製品に傷がないかを確かめる。機械の状態を確認し、故障を防ぐ。ものづくりの現場には、品質や安全を支えるさまざまな仕事があります。
こうした仕事を支援するために、画像やセンサーのデータを分析するAIが活用されています。
「しごとで使うAI」シリーズの第1回は、製造業編です。AIの役割と、活用する際のポイントをご紹介します。
1．製造業では、AIを何に使う？
製造業では、製品の画像、設備の振動や温度、検査結果など、多くのデータが生まれます。AIは、こうしたデータから特徴や傾向を学び、製品の状態を判定したり、設備の変化を見つけたりするために使われます。
例えば、カメラで撮影した製品から傷の候補を見つけるといった不良品を検知する使い方です。担当者による確認や対応を支援し、品質の安定や設備停止の低減につなげることを目指します。
またロボットアームや空気噴射で除去することもAIが利用されています。
2．外観検査：画像から傷や汚れを見つける
外観検査とは、製品の表面などを確認し、傷や汚れ、欠けといった問題を調べる検査です。AIを使う場合は、カメラで撮影した画像を分析し、不良の可能性がある箇所や、通常と異なる特徴を検出します。
例えば、良品と不良品の画像に正解ラベルを付けて学習させ、製品の良否を分類する方法があります。また、正常な製品の画像をもとに、普段と異なる部分を検出する方法もあります。
AIが示した結果をもとに、担当者が詳しく確認したり、製品を別の工程に振り分けたりします。どこまでを自動化するかは、製品や検査の条件に応じて決めます。
画像認識は、画像に写っている物や特徴を捉える技術です。良品・不良品などの正解情報を使って学習する場合は、教師あり学習に当たります。画像認識の手法として、CNN（畳み込みニューラルネットワーク）などが使われます。AI検定の出題範囲ですので事例と合わせてしっかり覚えていきましょう。
3.機械の故障・劣化予測：設備の変化を捉え、保全につなげる
製造現場では、設備の故障によって生産が止まると、修理だけでなく、その後の工程や納期にも影響することがあります。そこで役立つのが、設備のデータから故障の兆候や劣化の進み具合を分析するAIです。
例えば、モーターの振動や温度、電流などをセンサーで記録し、通常の運転状態と比較します。過去の故障や点検、部品交換の記録と組み合わせることで、設備の状態を把握し、点検や交換の時期を検討する材料にします。
こうした分析を通じて、故障してから修理するだけでなく、必要な保全を事前に計画する「予知保全」につなげます。劣化の傾向をもとに、部品をあとどれくらい使えるかという「残存寿命」の推定に取り組む場合もあります。
ただし、振動や温度の変化は、故障だけでなく、負荷や運転条件の変更によっても起こります。AIの予測には不確実さがあるため、現場の担当者が運転状況や点検結果と照らし合わせて判断することが重要です。
異常検知は「いつもと違う状態を見つけること」、故障・劣化予測は「今後の状態や故障の可能性を見積もること」です。異常が見つかったからといって、必ず故障するわけではありません。何を検知・予測しているのかを区別しましょう。
4.技能継承・後継者育成：熟練者の経験を、次の担い手の学びへ
熟練者が持つ技術や判断の中には、「音を聞けば状態がわかる」「材料に合わせて力加減を変える」といった、言葉だけでは伝えにくいものがあります。こうした経験に基づく知識や技能は、「暗黙知」と呼ばれます。
AIは、熟練者の動きや視線を分析してデータとして蓄積し、判断の特徴を整理するために活用できます。例えば、工具を動かす順序や作業時間、加工条件の調整と仕上がりの関係を調べ、教える際の手がかりにする方法があります。
新人や後継者の育成では、熟練者の作業と自分の作業を比較し、どこが違うのか、何を改善するのかを振り返るために役立てられます。
記録を残すだけで技能が身につくわけではありません。AIによる分析や情報整理を、実際の練習、熟練者の実演、指導者からの助言と組み合わせ、次の担い手の育成につなげましょう。
AIの役割は、熟練者の経験を記録・整理し、学びや指導の手がかりを増やすことです。作業の形だけでなく、「なぜその方法を選ぶのか」「どの条件なら使えるのか」も伝えることが、技能の継承につながります。
AI検定では、製造業をはじめとする産業への応用も学習範囲に含まれます。活用例を用語と結びつけて、理解を深めていきましょう。
