世界の製造業向けAI市場の価値は2023年時点で32億ドルと評価されており、2028年までに208億ドルに成長する見込みです。
しかし、こうした可能性と多額の投資があるにもかかわらず、メーカーはAIの潜在能力を十分に活用できていません。
メーカーがAI導入における主要な課題に対処すれば、事業のあらゆる側面をより良い方向へ変革できます。
人工知能（AI）技術と製造業の相乗効果はよく知られています。1970年代にコンピュータ技術を最も早く採用した産業の一つである製造業は、21世紀にはAIの重量級の担い手へと成長しました。
メーカーがAIに多大な投資を行っていることは間違いありません。推計によると、世界の製造業向けAI市場の価値は2023年時点で32億ドルと評価されており、2028年までに208億ドルに成長する見込みです。
これは驚くことではありません。メーカーは、インダストリー4.0への歩みにおけるAIの極めて重要な役割と、高度に効率的でつながりがあり、スマートな製造運営の実現に向けた役割を明確に認識しています。
製造業におけるAIの活用には際限がありませんが、特に注目すべき活用事例を以下に挙げます。
1. 安全で生産性が高く効率的な運営
メーカーは数十年にわたりロボットを使用してきた後、現場に「協働ロボット（コボット）」を導入し始めています。従来のロボットは別の場所に設置する必要がありますが、コボットは人間と安全に並んで作業し、部品のピッキング、機械の操作、さまざまな作業の実施、さらには品質検査まで行うことで、全体的な生産性と効率の向上に貢献します。非常に汎用性が高いコボットは、自動車部品の接着、溶接、グリース塗布から、製品のピッキングや梱包まで、さまざまな作業を行うことができます。これを実現する上で、AIを活用した機械視覚が重要な役割を果たしています。
2. インテリジェントで自律的なサプライチェーン
AI、機械学習（ML）、ビッグデータ分析の活用により、メーカーは自律的な計画（継続的、閉ループ型、完全自動化された計画）を実現し、変動の激しい状況においても、人の監督をほとんど必要とせずにサプライチェーンの性能を維持できます。産業企業はまた、AIエージェントを活用して複雑な製造ラインのスケジュールを組むこともできます。エージェントは多様なパラメータを考慮し、スループットを最大化する最善の方法を、最小限の切り替えコストで算出し、製品を期限どおりに届けることができます。
3. 予防的で予測的な保守
機械や現場プロセスから得られるデータをAIで監視・分析することで、メーカーは異常なパターンを特定し、故障を予測したり、場合によっては防止したりできます。例えば、AIは振動、熱画像、オイル分析のデータを処理して、機械の健全性を評価できます。AIから得られる洞察により、メーカーは予備部品や消耗品を適切に手配し、生産計画や関連活動に影響するダウンタイムを正確に予測することも可能になります。その結果、生産性、コスト効率、設備の健全性が向上します。生成AIは、保守記録や点検マニュアルなどの文書をスキャンし、トラブルシューティングや保守作業を実行するための実用的かつ正確な情報を提供することで、さらなる価値を加えることができます。
4. 品質チェックの自動化
AIは、試験および品質管理における革命的な存在です。画像認識を用いて、設備の損傷や製品の欠陥を自動的に検出できます。例えば、良品と不良品の画像で訓練されたAIモデルは、ある製品が手直しを必要とするか、廃棄またはリサイクルが必要かを予測できます。さらに、AIの分析能力を活用して、生産データ、インシデント報告、顧客からの苦情などのパターンを特定し、改善すべき領域を明らかにすることができます。
5. 製品の設計、開発、カスタマイズ、イノベーション
生成AIは、次の方法で製品の構想を変革できます。 市場動向の分析、規制順守の変化の提示、製品調査や顧客フィードバックの要約などです。これらの洞察に基づき、製品設計者は製品を革新・改良し、関連する規格や規制と仕様を照合することで順守を確保できます。
アルゴリズムは、従来の手法の能力を超える革新的な設計を迅速に生成できます。これにより、メーカーは、安全性、性能、美観、さらには収益性など、自社にとって最も重要な製品属性を最適化できます。例えば、2019年にゼネラルモーターズは、電気自動車向けに、より軽量で強度の高いシートブラケットの試作品を作成するために生成設計を用いました。さらに、AIソリューションとシミュレーションソフトウェアを活用することで、メーカーは物理的な試作品を製作することなく製品設計を開発、試験、改良できます。これにより開発期間と費用が削減され、製品性能が向上します。
6. 従業員の能力強化
面倒で時間のかかる作業を自動化することで、AIは製造現場の作業員がより創造的または高度な業務に集中できるようにします。AIはまた、次に取るべき最適な行動を提案することもでき、従業員がより効率的かつ効果的に業務を遂行できるようにします。 従来のロボットとは異なり、センサーやウェアラブル技術と統合された最新のAIソリューションは、現場の危険について工場の作業員に警告することができます。
製造業でAIを活用するためのデータの壁を乗り越える製造業
こうした可能性と多額の投資があるにもかかわらず、メーカーはAIの十分な恩恵を確保できずにいます。
さまざまな業界と地域の3,000の組織を対象とした調査では、AIから大きな財務上の利益を得ていると回答したのはわずか10%でした。これは、Infosys Generative AI Radar – North America surveyの調査結果と一致しています。同調査では、大企業（100億ドル超）の約30%、そして年間収益が5億ドルから100億ドルの企業の10%未満が、事業価値を生み出している生成AIの活用事例を確立していました。
メーカーは、AIを自社の事業プロセスに組み込むことの重要性を認識している一方で、その成果に落胆しています。
世界経済フォーラムが2022年12月に発表したホワイトペーパー「Unlocking Value from Artificial Intelligence in Manufacturing」では、AI導入を阻む6つの障壁が特定されています。これらは、AIの能力と運用上のニーズの不一致から、説明可能なAIモデルの欠如、製造分野のユースケース全体にわたって必要とされる大幅なカスタマイズまで多岐にわたります。
AIアルゴリズムが適切に機能するためには、大規模で、クリーンかつ正確で、偏りのないデータセットで訓練される必要があります。メーカーにとってこれを提供することは困難な場合があるため、多くの企業は、小規模で分断され、一貫性がなく、品質の低いデータに頼らざるを得ず、その結果、最適とは言えない成果につながっています。大量のデータが利用可能であっても、AIモデルがすぐに利用できる形になっていない場合があります。
したがって、学習データをAIに投入する前に、メーカーは、部門、事業単位、地域を問わず組織内のすべての人が、必要なすべてのデータを同一の統合形式で利用できるように、データを調和させておく必要があります。また、工場長、品質検査担当者、経営幹部など、利用者ごとに個別化された洞察をAI対応ソフトウェアがオンデマンドで生成できるよう、データを段階的に整備しておく必要があります。
朗報は、メーカーがAI導入における主要な課題に対処すれば、事業のあらゆる側面を変革し、幅広いメリットを得られるということです。
