製造業DX・業務改善サービス比較サイト

SEIZONE

製造工程においてしばしば発生する異常ですが、この対応には多くの企業が頭を抱えています。生産管理や工程管理で計画した期間内に大きな異常が起きると、納期に間に合わないという事態にも発展します。

本記事では、近年の製造業において非常に導入が多いAIを用いた異常検知に関して詳しく解説していきます。

異常検知とは何か

異常検知

異常検知とは、あらかじめ入力しておいた大量のデータと比較して、挙動が異なるデータを検出すること、またはその技術自体のことを呼びます。

この技術により、人間では判断が不可能なレベルの小さな異常を検知することが可能です。近年はAIの発達と大量のデータ活用によって、これまで以上に小さく複雑な異常を検知できるようになりました。

AIによる異常検知を使用するメリット

メリット

AIに異常検知をさせる事にはどのようなメリットがあるのでしょうか。ここでいくつかの例を挙げていきます。

ヒューマンエラーを無くせる

これまで熟練の技術者の経験や技術に頼っていた部分の検査を異常検知で置き換えることで、見落としや個人差などのヒューマンエラーを無くすことができます。

検査の方法などはどれだけ正確にマニュアル化していても、やはり個人差が出てしまうものです。

AIは24時間常に同じ検査を行うことができ、作業ムラも起こりません。さらに精度も人間よりも高度なので非常に有効です。

品質保証・確認の負担軽減

異常検査は機械設備などの運用の監視以外に、製品の異常検査にも活用されています。制作過程での異常検知などを行うことでイレギュラー品などをあらかじめチェックすることができ、結果的に完成品などの品質確認の際に負担が軽減します。

製造業では工程の各段階にて製品の状態を確認することが多いですが、異常検知を各所で用いることで、工程全体での不良を減らしていけるのです。

作業員の負担軽減および人件費の削減

AIが人間の代わりに行うことで、作業員の負担が減り、人件費を抑える事にもつながります。異常検知は正確性が求められるとは言え、単純作業の繰り返しであることは変わりありません。そのような作業はAIの得意とする分野です。

人員が不要となることで、他の作業に人員を回すことができ、企業全体で見ると人件費を抑える事にもつながります。

異常検知を適用する箇所とは

有効箇所

製造業において異常検知を導入すると有効なのは以下のような箇所です。

– 製造工程の機械設備
– 製品の自動組立ライン

これらの共通点は、人間の作業が干渉しないという点です。異常検知は画像、温度、音などのデータを数値化して判断します。この「数値化」において人間の動作はイレギュラーなことが起こりやすい為、異常検知の導入には向いていません。

もちろん現代では、顔認証システムなどの非常に高度な技術もありますが、ほとんどの製造業の現場において効率化とコストパフォーマンスを最大限に考えた場合には、上記のような考えに当てはめて導入検討をしていくことが良いでしょう。

AIによる異常検知を導入するには

ai

異常検知を高いレベルで導入するには大量のデータを用いてAIに機械学習をさせていくことが必要です。そのようなことを踏まえ、AIによる異常検知の導入について説明します。

1.入力する「正しいデータ」を用意する

AIに機械学習をさせる際には大量のデータが必要ですが、ただ多ければ良いというわけではありません。

仮に機械設備の異常検知に用いる為の機械学習をさせるのであれば、その設備が正常に動作している場合の「正しいデータ」を大量に用意する必要があるのです。この中に、異常動作がいくつも含まれている場合、導入後の異常検知で「異常の見逃し」が起きてしまいます。そのためデータをインプットする際に、そのデータが正しいのかを判断することは重要です。

一方で、よくある異常などは機械学習のインプットの際に「異常」として認識させることで、あらかじめ学習させておくという手法も可能です。異常のパターン化までできているような場合には、それぞれの異常に合わせての対応まで一括してシステム化に組み込むなどの応用ができるからです。

いずれの場合も、入力する際のデータの扱いには十分な注意が必要です。

2.異常検査の装置やセンサーを選定する

実際に異常検知を行う設備の準備として、装置やセンサーの選定を行います。これは機械学習のためにインプットしたものと同様の媒体になります。

扱っている検知の対象が音なのか、映像なのか、温度なのか、様々であると思いますが、それらを数値化することで異常検知の対象となります。

選定の際には、求める検知の精度に対応するものを選ぶことが重要です。精密なデータが必要な際に、粗いデータしか取得できないセンサーでは異常検知を見逃してしまうからです。

「正しいデータ」を用意する為にも、センサーには十分な性能のものを選び、数値化して評価を行えるようにしましょう。

データのセットと異常値の設定をする

正しいデータとセンサーが準備出来たらデータのセットを行います。具体的には、「正しいデータの数値」と「センサーの取得する数値」の整合性を出す作業です。この作業を曖昧に行ってしまうと、いざ異常検知を行った際に正しいデータの判断基準がおかしくなってしまいます。

この際に必ずセンサーが出力する数値のブレを考慮して設定を行いましょう。ブレの幅が異常の領域と干渉している場合には、前項のセンサーの選定に不備がありますが、僅かなブレが生じた際に、それを異常と判断させない為の設定も重要です。

上記の内容に付随する形で、異常のしきい値を正確に設定しましょう。しきい値以上、またはしきい値以下の場合に異常検知となるわけですが、この値が正確に設定されていなければ、異常でないものを異常と検知して工程がストップすることや、逆に異常を検知できずに機会故障の原因になってしまうことがあります。

AIに機械学習させる

機械学習

前のステップまでで異常検知の準備が完了し、いよいよ実際に異常検知を行いながら機械学習を進めていきます。

AIが学習を始めた初期においては理想とする形での運用は難しいです。異常なデータは日々移り変わり、新たな異常が生まれます。その都度、異常検知したものが異常なのか、そうではないのかを入力し、データを集めながら学習を進めていくことが必要です。

– テスト運用
– AIの機械学習とデータ収集
– 判断基準の改定

上記の繰り返しを行いながら、目的とするレベルで運用できるように精度を上げていきましょう。

実運用開始と検証

検証

AIの異常検知が運用レベルに育ったら、実際に現場に投入します。製造業において異常検知の精度は高ければ高い程、多くの工程を楽にしてくれます。

運用の開始後には、定量的な視点で異常検知の効果を検証してください。この評価を行うことで、AIによる異常検知の幅が広がっていきます。

導入計画から実用開始までをモデル化し、最初の導入事例をモデルケースとして確立することで、企業内の他の工程にもAIによる異常検知の導入が進みやすくなります。

まとめ ~製造業における異常検知~

製造業においてAIを活用して異常検知を行うことで大きなメリットがあることがご理解いただけたかと思います。まず、簡単な異常検知から導入を行い、それをモデルケースとして必要な箇所に幅広く適用していくことが望ましいです。製造業DXとの組み合わせで、現場の自動化にもつなげていくことも可能な為、今後導入をするメリットは大きいです。

ぜひ異常検知を有効活用して、現場の効率化と仕事環境の改善を図ってみてください。

seizone-article3

  • SEIZONEマガジンについて

  • SEIZONEマガジン
  • 展示会情報
  • お客様へ

  • 掲載をご希望の方
  • 規約
  • プライバシーポリシー
SEIZONE icon by Icons8
© 2022 SEIZONE. All rights reserved.