製造業で広がるAI – 現場で成果を出した4社の活用事例

製造業の現場におけるAI導入の課題

AI技術の進化により、企業が持つ膨大なデータを活用しやすくなった今、製造業でもAIの導入は避けて通れないテーマとなっています。生産性向上、業務効率化、品質の安定といった目的を達成するために、AIを活用した取り組みが進められています。

しかし、現場には「分析の進め方がわからない」「AIの結果がブラックボックスで理解できない」「導入後の運用に不安がある」といった課題が根強く残っています。こうした壁を乗り越えるためには、単にAIを導入するだけではなく、現場で実際に活用される仕組みが求められます。

その解決策の一つが、dotDataが提供する特徴量自動設計技術です。dotDataは、AIが膨大なデータの中から有効な特徴量を自動抽出し、人間が理解しやすい形で提示することで、専門知識のない担当者でも分析結果を業務に活かすことを可能にします。生成AIを用いたデータ活用の実現により、製造業でもAIを活用した意思決定が現実のものとなりつつあります。

この記事では、AI活用の先進的な導入事例として、横浜ゴム株式会社様、株式会社JALエンジニアリング様、キリンビール株式会社様、日本ゼオン株式会社様という4社の取り組みを紹介します。

1. 横浜ゴム株式会社様：人とAIの協奏による「ものづくり革命」

横浜ゴム様は、タイヤ製造を中心とするグローバル企業として、早くからAIを導入し、製造現場の革新に取り組んでいます。横浜ゴム様のAI活用の核となるのが「人とAIの協奏」というコンセプトです。AIで得られた洞察を人間が解釈し、“気づき”や“ひらめき”として業務改善につなげるアプローチです。

この構想の実現を支えたのが、dotDataの特徴量自動設計でした。タイヤの試作評価データや製造プロセスのデータをdotDataに投入することで、どの因子が性能向上に寄与しているのかをAIが自動的に抽出。それを開発メンバーが評価・検証しながら新たな試作に反映するサイクルを確立しました。

特に成果が顕著だったのが、高性能タイヤの設計と、ゴム混合プロセスの最適化です。複数の要素が絡み合う中で、外気温、混合時間、ロータの回転速度などの複合因子を抽出し、従来の方法では得られなかった知見を得られたことで、生産性の向上と品質の安定化が同時に実現されました。

さらに、スタッドレスタイヤにおける氷上制動性能の予測にも活用が広がり、試作前の段階で性能を予測できるようになったことで、試作回数の削減と開発スピードの向上にもつながっています。

2. 株式会社JALエンジニアリング様：AIによる故障予測で「ゼロゼロ100」へ

JALエンジニアリング様は、「イレギュラー運航ゼロ」、「飛行中の不具合ゼロ」、「定時出発率 100％」を目指す「ゼロゼロ100」を掲げ、故障予測の高度化に取り組んでいます。従来は、整備士の経験に基づく仮説をもとにデータを検証する「仮説検証型分析」が主流でした。

しかし、センサーから得られる膨大な飛行データを前に、仮説を立てること自体が困難なケースも多く、AIによる新たなアプローチが求められていました。そこで採用されたのが、dotDataによる「仮説探索型分析」です。これは、AIが人間の仮説に頼らず、データから兆候を自動的に見つけ出す手法です。

dotDataは異常フライトと正常フライトのデータを比較し、AIが有意な特徴量を抽出します。抽出された特徴量の中から整備的に意味があるものをピックアップし、それを再度仮説検証するという、探索型と検証型を融合させた運用が実現されました。

この手法により、ボーイング787のエアコンシステム部品の故障予兆の検知に成功し、航空技術協会からの表彰も受けています。AIの導入により予測整備の質が向上し、安全性と運航の安定化という2つの柱が強化されました。

3. キリンビール株式会社様：「人に優しい工場」を支える生成AIの活用

キリンビール様では、工場の負担軽減とさらなる品質向上を目指し、製造工程にAIを本格的に導入しています。キリンビール様はもともと熟練技能者の経験と勘に依存する場面が多く、そこにAIを用いた定量的な支援を組み合わせることで、現場の効率化を実現しています。

dotDataの活用により、ビールの品質予測、排水処理の負荷予測、冷凍設備の故障予知という3テーマでの実証実験が行われました。特に、温度や原材料などの特徴量を自動抽出し、それを人間が理解できるかたちで説明するdotDataの特性は、現場の理解促進に役立ちました。

また、現場でAIを運用するには、モデルの柔軟な更新や現場の声を反映したチューニングが欠かせません。キリンビール様は、パートナーの大塚商会様との連携により、現場の声を踏まえた実装を実現。AIの導入により、品質管理と省力化が同時に進み、より「人に優しい工場」へと近づいています。

4. 日本ゼオン株式会社様：AIで研究開発と製造現場に革新を、データ民主化の実現へ

日本ゼオン株式会社様では、研究開発の高度化と生産効率の向上を目指し、AIの活用を本格化。その一環として、dotDataを導入しました。

従来は、数千の変数を手作業で解析し、膨大な工数と人的負担が課題でしたが、dotDataによりコーディング不要で高度な分析が可能に。自動で有用な特徴量を抽出できる点や、誰でも使いやすいインターフェースも導入の決め手となりました。

製造現場では、約1500のセンサーデータから重要な数個に絞り込むことで不良率を改善。解析時間も従来の100分の1に短縮されました。また、汎用ゴムの製造分析では、新たな改善の糸口が得られています。

dotData導入を契機に、専門知識がなくても現場担当者が自ら分析を行えるようになり、データ活用の文化が社内に定着。「読み書き・そろばん・AI」を基本スキルとする取り組みが進んでいます。

製造業におけるAI導入成功のポイントとは

4社の事例から浮かび上がるのは、AI技術の高度さだけでなく、現場にどう定着させるかという視点の重要性です。AI活用の成果は、単にツールを導入しただけでは得られません。導入後に、現場と連携して運用・改善を繰り返すことで、初めて実用的な成果に結びつきます。

dotDataのような、人が理解できる特徴量を提示するAIプラットフォームは、現場とデータ分析の橋渡し役として、製造業におけるAI導入の加速を支えています。今後、生成AIの技術がさらに進化する中で、製造業でAIを活用した課題解決の可能性はますます広がっていくでしょう。実際にどのような成果が出ているのか、他の導入企業の事例もぜひご覧ください。