AI がメーカーを支援する 3 つの方法

(d1sk/シャッターストック)

グローバルなサプライ チェーンと中産階級の文化の成長のおかげで、製造業者は、顧客が望む高品質の製品を手頃な価格で製造するという多大なプレッシャーにさらされています。 メーカーがこれらの要件を満たし、市場シェアを拡大​​し、収益性を高めるためにますます使用されているテクノロジーの 1 つが人工知能です。

Philipp Wallner は、MathWorks の産業オートメーションおよび機械のインダストリー マネージャーとして、最先端の製造業者がモデリング、シミュレーション、デジタル ツイン、AI などのテクノロジをどのように採用しているかを最前線で見ています。 同社の 2 つの主な製品である MATLAB 統計プログラミング環境と、モデリングとシミュレーションに使用される SimuLink は、これらの目標を達成するのに役立ちます。

Wallner の経験に基づくと、製造業者が自社の店舗で AI を使用する主な方法は 3 つあります。

予知保全は、製造業者にとって AI ツリーの最下位の成果です (manine99/Shutterstock)

1.予知保全

製造業者は通常、継続的な運用を行っているため、機械のメンテナンスや修理のためのダウンタイムは収益に直接影響します。 予防保守を実行するための最適なスケジュールを決定することは、多くの場合、工場現場で AI を最初に使用することだと Wallner 氏は言います。

「製造における主な課題の 1 つは、これらのプロセスが通常 24 時間 365 日稼働することになっていることです」と Wallner 氏は言います。 「何かをシャットダウンしてはいけません。」

機器の履歴データを収集して準備したら、それを MATLAB に読み込んで機械学習アルゴリズムをトレーニングできます。機械学習アルゴリズムは、故障の根本原因を特定し、機器の故障までの時間と残りの耐用年数 (RUL) を予測するように設計されています。 アルゴリズムがデータに潜在的な問題を検出した場合、メンテナンスが必要であることを機器オペレーターに知らせることができます。

MathWorks はさまざまな業界で予知保全アプリケーションの開発を経験してきました、と Wallner は言います。 「木工、梱包、ボトル充填など、さまざまな分野でお客様が行っていることの多くは非常に似ているため、ワークフローはかなり似ています」と彼は言います。 「位置決め、移動、温度、圧力、トルクなどのセンサー用の電気駆動装置がたくさんあります。 産業用コントローラで実行される閉ループ制御です。」

2.ビジュアル品質検出

より洗練された AI の使用である視覚品質検出は、工場のフロアから取得した多数の画像でトレーニングされたディープ ラーニング システムに依存しています。 視覚品質の検出は新しいものではありませんが、新しいディープ ラーニング アプローチのおかげで革命が起きたと Wallner 氏は言います。

今日の製造業における自動外観検査では、多くの場合、ディープ ラーニング モデルが使用されています (asharkyu/Shutterstock)

「常に同じ種類の製品を 1 年または 10 年生産する製造ラインから、そのアルゴリズムに実際に取り組み、微調整して実行することができます」と彼は言います。 「製造業は本当にもっと柔軟でなければなりません。ここで、AI は品質検査の柔軟性を高めるのにかなり役立ちます。」

視覚品質検出の課題は、大量のラベル付きデータが必要なことです。 これは通常、時間と費用がかかる手作業のプロセスです。 ただし、完全に自動化されることはありませんが、MathWorks はラベリングの負担を軽減できるように設計されたアプリを開発していると Wallner 氏は言います。

MathWorks はまた、顧客が自動生成された画像を使用して AI システムをトレーニングするのに役立つ合成データを調査しています、と Wallner は言います。

「特に、シミュレーション モデルを既に導入している当社の顧客には、かなりの可能性があると考えています」と彼は言います。 「彼らは、シミュレーション モデルでそれらを比較的簡単にシミュレートし、アルゴリズムをトレーニングすることができます。」

3. ロボティクスの強化学習

製造における AI の有望なもう 1 つの分野は、強化学習を使用して、組立ラインの最後にあるピッキング・アンド・パッキング・ロボットなどの自動システムをトレーニングすることです。 これはより高度な AI の使用例であり、初心者向けではないと Wallner 氏は言います。

強化学習は、自動ピック アンド パック マシンがルーチンを最適化するのに役立ちます (Roman-Zaiets/Shutterstock)

「モデルの観点から考えると、これは簡単に達成できることではありません」と彼は言います。 「主に、ロボティクスやその他のハンドリング システムなどのハンドリング システムで、これらのハンドリング システムをトレーニングするクライアントが増えていることがわかります。」

MathWorks は、世界最大のボトラーおよびパッケージャーの一部と協力しており、可能な限り多くの作業を自動化することを熱望しています。 これらのクライアントにとって、強化学習アルゴリズムで訓練されたロボット工学の使用は、手作業を削減し、それによって利益を押し上げる可能性があります.

「これらのパッケージやボトルはランダムに届くので、ロボットはそのパッケージを選び、時間とリソースの消費が最も少ない方法を見つけて、A から B に運ぶ必要があります」と Wallner 氏は言います。 「これは、強化学習がますます使用されているところです。」

将来の AI ユースケース

AI は製品の品​​質を改善し、メーカーの利益を押し上げる可能性を秘めていますが、企業のリーダーが軽視すべきものではないと Wallner 氏は言います。 「AI への参入は、一晩でできるものではありません」と彼は言います。 「それは、製造業の人々にとって新しい領域または新しい専門知識です。」

MathWorks には、モデリング、シミュレーション、機械学習、および AI 用のツールを使用する世界で最も先進的なメーカーがいくつかあります。 しかし、この比較的排他的な企業グループの中でも、モデリングでできることの限界を押し広げているのは約 20% から 30% にすぎません。

ウォールナー氏は、将来、AI が製造業を改善する可能性のある方法をたくさん見ています。 「特に最適化に関しては、大きな生産プラントのスループットを最適化するという長いリストがあります」と彼は言います。 「今日の時点で、そこには人間の専門知識と知識がたくさんあると思います。 しかし、それを AI にトレーニングすることで、AI のビジネス価値が大幅に高まると思います。」

関連商品:

インダストリアル IoT による製造品質と資産パフォーマンスの向上

AI が工場のフロアに向かう

予知保全が実世界で大きな利益をもたらす


Leave a Comment

Your email address will not be published. Required fields are marked *