ビックデータ分析による品質追求・不良流出防止へ

DXクラウドサービス事業を展開するUniARTSのオンラインセミナーです。
たくさんのご視聴、誠にありがとうございました!
いただいたご質問への回答を公開しました。

ものづくりの現場には、様々なデータが埋もれています。
工場内で稼働している機械のセンサーデータ、製品の品質検査データ、機械の稼働状況、温度・湿度などの環境データなど……これらのデータを集約し分析するのは非常に困難です。昨今どの業種でも登場しているAIソリューションを活用するためにもデータを収集し活用できる状態にする必要があります。

DXが注目されている中、どこからどのようにスタートして良いかわからない状況に対して、検査機データから始めるDXソリューションを展開しております。

検査機データは品質に直結しており、品質を安定的にハイレベルで維持することができれば、お客様の満足度もあがったり、作業をするオペレーターの暗黙知を形式知化し、育成や日々の作業効率改善につながったりしていきます。品質という軸を定めた上で基幹システムで保持しているデータの連携を模索・実施していていくことにより、企業内のDXが加速していきます。

また、データ収集とAIの学習を同時に実施することができ、”AIを活用したい” と思い立ってからの行動ではなく先に準備を進めることが可能になります。AIの実証実験を進め、精度がよくなったり成果が出たら製造工程への適用に進めることができます。

本セミナーでは実際の活用事例なども含めてご紹介してまいります。
ご視聴お申し込みを、心よりお待ちしております。是非この機会をお見逃しなく!

UniARTS

株式会社UniARTS(ユニアーツ)

ものづくり現場のDXを推進するクラウドサービスを提供する、シリウスビジョンのグループ会社です。

>> UniARTS Webサイトはこちら

開始時間プログラムスピーカー
10:00〜オープニング大上 沙織(UniARTS開発メンバー 株式会社アットウェア)
10:05頃〜ものづくり×DX その先へ・・・重田 篤史(株式会社UniARTS 取締役 COO)
10:20頃〜デモ・活用事例紹介矢納 正浩(株式会社UniARTS 取締役 CTO)
10:50頃〜質疑応答重田 篤史・矢納 正浩・大上 沙織

※1時間〜1時間半を予定しておりますが、時間は多少前後することがございます。あらかじめご了承ください。

DXの本質は既存業務の代替ではないという観点で考えると、UniARTS導入によって期待できるメリット・利益とは何でしょうか?

UniARTS導入直後に実感できるメリットといたしましては、不良品流出を抑止しますので、品質向上、オペレーターのみなさまのストレス軽減などがメリットとして挙げられます。更に、長期運用していくことによって、過去の生産データから、不良発生の傾向を把握し、不良品作り込み防止の手段を講じることができるというメリットが考えられるかと思います。

DXを進める上での業務支援などもしてもらえるのでしょうか?

お客様の業務を支援する”品質スクラム”というメニューを提供しております。個別にお問い合わせください。

クラウドは社内のセキュリティの観点で利用できない可能性がある場合は利用することはできますか?

お客様のセキュリティポリシーの中でクラウドの利用が禁止されている場合には、別途NDAを締結させていただく等の対応をさせていただいております。

本当になにも準備をしなくてもいいですか?

IoTデバイス1個につき、1コンセント必要となりますので、ご準備をお願いします。
その他につきましては、特にご準備いただくものはございません。

検査装置がまだないのですが、なにから始めると良いでしょうか?

UniARTSは検査装置のデータを利活用しております。
検査装置導入の際には、親会社のシリウスビジョンにお問い合わせください。

無償のテスト等は行えるのでしょうか?

はい、1ヶ月の無償トライアル期間を設けさせていただいております。

トライアル時に機能の制限はありますか?

トライアル時に機能制限はございませんが、アカウントの発行は商用でのご利用開始後となります。

データは社内の人、全員に見てもらいたいのですがアカウントの発行に制限はありますか?

アカウント発行に制限はございません。

過検知に対するAIによる効率化のアプローチのご説明内容と認識致しましたが、検知できずすり抜ける側に対しては何か良いアプローチ、AI等使ったアプローチはありますでしょうか?

検査機で欠陥がスルーする原因の多くは、検査基準を甘くすることにあります。これは、検査基準を厳しくすると、過検知が多く出て目視ベリファイに時間がかかり、結果として検査コストが大きくなるためです。
UniARTSでは、AIを使って検査結果データから過検知を自動的に除外できるため、目視ベリファイが不要となるか短時間で済みます。よって、検査基準を厳しくして欠陥をスルーしないようにしていただくことが可能となります。

検査装置が多く過検知しているのですが、それらのデータでも問題ないでしょうか?

過検知のデータをAI欠陥分類やルールベースによって、絞り込みを行い、真の欠陥のみ見つけることができますので、問題ございません。

UniARTS AIのデモでご説明いただいた機能の画面イメージなど、ご提供いただける資料やサイトはありますでしょうか?

資料につきましては、アンケートにご回答いただきますと、ダウンロード可能となります。画面イメージの送付につきましては、個別に対応致しますので、お問い合わせください。

デザインに対して、事前に不良を出しやすいなどのアラートを出すとの事ですが、蓄積した画像から何かしらのデザインの共通項を出すようAI利用の機能もあるのでしょうか?

類似デザイン検索につきましては、色及びデザイン特徴点をもとに、似ている画像を検索しております。AIを使った方が良い部分がございましたら、機能拡張を検討致しますのでお問い合わせください。

AIによる欠点分類とのことですが、会社ごとに欠点の内容や仕分け方は変わってくると思います。元々データセットが入っていてフィッティングを行うイメージでしょうか。もしくは、1から作りあげるイメージでしょうか。

AIの頭脳となる”モデル”につきましては、各社様1から作り上げることになります。

データからモデルを作成するのはどのくらいの時間がかかるのでしょうか?

学習させるデータ量により、かなりばらつきがございます。個別にお問い合わせください。