製造業におけるAIの導入目的

製造業×AIをテーマとした連載の第5回は、前回の「製造業におけるAIの利用率と課題」に続き、AI白書2020の「企業におけるAI利用動向アンケート調査」から、製造業におけるAIの導入目的などに触れてていきたいと思います。

AI白書2020と注意点

本記事に掲載しているAI白書2020の調査内容について、「製造業におけるAIの利用率と課題」内に記載していますのでご確認ください。

調査結果について気を付けなければないないのが、調査対象期間が2019年であることです。
本のタイトルがAI白書2020であるため、2020年のデータであると勘違いしやすいですが、調査結果はあくまで2019年のものです。

そのため、新型コロナウイルスの影響を受けていないこと、約2年前のデータであることを気を付けなければなりません。AIの利活用は現在進行形で進んでおり、新型コロナウイルスの影響でAI含むDXが急速に進んだことから、現時点はAIはより企業にとって身近になっていると予想できます。

また、もう1つの注意点が、調査対象に小規模企業が含まれておらず、大企業の回答が多いことです。製造業は99%が中小企業であることから、こちらのデータは大企業中心の結果であることに気を付けなければなりません。

企業におけるAIの利用率

調査に回答した525社の、AIの利用率の結果が下記のグラフになります。

調査に回答した525社のうち、4.2%が「既に導入している」、4.8%が「現在実証実験(PoC)を行っている」、1.1%が「過去に検討・導入または実証実験(PoC)を行ったが現在は取り組んでいない」となっています。

AIの導入・検討に取り組んでいる会社は全体の約10%と、調査された2019年時点では低い結果となっています。

AI導入の効果

AIを「既に導入している」企業に、AI導入の効果を尋ねた結果が下記のグラフになります。

回答数が22社と少ないですが、3割程度が「期待通りの効果が出た」と満足されている一方で、9.1%が「どちらともいえない」、4.5%が「期待外れ」と回答されています。

2019年時点でAIを導入している企業の多くは、AIの第3次ブームの初期で導入されていると考えられ、まだまだ世の中にAIをビジネスとして活用するノウハウがない中で導入したことが、満足度が低い理由であると考えられます。また、AIを提供しているベンダー側にもまだまだノウハウが少なく、満足度が高くなかったのではと考えました。

4割以上の方が「導入したばかりのためまだ効果がわらない」と回答されており、こちらの結果がわかるAI白書2022が楽しみですね。

AIの導入目的(導入段階別)

AIを「既に導入している」、「現在実証実験(PoC)を行っている」、「検討/関心あり」と回答した企業に対して、AIの導入目的を尋ねた結果が下記のグラフになります。こちら複数回答ありの内容となっています。

業務効率化による業務負担の軽減」が、すべてのグループで1位となっており、関心が高いことがわかります。AIの活用事例に関するニュースも、業務効率化というキーワードはよく出てきますね。

検討中/関心ありの企業におけるAIの導入目的(製造業)

AI導入について検討中/関心ありと回答した企業の中から、製造業(プロセス製造業および加工組立製造業)のAI導入目的を抜粋した結果が下記のグラフになります。こちら複数回答ありの内容となっています。

製造業においても「業務効率化による業務負担の軽減」は高いですが、業界特有の回答として「ヒューマンエラーの低減・撲滅」と「生産性向上(自動化・機械化の推進」が高いことがわかります

検討したい/関心があるAI技術(製造業)

AI導入について検討中/関心ありと回答した企業の中から、製造業(プロセス製造業および加工組立製造業)の検討したい/関心があるAI技術を抜粋した結果が下記のグラフになります。こちら複数回答ありの内容となっています。

「ディープラーニング(深層学習)」と「データ分析技術」が高いですが、業界特有の回答として「画像認識(静止画処理)」、「画像認識(動画処理)」、「診断技術(異常、故障予知など)」が高いことがわかります

AI検討中/関心ありの企業における将来的な導入時期

AI導入について検討中/関心ありと回答した企業に対して、将来的のAI導入時期を尋ねた結果が下記のグラフになります。

未定と回答した企業が6割と多いため、導入企業数が大きく増加することは、数年は起こらないかもしれませんね。
1年以内(202年中旬頃まで)、2年以内(2021年頃まで)と回答した企業は約2割で、この結果がAI白書2022で確認できますので、今から楽しみですね。

まとめ

2019年時点では、AI導入で「期待通りの効果が出た」と満足されている企業は少ないことがわかりました。
「導入したばかりのためまだ効果がわらない」と回答している企業も多く、AI導入は現在進行形で進んでいるため、AI白書2022では2019年とは違った結果が確認できそうで楽しみです。

製造業(プロセス製造業および加工組立製造業)のAI導入目的としては、「業務効率化による業務負担の軽減」、「ヒューマンエラーの低減・撲滅」、「生産性向上(自動化・機械化の推進」が高いことがわかりました。

製造業(プロセス製造業および加工組立製造業)の検討したい/関心があるAI技術としては、「画像認識(静止画処理)」、「画像認識(動画処理)」、「診断技術(異常、故障予知など)」が高いことがわかりました。

製造業におけるAIの利用率と課題

製造業×AIをテーマとした連載の第4回は、製造業のお客様がAIをどの程度利用しているか、またどのような課題をもっているかまとめてみました。AI白書2020の「企業におけるAI利用動向アンケート調査」から、製造業の現状を把握していきたいと思います。

AI白書2020の調査概要

下記がAI白書2020の調査目的および調査概要です。

調査目的

この調査は、民間企業など(事業者団体などを含む。以下、「企業」という)のAIの活用実態と課題を把握することを目的としている。

調査対象

経済産業省の情報処理実態調査で調査対象になっている68業種の中から7,000事業者を調査対象として、質問表を郵送にて送付した。回答は郵送及びWEB受付を併用(回収率7.7%)

調査対象期間

2019年7月24日~2019年9月9日

調査件数

541件(信頼水準95%としたときにの標本誤差は±4.21%)

留意点

調査対象企業に小規模企業は含まれていない。また、日本の産業統計と比較すると回答企業には大企業が多い。

ライターコメント

調査結果について気を付けなければないないのが、調査対象期間が2019年であることです。本のタイトルがAI白書2020であるため、2020年のデータであると勘違いしやすいですが、調査結果はあくまで2019年のものです。

そのため、新型コロナウイルスの影響を受けていないこと、約2年前のデータであることを気を付けなければなりません。AIの利活用は現在進行形で進んでおり、新型コロナウイルスの影響でAI含むDXが急速に進んだことから、現時点はAIはより企業にとって身近になっていると予想できます

また、もう1つの注意点が、調査対象に小規模企業が含まれておらず、大企業の回答が多いことです。製造業は99%が中小企業であることから、こちらのデータは大企業中心の結果であることに気を付けなければなりません。筆者が運営する「切削工具の情報サイト タクミセンパイ」にて、中小企業のAI戦略を紹介していますので、ご興味がある方はご覧ください。

回答企業の属性

調査に回答した企業の属性を理解することが、データの結果を確認する上で重要であるため、簡単にまとめてみました。

業種

調査に回答した540社の業種の構成は、下記のグラフの割合になっています。

調査に回答した540社のうち、24.1%がプロセス製造業、22%が加工組立製造業で、全体の46.1%が製造業となっています。AI白書における業種について、プロセス製造業は「食品、繊維、印刷、化学など」、加工組立製造業は「金属加工、機械、自動車、コンピュータなど」とされています。

売上高規模

調査に回答した541社の売上の構成は、下記のグラフの割合になっています。

50億円未満の企業が28.5%で他のグループより多いものの、それ以外は比較的まんべんなくデータがとれていることが分かります。

従業員数規模

調査に回答した540社の従業員数の構成は、下記のグラフの割合になっています。

3,000人以下の企業については、比較的まんべんなくデータがとれていることが分かります。

企業におけるAIの利用率

AIの利用率の結果が下記のグラフになります。

どの業界も、「関心はあるがまだ特に予定がない(緑色)」が高いです。

製造業(プロセス製造業+加工組立製造業)のAI利用は、金融業より遅れており、流通業より進んでいることがわかります。プロセス製造業と加工組立製造業では、AI利用の進捗はほとんど違いがありません。

AIを導入/検討する上での課題

企業におけるAIの利用率にて「検討中/関心あり」と回答した企業において、AIを導入検討するに当たっての課題が下記となります。こちら複数回答の結果となっています。

AIのついての理解不足が1位で、経営者や社内関係者の理解が得られないなどの回答もあり、こちらについてはプロジェクトを進める上でのAIリテラシー向上が必要であることがわかります。また、導入効果に対する不安や費用も上位に入っており、期間・費用も大きくなるAIプロジェクトに対して不安を持っている方が多いことがわかります。

まとめ

製造業(プロセス製造業+加工組立製造業)のAI利用率は、他の業界と比較すると、金融業より遅れており、流通業より進んでいることがわかりました。

AI白書2020の調査は2019年時点のものなので、最新のデータでどのように変化しているかが気になります。今のところAI白書2021の出版予定が公開されていないため、おそらくAI白書2022(調査期間は2021年)でわかると思います。

また、AI導入の課題については、AIリテラシーの向上、AIプロジェクトに対する納得と周囲の同意が必要であることがわかりました。これらは、AI技術を提供する会社に求められる要素であり、契約先を決める指標の1つとなります

DX(デジタル・トランスフォーメーション)は進んでいますか?

こんにちは、マスターブラックベルトの津吉です。

ものづくりの現場にはデジタル機器がすっかり浸透し、今ではデジタル的なものづくりが普通になりました。みなさんの現場でもアナログ的なものづくりからデジタル的なものづくりへの移行、つまりDX(デジタル・トランスフォーメーション)は進んでいますか?今回はあるものづくりの現場で行ったDXの試みと、その利点について説明してみたいと思います。

現場からの依頼

事の始まりは、ある検査プロセスからの依頼でした。依頼内容は「製品の検査プロセスで不合格品が時々発生するので、製品が悪いのか、それとも検査プロセスが悪いのか、一度調べて欲しい」というものでした。

製品は兎も角として、なぜ検査プロセスまで調べなくてはいけないのか、その理由を改めて聞いてみると、「製品が一品一品異なるオーダーメイドなので、検査プロセスの設定や手順をその都度製品に合わせて変更しているから」とのことでした。

アナログ的な検査プロセス

そこでまず、現場のオペレータにこれまでの検査履歴を見せてもらいました。しかしオペレータが持ってきたものは、製品シリアルナンバーのリストが印刷された紙に、製品それぞれの合否結果が手書きで記入されたものでした。これだけでは何も分析ができないので、オペレータに「パラメータの設定値や測定結果など、他のデータは記録していないのか?」と尋ねると、「検査手順書通りにパラメータを設定しているので、特に他には記録はしていない」との返事でした。

仕方がないので、ここから検査プロセスのDXを始めてみました。

アナログデータの取得からデジタルデータへの変換

まずDXへの手始めとして、検査プロセスのデータをすべて記録してもらうようにオペレータに依頼しました。製品の測定データ、電圧や電流などのパラメータ設定データなど、検査の合否に影響があると考えられるすべてのデータです。もちろん検査結果の合否だけではなく、検査測定値も記録してもらいました。

この段階ではまだオペレータが手で測定し、取得したデータを手でパソコンに打ち込むというアナログ/デジタル変換ですが、検査が進むうちに分析に必要な十分な量のデジタル・データセットが揃ってきました。

デジタルデータの分析

データセットに記録されたレコードには検査プロセスで得たすべてのデータが製品シリアルナンバーごとに記録されています。このデータセットとソフトウェアを使って、まずは回帰分析を行いました。

回帰分析を行うことで、検査結果に影響を与えている主因子を見つけ出すことができました。また回帰分析で導き出した数値モデルを使って、検査プロセスの最適化を行ったり、検査測定値のバラツキを検討したりすることもできました(モンテカルロ・シミュレーション)。

結果とし、検査プロセスの不具合を発見したり、改善(最適化)したりすることが簡単に行えました。

DX: デジタル・トランスフォーメーション

当初の依頼の目的はすでに達成しましたが、さすがにオペレータが検査のたびに今後もいちいち手でデータを収集していては大変です(また人的エラーも発生します)。そこで検査プロセスから自動的にデータを収集する簡単なプログラムをPLC(プログラマブル・ロジック・コントローラー)を使って作りました。

自動収集したデータは社内ネットワークを通してデータセットに記録されるようになり、どこからでもデータセットにアクセスできるようになりました。ここまで来ると簡単なIoTシステムと言っても差し支えないと思います。

機械学習への応用

検査のたびに大きくなるデータセットを使って、機械学習も行ってみました。機械学習によって検査結果を事前に予測することで、複雑な検査プロセスを簡略化し、コストダウンとリードタイムの短縮が図れるかもしれないと考えたからです。実際にその手応えを掴みつつあります。

DXの効果

PLCとネットワーク、データ解析用のソフトウェアを組み合わせるだけで、簡単に検査プロセスのDXが図れました。それだけではなく、様々な分析も行えるようになり、検査プロセスの改善やコストダウンが行るようになりました。

機会があれば、皆さんの現場でもぜひDXをお試し下さい。きっと良い結果が得られると思います。