熟練工が1週間かかる調整作業→AIは1日で完了　三菱電機と産総研がFA分野でAI活用

公開 2019年02月05日 16時58分

更新 2024年04月02日 12時08分

[ITmedia]

印刷する Googleで優先するソースとして追加

　三菱電機と産業技術総合研究所は2月5日、工場の生産ラインの準備作業を効率化するAI（人工知能）技術を共同開発したと発表した。産総研が提供するAI技術を、三菱電機が自社のFA（ファクトリーオートメーション）機器やシステムに実装する。熟練工が時間をかけて行っていたFA機器の調整作業などをAIに代替させ、作業時間の短縮を図る。

工場の生産ラインにおける準備作業とは（切削加工の例）

　生産現場では、FA機器やシステムの調整、機器を動かすプログラミングなどにかかる工数の増加や熟練工の減少が問題になっている。こうした課題を解決するため、FA機器やシステムの調整作業をAIで自動化しようと考えたという。

「パラメーター調整」「画像判定」「異常検知」を自動化

　小さな電子部品をプリント基板の決められた場所に載せる実装機では、機械の振動を抑えながら素早く目標位置に停止するようAIがモーターを制御。これまでは、あらかじめ熟練工が1週間以上かけて2種18個のパラメーターを手動調整して制御していたが、少ない試行回数で最適なパラメーター値を見つける「ベイズ最適化」の手法を応用したことで8種720個のパラメーター調整を1日で完了できたという。

製造機械のパラメーター調整にAIを活用

　レーザー加工機を用いた板金の切断加工では、経験の少ない従業員でも熟練工と同等の加工品質を維持できるよう、加工面の品質判定を画像認識AIがサポート。熟練工が目視で判断していた加工面のキズ、上面荒れ、溶融付着など5つのポイントをAIに判定させた。問題がある場合は、レーザーの焦点位置や加工速度、ガス圧力などあらかじめ設定された条件をAIが自動調整しながら最適な条件を見つける。

　本来、ディープラーニングには数千～数万枚もの学習用データ（画像）と膨大な計算処理が必要になるが、画像特徴量の1つである「高次局所自己相関特徴」（HLAC）に注目したことで、必要な学習データ数と学習のための計算量の削減に成功したという。これに熟練工が蓄積してきた加工知識を合わせ、AIの学習効率を上げたとしている。

レーザー加工ではAIによる画像判定を活用

　組み立て作業を行う産業用ロボットの「異常判定」もAIで自動化した。組み立て作業では力覚センサーでロボットに異常がないかを常時監視する。部品の欠損や異物混入などがあった場合はセンサー出力の波形が乱れるという。

産業用ロボットの異常検知もAIが自動判定

　従来は熟練工が「どんな異常が起きたか」を都度確認し、各ケースに応じて異常処理プログラムを作成する必要があったが、この判定部分をAIが代替。あらかじめ起きうる異常と波形のパターンをセットでAIに学習させ、その学習結果を異常処理プログラムに組み込んだ。時系列データ分析向けの機械学習技術（時系列データに適した構造のニューラルネットワークであるLSTMなど）を用いたという。