生成AIで効率化を加速！
製造業での活用事例6選

製造業における生成AIの導入・活用状況

2023年時点では、IoT・AIといったシステムを導入している製造業の事業者は21.7%に留まっています。また、「導入していないが導入予定がある」と回答した事業者の割合は13.9%でした。

システムが導入されている製造現場のうち、最もIoT・AIの導入対象となる機器はセンサ（50.3%）です。次いで監視カメラ（39.8%）、物理セキュリティ機器（31.5%）となっています。

製造業よりもシステム化の進んでいる金融・保険業や情報通信業において、センサへのシステム導入率は10%以下です。ファクトリーオートメーションには欠かせないセンサですが、IoT・AIの導入に関しても製造業では重要な位置にあることが読み取れます。

出典：令和5年 通信利用動向調査報告書（企業編）｜総務省

1. 労働力不足を解消するため

生成AIの導入・活用は、労働力不足の解消につながります。

人手不足の問題は、製造業においても深刻です。こうした状態が続くと、生産能力の維持や技術継承に支障が生じます。

生成AIを導入すると、単純作業・反復作業といった工程を自動化できるようになります。
AIによる業務効率化を実現できれば、少ない人員でも生産力の維持が見込めるのです。加えて、蓄積された技術のデータ化によってノウハウを引き継ぎやすくなるという点も、AI導入のメリットといえるでしょう。

関連ページ

製造業における技能承継｜今すぐ取り組むべき理由と成功事例を3つ紹介

2. 生産コストをおさえるため

人員削減による省人化や、製造ラインの最適化による生産効率性の向上など、生成AIは複数の側面で生産コストの軽減に役立ちます。需要予測が可能なAIを活用すれば、不要な在庫を抱えてしまうケースも減らせるでしょう。

生成AIのデータ分析は、エネルギー消費量などを踏まえ、現状の製造ラインにおける非効率的な部分を的確に特定します。生産性を高めながら同時にコストもおさえられる点は、生成AIの大きなメリットです。

3. 品質管理の高度化に対応するため

昨今のグローバル化や製品の複雑化・高度化にともない、製造現場では今まで以上に厳密な品質管理が求められるようになりました。こうした時代の要請にも、生成AIで応えることができます。

センサにAIの技術を活用すれば、不良品の自動的な検出が可能です。目視では見逃してしまうわずかな欠陥も検知できるため、ヒューマンエラーを最小限におさえ、高度な品質管理を実現できるようになります。

4. 多様化するニーズに応えるため

AIの導入が、顧客満足度の向上につながるケースもあります。自動応答システムやチャットボットによる24時間体制の顧客対応はその一例です。また、需要予測や顧客データ分析の技術などを組み合わせることにより、パーソナライズされた商品・サービスの提供も実現できます。

多様なニーズに対し柔軟に応えられるようになれば、市場での競争力も高まります。生成AIの導入・活用は、これからの社会に求められ続けるためにも重要であるといえそうです。

事例① 品質管理・検査

品質管理や検査を自動化する際には、画像センサやAIによる画像処理を活用します。
画像センサは、設定した色や大きさ、重さといった数値を元に、閾値を超えた製品を検出します。検出の際にはその理由を数値として提出できる点がメリットです。一方で、良品の質にばらつきのある製品など、閾値が曖昧になる製品には向きません。OK/NGの判別が容易である製品に適したシステムだといえるでしょう。

AIによる画像処理では、事前に学習したデータをもとに判定をおこないます。人力による目視や経験則に基づいた判断と似ていながらも、より精度の高い結果を出せる点が特徴です。
画像センサのように数値的な根拠は示せませんが、閾値が曖昧な製品・複雑な形状の製品の検査には大いに役立ちます。

不良品の流出を高確率で防ぐ品質管理・検査の自動化は、業務の効率化に留まらず、製品の品質向上にもつながります。

事例② 設備保全・予知保全

AIの機械学習能力を応用した、設備保全・予知保全のためのソフトウェアが登場しています。

異常・故障を事前に検知できる点には、設備の保守業務を円滑にする働きがあります。加えて、状況をデータとして可視化することで、設備に関する知識・状態を共有しやすくなる点もメリットです。

予知保全ソフトウェアでは、設備の故障する前兆を学習したAIが、具体的で実行可能な作業内容を生成します。これにより、不測の事態を原因とする生産能力の低下を防止できるようになるでしょう。

事例③ 需要予測・生産計画

AIの学習能力によって、過去の生産データや市場の動向を分析できます。これを活用したシステムが、AIによる需要予測サービスです。需要予測の精度が向上すれば、余剰在庫や欠品のリスクを軽減でき、コスト削減につながります。

需要予測サービスは、AIアルゴリズムを用いた高精度の予測が可能です。経済情勢や気候といった外的な要素を自動取得できるシステムも登場しています。膨大なデータに基づき最適化された生産ラインを提案してもらえるため、効果的な生産計画の策定が実現できるでしょう。

事例④ ロボット技術による自動化

反復作業の多い組み立て工程やピッキング作業にロボット技術を導入すれば、労働力不足の解消につながります。工場内の物流を省人化・効率化できる無人搬送車はその一例です。

また、重量のあるもの・取り扱いに危険がともなうものなどの運搬をロボットに任せることで、作業員の安全確保や負担軽減も可能になります。こうした取り組みを継続できれば、離職率の低下も見込めるといえそうです。

事例⑤ 設計・開発

設計においては、類似する既存の図面をAIが迅速に提示します。これにより、試作回数を軽減し、効率的に設計・開発をおこなえるようになります。

また、既存の発想にとらわれない設計・開発も、生成AIの得意分野です。先入観によらない設計案を生成するため、すでに頭打ちだと思われている性能などについても、より高度な機能の拡充を実現できる可能性があります。

事例⑥ 技能の継承・教育

ベテラン技術者の持つ長年の経験やノウハウを引き継ぐことは容易ではありません。特に、そうしたノウハウは部門ごとに蓄積されているケースが多く、横断的な共有は難しいのが現状です。

生成AIの活用によって、ベテラン技術者のノウハウをテキスト化・データ化すれば、社内での共有がスムーズになります。仕事の進め方について自由に検索できる環境を整備し、各個人がノウハウを蓄積していくことで、属人化も解消されるでしょう。

STEP1：生成AIの活用目的と目標を明らかにする

はじめに、製造工程のどの分野で生成AIを活用し、どの程度の効率化を図るのかについて整理し、明確化します。

具体的には、定型的な文書作成、データ分析や情報の整理などがおすすめです。特定の技術者のノウハウに依存している業務や、創造的なアイデアを求められる業務に活用してみてもよいでしょう。

この段階では、現状のどこに課題を感じているかを洗い出し、優先順位を決める必要があります。部門横断的に現場内でヒアリングや共有をおこない、具体的・実現可能な数値目標を設定しましょう。

STEP2：生成AIに任せる業務範囲を決める

生成AIを導入する業務の選定が完了したら、次に任せる業務の範囲を決めます。該当する業務に関して、現状ではどの程度の工数・時間がかかっているのかという点についての定量的な把握が必要です。

こうした分析の際には、作業日報や業務システムの分析をおこないます。業務にかかる時間や人数、他の工程への影響度など、明らかにする項目を増やせば、どの程度の範囲を生成AIに任せるのかがより明らかになるでしょう。

なお、生成AIにも得手・不得手があります。人力による作業の方が効率的になる場合もあるため、人とAIの分担を前もって決めておくことが大切です。

STEP3：導入する生成AIを選定する

続いて、導入する生成AIを選定します。自社で感じている課題や任せたい業務と照らし合わせながら選びましょう。生成AIはこの数年間で急激に進歩した分野であり、選定や導入に際しては専門的な知見が必要になります。

そのため、外部の専門家に問い合わせるのも一つのポイントです。はじめは豊富な知識を持つベンダーなどと協業しながら活用を進めていき、将来的な自走を目指しましょう。

また、生成AIの活用にあたっては、導入・利用料やインフラ整備費用、運用・保守費用と、さまざまな場面でコストが発生します。従業員の満足度も考慮しながら生成AIの効果を明らかにし、費用対効果が見込めるかどうかを判断しましょう。

STEP4：試験運用をおこなう

生成AIの導入が完了したら、まずは小規模な試験運用を実施しましょう。部門横断的な運用に先駆けて限定的に運用することで、メリット・デメリットの把握がスムーズになります。
試験運用では、本格的な導入に向けた成功指標の設定や改善サイクルの構築を並行しておこないます。UIの工夫やセキュリティ対策などとあわせ、万全の体制で生成AIの運用ができる環境の整備が大切です。

STEP5：生成AIの活用と改善を繰り返す

本導入後は、短期～長期的な目標を段階的に設定し、効果測定の実施を繰り返していきます。導入後間もない時期は、現場も生成AIの扱いに慣れていません。即効性を期待するのではなく、長期的な視点での評価が重要です。

分析・改善のステップでは「工数を〇〇%削減」など、それぞれの段階で実現可能なKPIを設定し、生成AIへの再学習の実施や新規データの追加を実施します。PDCAサイクルに基づいた改善をおこないましょう。

1. 既存システムと連携できるかを確認する

多くの製造現場では、それまで長期に渡り使用してきたシステム・設備が存在します。導入を検討している生成AIが、そうした既存システムとどの程度連携できるかについての理解が必要です。

ケースによっては、既存システムの更新やAPIによる連携の検討も求められます。専門家とすり合わせをおこないながら、生成AIの必要性を慎重に判断するのがベターです。

2. セキュリティリスクに備える

生成AIを扱ううえで、セキュリティリスクへの備えは非常に重要です。特に社員の個人情報や社外秘の情報を入力した場合、データ保護の課題が生じます。管理者権限をはじめとするアクセス制限やセキュリティトレーニングの実施など、不正アクセスを未然に防ぐ施策をおこないましょう。

3. 現場の理解や協力を得る

現場の声をしっかりと反映したうえで生成AIを導入しましょう。ヒアリングが不十分だった場合、「操作性が悪い」「トラブル時の対応がわからない」など、かえってデメリットが発生する可能性もあります。

事前のマニュアル作成と周知、導入目的や期待される効果・ゴールの共有など、社内で足並みを揃えることが大切です。導入後のフィードバックも忘れずに、生成AIと現場がマッチするような環境を整えましょう。