AI

不良予測を超え工程判断へ…熟練者のノウハウを取り込む「製造AI」

TECHWORLD ·

不良予測を超え工程判断へ…熟練者のノウハウを取り込む「製造AI」
パク・ハング(박한구)韓国インダストリー4.0協会名誉会長。[写真:キム・スンギ記者]

✦ AI 要約

製造AIは設備故障・品質不良の予測を超え、異常原因の分析と工程対応策の提示へと拡大している。

朴漢九韓国インダストリー4.0協会名誉会長は、製造データと熟練者知識を組み合わせたAIベースの意思決定体系と「AI Brain OS Platform」を提案した。

このプラットフォームは、社内技術資料と熟練者の暗黙知を判断ルールへ転換し、工程異常時に対応シナリオを導出して、その結果を作業者に推奨する方式である。

BizCrush韓国語の発表やライブを、リアルタイムで聴きたいならCapCrush(Web版)を試す

製造AIの役割が広がっている。設備故障・品質不良の予測を超え、異常原因の分析や工程対応策の提示段階へ進む流れである。

このような製造AIの基盤には、熟練者の経験・ノウハウの活用がある。重要な方向として、熟練者の暗黙知のデジタル化が示された。

韓国インダストリー4.0協会は19日、京畿道水原コンベンションセンターで開催された「SMATEC 2026」の会場で「第6回インダストリー4.0と産業AX国際カンファレンス」を開いた。この場で朴漢九韓国インダストリー4.0協会名誉会長は、「AI Factory, Human BrainからAI Brainへ未来工場を設計する」をテーマに発表した。

朴名誉会長は、韓国の製造AI事業における一過性の概念実証(PoC)問題を指摘し、製造データと熟練者知識を組み合わせたAIベースの意思決定体系の構築を提案した。あわせて、「予測はAI、判断は人」という小テーマを示した。

製造現場では従来、ERP・MESを活用して生産データを蓄積し、工程を管理してきた。最近はMLベースのAIソリューションを導入し、設備・工程の時系列データを分析しており、AIソリューションの目的は品質不良・設備故障を事前に予測することにある。

ただしAIは、不良・故障の可能性を通知した後の原因把握と対応策の決定までは担えず、この部分は作業者が担当している。また、熟練者の技術・経験の後継人材への継承が不十分であることや、製造システムごとにデータが分散している点も、AI活用の制約要因として挙げられる。

朴名誉会長は、作業標準書・技術標準書・品質基準書・設備管理マニュアルが存在しても、現場作業は経験に依存する傾向があると述べた。続けて、設備変更後の品質改善・故障減少の程度を示すデータ記録が必要であり、設備変更結果へのフィードバックも必要だと語った。

朴名誉会長は、製造現場の問題対応の解決策として「AI Brain OS Platform」を提示した。この案は、既存の製造システムデータと専門AIソリューションを連携させる構成である。活用技術には、RAG、Knowledge Graph、Knowledge Engineeringが含まれる。

このプラットフォームは、社内技術資料と熟練者の暗黙知を判断ルールへ転換する機能を持つ。工程異常が発生すると、判断ルールを基に対応シナリオを導出する。対応項目は、生産維持、設備パラメータ調整、生産ライン停止である。

導出されたシナリオはLight Digital Twinで分析し、シナリオごとの不良、再作業、生産停止、納期遅延コストを比較対象とする。その結果は、作業者向けの対応策の推奨として提供される。朴名誉会長は、A案・B案の選択ごとの損失費用計算が必要であり、C案として生産ラインを停止した際に発生する費用計算も必要だと述べた。また、実際のデータを活用した経済性分析が必要だと述べた。

措置後には、生産データを再収集し、判断ルールを改善し、経済性分析モデルを改善する過程をたどる。その後、AIの判断能力が検証されれば、AIエージェント導入を構想し、Physical AI導入を構想し、工程運用自動化と設備制御自動化へ拡大する構えである。

このような流れのためには、異なるAIソリューションの製造データ活用に向けたデータ構造の標準化が重要だとの指摘が出た。朴名誉会長は、国際標準IEC 63278ベースのAsset Administration Shell(AAS)を適用すれば、新規ソリューション導入時に製造企業のデータ変換コストを削減できると述べた。

朴名誉会長はまた、韓国の製造AI企業が海外の検証済みソリューションの技術・運営方式を検討する必要があると強調した。海外の検証済みソリューション事例としては、時系列データ分析企業のFalkonry、設備故障予兆専門企業のAugury、AIベースの外観検査専門企業のKITOV.aiが挙げられた。

あわせて、一過性のPoCから脱却する必要性も提起された。AIの評価基準については、AIの精度よりも現場損失の削減を重視すべきだと強調された。

製造AIソリューションの事例としては、まずFalkonryが製造現場の時系列データを分析し、新たな異常兆候を検知して、既存の発生問題の再発を防ぐ方式が示された。Auguryは、回転設備の温度・振動・磁場データをAIで分析し、専門家の遠隔診断を組み合わせて設備故障を予測し、保守を支援する機能を紹介した。KITOV.aiは、3次元設計(CAD)図面を活用した外観検査自動化技術を提供し、図面上で検査位置・項目を指定し、別途ロボット動作プログラミングなしに製品表面欠陥と組立不良を自動検査する方式として説明された。

朴名誉会長は、海外ソリューションの現場適用事例を紹介した。朴名誉会長の発言の要旨は、製造企業が継続的に活用できるAI開発が必要だという点であった。

製造AI導入成果の評価基準は、モデル精度よりも不良率・再作業費用・計画外設備停止時間の削減に置くべきだと示された。AIの価値は、技術性能そのものよりも、製造現場の損失をどれだけ減らし、運用成果をどれだけ改善するかで判断すべきだという基準が結び付けられた。

製造AIを継続的に活用するための条件としては、品質向上・コスト削減・納期順守が示された。炭素排出削減・作業者安全の改善などの実質的成果も、製造AIの継続活用条件として併せて言及された。

製造AXを広げるための先行方式としては、実証段階の着手時点で特定工程の反復問題1〜2件を選定しようという提案が出た。これに向けて、3〜12カ月蓄積した工程データの活用と技術標準書の活用、熟練者インタビューの活用が提案され、これらの資料を基に判断ルールを構築し、経済性分析モデルを構築しようという提案もあわせて示された。

今後の韓国の製造AX事業拡大の条件としては、一過性の実証から脱却する点が示された。拡大範囲は他の生産ライン・工場とされ、そのための拡大要件としては、熟練者の製造知識のAI意思決定への活用と、実際の工程でのコスト削減効果の立証、実際の工程での生産性向上効果の立証が示された。

出典:TECHWORLD · キム・スンギ 原文:https://www.epnc.co.kr/news/articleView.html?idxno=410018

参考資料

本記事は、TECHWORLDの原文をもとにBizCrushがAIを用いて要約・再構成・編集したものであり、TECHWORLDの原文そのものではありません。


本記事は、TECHWORLDの原文をもとにBizCrushが要約・編集したものです。正確な引用や詳細は原文をご確認ください。

あわせて見る

BizCrush
オンライン会議の画面にリアルタイム字幕を表示した BizCrush

BizCrush アプリ

会議・通話のリアルタイム字幕と要約

BizCrush Inc. · 代表 郭泰民

本社 100 Middlefield Rd, Menlo Park, CA 94025, USA

韓国オフィス 大韓民国 ソウル特別市 江南区 永東大路 602, 6階 602号内 Z112

カスタマーサポート help@bizcrush.ai · 事業提携のお問い合わせ business@bizcrush.ai

AIに関するご案内

一部の機能では生成AIを利用しています。

該当する機能では、ご利用前のご案内とAI生成結果の表示を別途ご用意しています。AIの出力はあくまで参考であり、重要な判断の前には必ず原文の確認と専門家による検討が必要です。