ブログ

Musashi AI 株式会社のブログはこちらをご覧ください。

【イベントレポート】製造現場へのAI・IoT普及セミナー&ものづくりIoT研究会第5回定例会

【イベントレポート】製造現場へのAI・IoT普及セミナー&ものづくりIoT研究会第5回定例会

2021年3月18日にオンライン(zoom)で行われた、製造現場へのAI・IoT普及セミナー&ものづくりIoT研究会第5回定例会にMusashi AI 藤田 圭佑が登壇しました。

弊社では「人にはもっと人らしい仕事を」を理念にAI(人工知能)を生産現場に導入し、搬送や目視検査など長時間にわたって繰り返す高負荷作業の自動化を目指しております。2019年11月に武蔵精密工業からAIに特化した形で分社化をし、同じ課題を持つお客様に弊社のAIシステムのご提供を開始しており、その具体的な取り組み事例をご紹介しました。

いただいた質問とその回答

・学習に必要な不良(NG)部品はどれくらい準備しましたか?

 - リングギア/ベベルギア(自動車のエンジンやトランスミッションに使われるギア部品)の机上学習段階で100パーツ程。
 - 後は実際の現場で得られたデータを都度学習しています。

・多品種少量生産の場合は、どうすれば良いでしょうか?(NG品が集められないため)

 - NG画像が少なからずある場合は、Data Augumentationで水増しし、学習する手法があります。
 - AutoEncoder等のOK品のみで学習ができ、違和感を抽出するモデルがあります。

サイクルタイム(CT)がとても速い場合、どのようにCTを満たせばよいでしょうか?

 - AIのモデルは数多くあり、検査精度との兼ね合いになりますが、より軽いモデルにすれば、CTを短縮することは可能です。
 - 推論デバイスの性能も進化しているため、ハードウェア側のスペックを上げることでもCTを短縮することが可能です。

所感

導入するためには何が必要なのか?そもそも何から手を付けてよいのか分からず、導入に高いハードルを感じている方が多くいらっしゃったと感じました。
そのため、Musashi AIがどのようなステップで武蔵精密工業やお客様の生産現場に導入したのか、導入はスムーズにできたのか、導入後に問題が生じなかったか、あるいはどう解決したのかという情報に高い需要があること感じました。
また、多品種少量生産の工場が多く、NG品の収集も難しいため、AutoEncoderのような違和感を抽出できるAIモデルを求められているようにも感じました。

最後に、イベントを主催いただいた公益財団法人 滋賀県産業支援プラザさま、イベントにご参加いただいた皆さまに感謝申し上げます。ありがとうございました。

お問い合わせ
ブログ カテゴリ
年別アーカイブ