に検査してほしい製品をセットしておけば、次の始業日に検査が終わっている状態で仕事を進めることができます。 総じて生産効率が向上するため、生産量の拡大や納期の短縮を実現することができます。 1-2.検査基準の標準化 2つ目のメリットは検査基準の標準化です。従来であれば、品質の標準化は非常に困難でした。 目視で検査を行っている場合、作業者によって検査基準にばらつきが出てしまうためです。 加えて、作業者の疲労度合い等によっても検査基準にばらつきが出てしまいます。 その点、AI外観検査は先述の機械学習アルゴリズムを利用しているため、一度学習したモデルについては一貫して高い精度で検査を行うことができます。 これにより、検査の品質が人の検査員に比べて均一化されます。 特に、時間のかかる検査作業がある場合は、AI外観検査による検査基準標準化の恩恵が大きいと考えられています。 1-3.人間以上の検査精度の実現 3つ目のメリットは人間以上の検査精度の実現です。 先ほどの説明とも被りますが、人間が行う外観検査には、慢性的な疲労や注意力の低下・不足によるヒューマンエラーがつきものです。 また微細なキズや、微妙な色の違い、微妙な形状の違いなどの検査は、肉眼では判定が難しいものがほとんどです。 外観検査AIは機械学習を通じて学習し、一度学習したパターンを確実に認識・分類します。 そのため外観検査AIを導入すれば、検査過程でのヒューマンエラーをなくしたり、肉眼での判断が微妙な不良も精度高く発見することができます。 1-4.設定作業の短縮化 従来は、ルールベース(データを元に、検査基準を人間が設定する手法)による検査でも自動化が可能でしたが、検査項目ごとに人間が検査基準を考える必要がありました。つまり、品種の追加を行う際に、都度検査基準を分析・数値化し、プログラムを組む必要がありました。 AI外観検査は比較的容易な初期設定で、自動的に検査を行うことができます。つまり、検査基準を考える手間と、プログラムを組む手間を失くすことができます。設定の際には、検査対象物のデータを学習用に提供する必要があり、またAIの精度を上げるために、定期的な学習が必要ですが、設定コストが大きく削減されています。 外観検査の自動化成功のポイントを解説! 2.AI外観検査ではできないこととデメリット 万能かと思われるAI外観検査ですが、もちろんできないこともあります。次に、AI外観検査ではできないことと付随するデメリットについて説明します。 2-1.短時間での大量検査 AI外観検査は、短い時間における大量検査を苦手としています。AIを使う際は、同時に大量のデータを処理しているため、一度に処理できる検査の量には限界があります。ケースによっては、従来の画像センサを用いた方が、効果的な場合があります。 2-2.寸法検査 AI外観検査では、寸法検査を行うことができません。AI画像検査で行うことができるのは、過去の画像データと比較して、検査対象が良品なのか?不良品なのか?を判定することのみです。元々の画像データを見て、正確に寸法を計測することは不可能です。その延長で考えれば、AIで寸法検査を行うことは不可能であるとわかるかと思います。 2-3.少量のデータのみを利用したAI外観検査 少量のデータのみでAI外観検査を行おうとすると、検査精度を出すことができず、実用的な自動検査システムにはなり得ません。外観検査においてAIを利用し、且つ高い精度を出したい場合は、100~1000サンプル以上は検査データを集める必要があります。外観検査AIを導入する際のネックは、この適切な画像データを集めることにあると言えます。 3.AI外観検査事例9選:中小・中堅企業編 一口にAI外見検査、と言っても検査方法、検査対象は企業様によって多種多様です。この記事では、品質管理検査、組立時の検査、パッケージング検査、欠陥検出検査の4つの検査における、AI外観検査事例を計9事例紹介します。 3-1.品質管理検査 AI画像処理検査は製品の外観や仕上がりに対して高速かつ正確な検査を行うことができます。例えば、製品の表面の傷や欠陥、色の一貫性などを検出することができます。 AI外観検査事例①:成形品不良品の再検査 従来の検査システムでは、従来の画像検査装置では不良品のOK/NG判定ができないという課題がありました。AI外観検査システムを導入し、画像検査装置で撮影した不良品画像をAI画像処理で再検査することで、不良品と判定された成形品から良品を検出することができます。 AI外観検査事例②:漢方薬の材料不良品検査 漢方薬の材料不良品検査は、今まで目視でのみ検査することが可能でした。漢方薬の材料は様々な乾燥物が使われている事が多く、同じ材料でも形やサイズ、色も若干異なっていたりするためです。AI外観検査を導入し、AIに材料の形やサイズ、色を学習させることで、不良判定が曖昧な不良品や異物を検出することに成功しました。 3-2.組立時の検査 製品の組み立て工程においては、AI画像処理検査を行うことで部品の位置、方向、正確さなどを検査することができます。これにより、組み立ての正確性と一貫性を確保することが可能となります。 AI外観検査事例③:ボルト締結検査 自動車の各部品やボディパネルの組み立てにおいては、AI画像処理検査を用いることで、ボルトの位置、締結の正確さ、欠陥などを検査することができます。 AI外観検査事例④:部品の位置検査 自動車の部品の位置や方向が正しいかどうかを検査するために、AI画像処理検査が使用されます。例えば、ドアやパネルの位置や隙間の一貫性を確認することができます。 AI外観検査事例⑤:ワイヤーハーネス検査 自動車の配線やワイヤーハーネスの組み立てにおいて、AI画像処理検査は配線の接続や絶縁状態を検査します。異常や接触不良を早期に検出し、トラブルや故障を未然に防ぐことができます。 3-3.パッケージング検査 製品の包装やラベルの正確性、完全性、位置などを検査するためにAI画像処理を活用することができます。 AI外観検査事例⑥:ゼリー容器 胴部の製品フィルム検査 製品フィルにあるゼリー内容物の柄などが邪魔になり、フィルムの皺や汚れ、ズレなどが今までの検査装置では困難でした。AIに柄を学習させる事で、柄と皺や傷、汚れなどの区別が出来る様になり、ズレなども今まで以上に精度よく判定する事が出来るようになりました。 AI外観検査事例⑦:お惣菜の具材配置検査 食品工場(お惣菜)において、盛り付けられた具材を今までは目視検査で量や盛り付け位置、盛り付け方、異物などを検査していました。そこでAIに盛り付け方の正解画像を複数パターン覚えさせる事で、今までの検査装置では困難だった目視検査に近い検査が可能となりました。 3-4.欠陥検出検査 製品や部品の表面における欠陥や異常なパターンを検出するために、AI画像処理検査を使用することができます。例えば、溶接部や金型表面のクラック、ひずみ、欠けなどを検出することができます。 AI外観検査事例⑧:溶接不良検査 AIに溶接不良画像と正常な溶接画像を学習させる事により、目視検査でも非常に難しい「スパッタ付着」、「溶接忘れ」、「溶接の長さ不良」、「溶接位置不良」、「焼け跡一部処理忘れ」、「溶接サイズはみ出し」、「溶接かじり」、「溶接穴有」などカメラを使った画像検査で自動検出する事が出来るようになりました。 AI外観検査事例⑨:メッキ不良検査 「メッキ色」、「傷」「打痕」、「異物付着」、「肌荒れ」、「ゆず肌」、「メッキ無し」などの不良画像と良品画像をAIに学習する事で、これらの不良が自動検出する事が可能になりました。 4.AI外観検査の導入方法 外観検査AIを用いた検査の導入方法を大まかに説明致します。 AI外観検査が使われる前のルールベースの画像検査と比較したときの違いは、画像準備、AI学習のフェイズにおいて顕著に出ています。 ルールベースの画像検査では、検査基準を判断するアルゴリズムを担当者が決定する必要があります。撮像した画像に対して、長さや面積、濃淡位置などの特徴を数値的に定義する必要があり、またそれらを考慮し複雑なアルゴリズムを設定する必要があります。 AI外観検査では、検査用の画像を用意し、AIに学習させます。安定した検査精度を出すために、試行錯誤を行っていく必要があります。 5.まとめ AI外観検査は、製造業において新しい品質管理のカタチとして注目されており、今後は、企業がAI外観検査を戦略的かつ有益なツールとして活用することが不可欠です。 この記事を読み、外観検査について、また外観検査AI導入方法についてさらに詳しく知りたい方は、是非下記のレポートをご活用ください。   ■関連するセミナーのご案内 AI外観検査 社長セミナー 外観検査を自動化して工数削減!省人化!標準化!品質向上!不良流出削減! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/109999 本セミナーで学べるポイント 外観検査を自動化してパート従業員や職人に依存している目視検査から脱却する手法を学べる! 外観検査を自動化して属人化している検査工程を標準化するためのポイントを学べる! 外観検査を自動化して不良流出を削減する方法を学べる! 外観検査にAIを活用して検査工程を自動化するための具体的な手法が学べる! 過去に外観検査の自動化に失敗していても成功させるための具体的な手法が学べる! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 大阪会場 2024/04/09 (火) 10:00~12:30 東京会場 2024/04/16 (火) 10:00~12:30 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/109999 AI外観検査とは、文字通り外観の不良をAI(人工知能)によって検査する手法です。検査対象製品データを学習させれば、AI自身で画像認識のアルゴリズムを生成することができます。現在は、様々な企業が AI 検査サービスを提供しています。 では、AI外観検査を導入することで何ができるのでしょうか?また、従来の外観検査と比較して、AI外観検査は何がメリット/デメリットなのでしょうか? この記事では、AI外観検査でできることとそのメリット、反対にAI外観検査でできないこととそのデメリット、 中小・中堅企業におけるAI外観検査事例、AI外観検査の導入・運用方法についてご紹介します。 1.AI外観検査でできることとそのメリット AI外観検査を導入するメリットは、主に4つあります。 生産性の向上 検査基準の標準化 人間以上の検査精度の実現 データ学習作業の短縮化 です。一つ一つ解説していきます。 1-1.生産性の向上 1つ目のメリットは生産性の向上です。AI外観検査は、生産性を飛躍的に向上させることができます。AI外観検査を導入すれば、初期学習後に検査を自動で行うことができるため、24時間体制で検査を行う行う環境を実現することが可能になります。終業前に検査してほしい製品をセットしておけば、次の始業日に検査が終わっている状態で仕事を進めることができます。 総じて生産効率が向上するため、生産量の拡大や納期の短縮を実現することができます。 1-2.検査基準の標準化 2つ目のメリットは検査基準の標準化です。従来であれば、品質の標準化は非常に困難でした。 目視で検査を行っている場合、作業者によって検査基準にばらつきが出てしまうためです。 加えて、作業者の疲労度合い等によっても検査基準にばらつきが出てしまいます。 その点、AI外観検査は先述の機械学習アルゴリズムを利用しているため、一度学習したモデルについては一貫して高い精度で検査を行うことができます。 これにより、検査の品質が人の検査員に比べて均一化されます。 特に、時間のかかる検査作業がある場合は、AI外観検査による検査基準標準化の恩恵が大きいと考えられています。 1-3.人間以上の検査精度の実現 3つ目のメリットは人間以上の検査精度の実現です。 先ほどの説明とも被りますが、人間が行う外観検査には、慢性的な疲労や注意力の低下・不足によるヒューマンエラーがつきものです。 また微細なキズや、微妙な色の違い、微妙な形状の違いなどの検査は、肉眼では判定が難しいものがほとんどです。 外観検査AIは機械学習を通じて学習し、一度学習したパターンを確実に認識・分類します。 そのため外観検査AIを導入すれば、検査過程でのヒューマンエラーをなくしたり、肉眼での判断が微妙な不良も精度高く発見することができます。 1-4.設定作業の短縮化 従来は、ルールベース(データを元に、検査基準を人間が設定する手法)による検査でも自動化が可能でしたが、検査項目ごとに人間が検査基準を考える必要がありました。つまり、品種の追加を行う際に、都度検査基準を分析・数値化し、プログラムを組む必要がありました。 AI外観検査は比較的容易な初期設定で、自動的に検査を行うことができます。つまり、検査基準を考える手間と、プログラムを組む手間を失くすことができます。設定の際には、検査対象物のデータを学習用に提供する必要があり、またAIの精度を上げるために、定期的な学習が必要ですが、設定コストが大きく削減されています。 外観検査の自動化成功のポイントを解説! 2.AI外観検査ではできないこととデメリット 万能かと思われるAI外観検査ですが、もちろんできないこともあります。次に、AI外観検査ではできないことと付随するデメリットについて説明します。 2-1.短時間での大量検査 AI外観検査は、短い時間における大量検査を苦手としています。AIを使う際は、同時に大量のデータを処理しているため、一度に処理できる検査の量には限界があります。ケースによっては、従来の画像センサを用いた方が、効果的な場合があります。 2-2.寸法検査 AI外観検査では、寸法検査を行うことができません。AI画像検査で行うことができるのは、過去の画像データと比較して、検査対象が良品なのか?不良品なのか?を判定することのみです。元々の画像データを見て、正確に寸法を計測することは不可能です。その延長で考えれば、AIで寸法検査を行うことは不可能であるとわかるかと思います。 2-3.少量のデータのみを利用したAI外観検査 少量のデータのみでAI外観検査を行おうとすると、検査精度を出すことができず、実用的な自動検査システムにはなり得ません。外観検査においてAIを利用し、且つ高い精度を出したい場合は、100~1000サンプル以上は検査データを集める必要があります。外観検査AIを導入する際のネックは、この適切な画像データを集めることにあると言えます。 3.AI外観検査事例9選:中小・中堅企業編 一口にAI外見検査、と言っても検査方法、検査対象は企業様によって多種多様です。この記事では、品質管理検査、組立時の検査、パッケージング検査、欠陥検出検査の4つの検査における、AI外観検査事例を計9事例紹介します。 3-1.品質管理検査 AI画像処理検査は製品の外観や仕上がりに対して高速かつ正確な検査を行うことができます。例えば、製品の表面の傷や欠陥、色の一貫性などを検出することができます。 AI外観検査事例①:成形品不良品の再検査 従来の検査システムでは、従来の画像検査装置では不良品のOK/NG判定ができないという課題がありました。AI外観検査システムを導入し、画像検査装置で撮影した不良品画像をAI画像処理で再検査することで、不良品と判定された成形品から良品を検出することができます。 AI外観検査事例②:漢方薬の材料不良品検査 漢方薬の材料不良品検査は、今まで目視でのみ検査することが可能でした。漢方薬の材料は様々な乾燥物が使われている事が多く、同じ材料でも形やサイズ、色も若干異なっていたりするためです。AI外観検査を導入し、AIに材料の形やサイズ、色を学習させることで、不良判定が曖昧な不良品や異物を検出することに成功しました。 3-2.組立時の検査 製品の組み立て工程においては、AI画像処理検査を行うことで部品の位置、方向、正確さなどを検査することができます。これにより、組み立ての正確性と一貫性を確保することが可能となります。 AI外観検査事例③:ボルト締結検査 自動車の各部品やボディパネルの組み立てにおいては、AI画像処理検査を用いることで、ボルトの位置、締結の正確さ、欠陥などを検査することができます。 AI外観検査事例④:部品の位置検査 自動車の部品の位置や方向が正しいかどうかを検査するために、AI画像処理検査が使用されます。例えば、ドアやパネルの位置や隙間の一貫性を確認することができます。 AI外観検査事例⑤:ワイヤーハーネス検査 自動車の配線やワイヤーハーネスの組み立てにおいて、AI画像処理検査は配線の接続や絶縁状態を検査します。異常や接触不良を早期に検出し、トラブルや故障を未然に防ぐことができます。 3-3.パッケージング検査 製品の包装やラベルの正確性、完全性、位置などを検査するためにAI画像処理を活用することができます。 AI外観検査事例⑥:ゼリー容器 胴部の製品フィルム検査 製品フィルにあるゼリー内容物の柄などが邪魔になり、フィルムの皺や汚れ、ズレなどが今までの検査装置では困難でした。AIに柄を学習させる事で、柄と皺や傷、汚れなどの区別が出来る様になり、ズレなども今まで以上に精度よく判定する事が出来るようになりました。 AI外観検査事例⑦:お惣菜の具材配置検査 食品工場(お惣菜)において、盛り付けられた具材を今までは目視検査で量や盛り付け位置、盛り付け方、異物などを検査していました。そこでAIに盛り付け方の正解画像を複数パターン覚えさせる事で、今までの検査装置では困難だった目視検査に近い検査が可能となりました。 3-4.欠陥検出検査 製品や部品の表面における欠陥や異常なパターンを検出するために、AI画像処理検査を使用することができます。例えば、溶接部や金型表面のクラック、ひずみ、欠けなどを検出することができます。 AI外観検査事例⑧:溶接不良検査 AIに溶接不良画像と正常な溶接画像を学習させる事により、目視検査でも非常に難しい「スパッタ付着」、「溶接忘れ」、「溶接の長さ不良」、「溶接位置不良」、「焼け跡一部処理忘れ」、「溶接サイズはみ出し」、「溶接かじり」、「溶接穴有」などカメラを使った画像検査で自動検出する事が出来るようになりました。 AI外観検査事例⑨:メッキ不良検査 「メッキ色」、「傷」「打痕」、「異物付着」、「肌荒れ」、「ゆず肌」、「メッキ無し」などの不良画像と良品画像をAIに学習する事で、これらの不良が自動検出する事が可能になりました。 4.AI外観検査の導入方法 外観検査AIを用いた検査の導入方法を大まかに説明致します。 AI外観検査が使われる前のルールベースの画像検査と比較したときの違いは、画像準備、AI学習のフェイズにおいて顕著に出ています。 ルールベースの画像検査では、検査基準を判断するアルゴリズムを担当者が決定する必要があります。撮像した画像に対して、長さや面積、濃淡位置などの特徴を数値的に定義する必要があり、またそれらを考慮し複雑なアルゴリズムを設定する必要があります。 AI外観検査では、検査用の画像を用意し、AIに学習させます。安定した検査精度を出すために、試行錯誤を行っていく必要があります。 5.まとめ AI外観検査は、製造業において新しい品質管理のカタチとして注目されており、今後は、企業がAI外観検査を戦略的かつ有益なツールとして活用することが不可欠です。 この記事を読み、外観検査について、また外観検査AI導入方法についてさらに詳しく知りたい方は、是非下記のレポートをご活用ください。   ■関連するセミナーのご案内 AI外観検査 社長セミナー 外観検査を自動化して工数削減!省人化!標準化!品質向上!不良流出削減! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/109999 本セミナーで学べるポイント 外観検査を自動化してパート従業員や職人に依存している目視検査から脱却する手法を学べる! 外観検査を自動化して属人化している検査工程を標準化するためのポイントを学べる! 外観検査を自動化して不良流出を削減する方法を学べる! 外観検査にAIを活用して検査工程を自動化するための具体的な手法が学べる! 過去に外観検査の自動化に失敗していても成功させるための具体的な手法が学べる! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 大阪会場 2024/04/09 (火) 10:00~12:30 東京会場 2024/04/16 (火) 10:00~12:30 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/109999

製造業の営業部門・設計部門のDX事例

2023.09.05

今回ご紹介するのは、メーカーにおけるデジタル技術を活用した“営業&設計部門の生産性向上” に関する事例です。 【事例サマリー】 ・「営業担当者の提案業務」と「設計担当者の設計業務」の両方の工数削減を実現! ・たった1種類のシステムが、営業&設計部門の生産性向上に貢献! 【Before(システム導入前の状態と主な課題)】 顧客との商談を経て、営業担当者から設計部へ「顧客提案用のCAD図面を作ってほしい」という要望が頻発。 設計部は本業である「受注後」の詳細設計業務へ注力できないという状況に。 全体として受注に繋がらない案件も多く、失注したら設計担当者の工数がそのままマイナス(赤字)となっていた。 【After(システム導入後の主な課題解決効果)】 CADを使えない営業担当者でも顧客との商談中に必要情報を入力することで、その場で顧客提案用のCAD図面を自動作成できるシステムを導入。 結果として、設計部の業務負担が激減。 設計担当者は空いた時間で「より付加価値の高い詳細設計業務」に集中できるようになった。 【取り組みのポイント】 ▼営業担当者 「CAD図面の作成依頼⇒顧客へCAD図面を提示する」までの時間を  「1週間以上⇒数分間」へ大幅に短縮! ▼設計担当者 失注リスクのある「受注前」の設計業務の工数を大幅カット &「受注後」の詳細設計業務へリソースを集中 ⇒設計担当者の付加価値アップを実現!   ⇒たった1種類のシステムが、営業&設計部門の生産性向上に貢献! 以下の無料ダウンロードレポートでは、 本コラムの内容をより詳しく解説しています。 是非、ダウンロードしていただき、貴社の経営にお役立てください。   ▼レポート無料ダウンロード お申し込みはこちら▼ 船井流 DX事例レポート “営業&設計部門の生産性向上” 最新事例解説レポート https://www.funaisoken.co.jp/dl-contents/smart-factory__00262 営業担当者の提案と設計担当者の工数削減をデジタルがサポート デジタル技術を活用し“付加価値アップ”を加速させる! “ヒトを活かすDX”の実践事例とは? 具体的事例 【従業員数】 約70名 【業種】 コンテナ製造メーカー 【営業担当者】 「CAD図面の作成依頼⇒顧客へCAD図面を提示する」までの時間を 「1週間以上⇒数分間」へ大幅に短縮! 【設計担当者】 「受注前」の設計業務の工数を大幅カット& 「受注後」の詳細設計業務へリソースを集中 ⇒設計担当者の付加価値アップを実現!  たった1種類のシステムが、営業&設計部門の生産性向上に貢献   ■関連するセミナーのご案内 見積AI 社長セミナー 特注生産・一品一様生産における属人的な見積業務にAI導入して受注率UP&利益率UP! https://www.funaisoken.co.jp/seminar/103986 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/10/12 (木) 13:00~15:00 2023/10/17 (火) 13:00~15:00 2023/10/19 (木) 13:00~15:00 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/103986 今回ご紹介するのは、メーカーにおけるデジタル技術を活用した“営業&設計部門の生産性向上” に関する事例です。 【事例サマリー】 ・「営業担当者の提案業務」と「設計担当者の設計業務」の両方の工数削減を実現! ・たった1種類のシステムが、営業&設計部門の生産性向上に貢献! 【Before(システム導入前の状態と主な課題)】 顧客との商談を経て、営業担当者から設計部へ「顧客提案用のCAD図面を作ってほしい」という要望が頻発。 設計部は本業である「受注後」の詳細設計業務へ注力できないという状況に。 全体として受注に繋がらない案件も多く、失注したら設計担当者の工数がそのままマイナス(赤字)となっていた。 【After(システム導入後の主な課題解決効果)】 CADを使えない営業担当者でも顧客との商談中に必要情報を入力することで、その場で顧客提案用のCAD図面を自動作成できるシステムを導入。 結果として、設計部の業務負担が激減。 設計担当者は空いた時間で「より付加価値の高い詳細設計業務」に集中できるようになった。 【取り組みのポイント】 ▼営業担当者 「CAD図面の作成依頼⇒顧客へCAD図面を提示する」までの時間を  「1週間以上⇒数分間」へ大幅に短縮! ▼設計担当者 失注リスクのある「受注前」の設計業務の工数を大幅カット &「受注後」の詳細設計業務へリソースを集中 ⇒設計担当者の付加価値アップを実現!   ⇒たった1種類のシステムが、営業&設計部門の生産性向上に貢献! 以下の無料ダウンロードレポートでは、 本コラムの内容をより詳しく解説しています。 是非、ダウンロードしていただき、貴社の経営にお役立てください。   ▼レポート無料ダウンロード お申し込みはこちら▼ 船井流 DX事例レポート “営業&設計部門の生産性向上” 最新事例解説レポート https://www.funaisoken.co.jp/dl-contents/smart-factory__00262 営業担当者の提案と設計担当者の工数削減をデジタルがサポート デジタル技術を活用し“付加価値アップ”を加速させる! “ヒトを活かすDX”の実践事例とは? 具体的事例 【従業員数】 約70名 【業種】 コンテナ製造メーカー 【営業担当者】 「CAD図面の作成依頼⇒顧客へCAD図面を提示する」までの時間を 「1週間以上⇒数分間」へ大幅に短縮! 【設計担当者】 「受注前」の設計業務の工数を大幅カット& 「受注後」の詳細設計業務へリソースを集中 ⇒設計担当者の付加価値アップを実現!  たった1種類のシステムが、営業&設計部門の生産性向上に貢献   ■関連するセミナーのご案内 見積AI 社長セミナー 特注生産・一品一様生産における属人的な見積業務にAI導入して受注率UP&利益率UP! https://www.funaisoken.co.jp/seminar/103986 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/10/12 (木) 13:00~15:00 2023/10/17 (火) 13:00~15:00 2023/10/19 (木) 13:00~15:00 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/103986

生成AIの上手な使い方

2023.08.24

1.生成AIとは何か?生成AIのインパクト 今、話題の生成AIですが、我々の身の回りはすでに生成AIで作られたものでとり囲まれているかもしれません。 インターネットで目にする文章、画像、音声などは実は今、私たちが知らないうちに大量にAIで作られています。 生成AIとは、簡単にいうと、「様々なコンテンツを自動で大量に生成できるAI」のことを指します。 従来の「AI」と「生成AI」の違いについては、「オリジナルコンテンツ創造の可否」にあります。 従来AIは「学習済みのデータの中から適切な回答を探して提示する性質」を持っていましたが、生成AIは「0から1を生み出す性質(オリジナルコンテンツを創出)」が特徴です。 AIが、作家が作ったような文章を書き、芸術家が描くような画像を生成してくれます。 生成AIは人間の仕事や作業をサポートしてくれる(短時間で生成する)ツールとして急速に注目を集め、利用されています。 2.AIはやる/やらないではなく、来るもの よく社内で「AIを活用するか、しないか」を議論されているという話聞きます。 これは、インターネット到来時代に「インターネットを使うか、使わないか」を議論していることと同じです。 人間は便利なものは必ず使うようになります。 「スマホよりガラケーの方がいい」と言っていた方々も、今は全員スマホを使っています。 人間は利便性がよい方に確実に転がります。 「AIは使えない!」という方々も良くいますが、それはAI自体をよく知らないか、使い方を間違えている方々です。 <ハサミで金棒は切れません> AIが使えないという方々は「ハサミで金棒を切って、使えない」と言っているに過ぎません。 AIは万能ではありません。 使い方があり、使えないというのは、そもそも使い方を理解していないのです。 AIを正しく理解して、正しく使えば、便利なものには間違いありません。 ただ、業務利用するにはきちんとした知識が必要です。 知識もないまま、AIを扱うと間違いなく痛い目に遭うでしょう。 3.AIと仲良く暮らすには? 私たちは誰もかれも「現状が好きな生き物」です。 携帯電話が到来した時、「家に電話すれば済む。用事があれば公衆電話があるし、出掛けているときに捕まりたくない」と私たちは思っていました。 インターネットが到来した時も、「やっぱり紙がいい。パソコンは難しい・わかりづらい」と私たちは思っていました。 スマホが到来した時も、「ガラケーで十分。スマホはわかりづらい」と私たちは思っていました。 新しいものが出てきた時に、私たちは必ず「今のままで良い」と思うのです。 ただ、手のひら返しをするタイミングは思いのほかすぐにやってくるのです。 AIがわからないという方は、とりあえずchat-GPTサービスをまずは試してください。 もしかしたら、「役に立たない。 インターネットで検索すれば十分」と思うかもしれません。 それでもいろいろなことを試して見てください。 いろいろな可能性が見えるかもしれません。 すでに身近にAIサービスは見えるもの・見えないものたくさんリリースされています。 現状のAI技術にたくさん触れて、今のAIのレベルを確認してください。 幸いAIの進化はとても早く、1年も経てば、別の世界を見せてくれます。 頑張って、抗っても、拒絶してもAIの時代はやってきます。 事実、すでに身の回りの文章や画像が、人が作ったのか、AIが作ったのか、誰にもわかりません。 この文章自体、AIが書いているかもしれません。 確実なことは「AIが便利なものであること」「どの会社も人材不足」ということです。 この技術を皆さんのビジネスにどう有意義に生かしてくか、ただそれだけなのだと思います。 最後までお読みいただきありがとうございました。   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045   ■関連するセミナーのご案内 製造業の為のAI・IoT活用戦略!経営者セミナー https://www.funaisoken.co.jp/seminar/102603 職人技術に依存している製造現場でAI化・IoT化・ロボット化・デジタル化できる取組事例が学べる! ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/09/07 (木) 13:00~15:00 2023/09/12 (火) 13:00~15:00 2023/09/14 (木) 13:00~15:00 ■講座内容 ゲスト講師講座「協働ロボット成功事例講座!ロボドリル工程の工数を年間1,200時間削減!」 AI・IoT取組事例講座編 「全国各地で見られる製造業でのAI・IoT取組事例」 AI・IoT活用戦略講座編 「製造業経営者が取り組むべきAI・IoT活用戦略」 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/102603 いつも当コラムをご愛読いただきありがとうございます。 1.生成AIとは何か?生成AIのインパクト 今、話題の生成AIですが、我々の身の回りはすでに生成AIで作られたものでとり囲まれているかもしれません。 インターネットで目にする文章、画像、音声などは実は今、私たちが知らないうちに大量にAIで作られています。 生成AIとは、簡単にいうと、「様々なコンテンツを自動で大量に生成できるAI」のことを指します。 従来の「AI」と「生成AI」の違いについては、「オリジナルコンテンツ創造の可否」にあります。 従来AIは「学習済みのデータの中から適切な回答を探して提示する性質」を持っていましたが、生成AIは「0から1を生み出す性質(オリジナルコンテンツを創出)」が特徴です。 AIが、作家が作ったような文章を書き、芸術家が描くような画像を生成してくれます。 生成AIは人間の仕事や作業をサポートしてくれる(短時間で生成する)ツールとして急速に注目を集め、利用されています。 2.AIはやる/やらないではなく、来るもの よく社内で「AIを活用するか、しないか」を議論されているという話聞きます。 これは、インターネット到来時代に「インターネットを使うか、使わないか」を議論していることと同じです。 人間は便利なものは必ず使うようになります。 「スマホよりガラケーの方がいい」と言っていた方々も、今は全員スマホを使っています。 人間は利便性がよい方に確実に転がります。 「AIは使えない!」という方々も良くいますが、それはAI自体をよく知らないか、使い方を間違えている方々です。 <ハサミで金棒は切れません> AIが使えないという方々は「ハサミで金棒を切って、使えない」と言っているに過ぎません。 AIは万能ではありません。 使い方があり、使えないというのは、そもそも使い方を理解していないのです。 AIを正しく理解して、正しく使えば、便利なものには間違いありません。 ただ、業務利用するにはきちんとした知識が必要です。 知識もないまま、AIを扱うと間違いなく痛い目に遭うでしょう。 3.AIと仲良く暮らすには? 私たちは誰もかれも「現状が好きな生き物」です。 携帯電話が到来した時、「家に電話すれば済む。用事があれば公衆電話があるし、出掛けているときに捕まりたくない」と私たちは思っていました。 インターネットが到来した時も、「やっぱり紙がいい。パソコンは難しい・わかりづらい」と私たちは思っていました。 スマホが到来した時も、「ガラケーで十分。スマホはわかりづらい」と私たちは思っていました。 新しいものが出てきた時に、私たちは必ず「今のままで良い」と思うのです。 ただ、手のひら返しをするタイミングは思いのほかすぐにやってくるのです。 AIがわからないという方は、とりあえずchat-GPTサービスをまずは試してください。 もしかしたら、「役に立たない。 インターネットで検索すれば十分」と思うかもしれません。 それでもいろいろなことを試して見てください。 いろいろな可能性が見えるかもしれません。 すでに身近にAIサービスは見えるもの・見えないものたくさんリリースされています。 現状のAI技術にたくさん触れて、今のAIのレベルを確認してください。 幸いAIの進化はとても早く、1年も経てば、別の世界を見せてくれます。 頑張って、抗っても、拒絶してもAIの時代はやってきます。 事実、すでに身の回りの文章や画像が、人が作ったのか、AIが作ったのか、誰にもわかりません。 この文章自体、AIが書いているかもしれません。 確実なことは「AIが便利なものであること」「どの会社も人材不足」ということです。 この技術を皆さんのビジネスにどう有意義に生かしてくか、ただそれだけなのだと思います。 最後までお読みいただきありがとうございました。   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045   ■関連するセミナーのご案内 製造業の為のAI・IoT活用戦略!経営者セミナー https://www.funaisoken.co.jp/seminar/102603 職人技術に依存している製造現場でAI化・IoT化・ロボット化・デジタル化できる取組事例が学べる! ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/09/07 (木) 13:00~15:00 2023/09/12 (火) 13:00~15:00 2023/09/14 (木) 13:00~15:00 ■講座内容 ゲスト講師講座「協働ロボット成功事例講座!ロボドリル工程の工数を年間1,200時間削減!」 AI・IoT取組事例講座編 「全国各地で見られる製造業でのAI・IoT取組事例」 AI・IoT活用戦略講座編 「製造業経営者が取り組むべきAI・IoT活用戦略」 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/102603