工場のAI活用、何から始める？AXの基本を5分で学べる資料です。

工場のAI活用、、何から始める?、AX、の基本、5分で、学べる、データを、現場の力に。

AXとは？ DXとの関係を知る、日報はデジタル化したのに、集計や確認は手作業のまま。、記録は残っていても、判断はベテランに集中している。、そんな現場では、データを業務に活かす仕組みが次のテーマです。、AX = AI Transformation、本資料では、AIの活用を前提に、現場の作業・判断・役割分担を見直し、、業務改善につなげる取り組みを「AX」と呼びます。、DXの取り組みの中で、AI活用を深める、DX データとデジタル技術による業務・事業の変革、データ化や見える化は、そのための土台づくり。、AXの視点、AIを組み込み、判断や作業の進め方を変える。、全社のデータ整備が終わるまで、待たなくてよい、まずは一つの工程で、必要なデータの整備とAI活用をセットで、検証します。

製造現場では、どう使える？、「必要なデータ」「AIの役割」「人の確認」をセットで考える。、品質検査、データ、AIの役割、人の役割、評価指標、製品画像、良否の判定基準、撮影条件、異常候補や確認すべき箇所を提示、判定が難しい製品の確認・出荷判断、見逃し／過検出、確認時間、設備保全、データ、AIの役割、人の役割、評価指標、温度・振動・電流、運転条件、点検履歴、通常と異なる変化を検出し、通知、原因の切り分け・停止や整備の判断、不要な通知、点検時間、生産計画、データ、AIの役割、人の役割、評価指標、受注・在庫・設備能力、段取り条件、需要予測や、最適化技術と組み合わせた計画案、納期・設備・人員の制約を確認し承認、計画作成時間、計画の実行可能性、帳票・手順書、データ、AIの役割、人の役割、評価指標、承認済み手順書、日報、過去の報告書、検索・要約・報告書の下書きを支援、原文との照合・数値や手順の確認、修正を含む作成時間、誤記の件数、ポイント：AIの正答率だけでなく、現場に残る確認・修正の負担も評価する。

小さく始める、4つのステップ、一つの工程・一つの業務で、効果と運用のしやすさを確かめる。、対象業務と、改善したい指標を決める、繰り返しが多く、負担を測れ、試す範囲を限定できる業務を選びます。、AI以外の方法でも改善できないかを合わせて確認します。、使えるデータと、現場の条件を確認する、画像・設備ログ・文書の有無、品質、利用権限を確認。品種や運転条件の違い、、既存設備との接続、通信環境も整理します。、人が確認する形で、試験導入する、AIの提案・判定を人の結果と照合します。学習に使っていないデータや実際の、現場条件で、見逃し・誤り・確認時間を評価します。、担当者と、見直すタイミングを決める、問い合わせ先、誤判定時の対応、手動に戻す手順を決めます。、品種・設備・文書の変更時は再評価し、効果を確認して範囲を広げます。、「AIを入れた」より、「業務が改善した」を確認、確認・修正・保守の工数や費用まで含めて、導入前後を比較します。

導入前に確認したい、5つのこと、現場・品質・情報システムの担当者で、まずはここを確認。、目的と評価指標が決まっている、どの負担を減らすか、現状と目標を具体化する。、必要なデータを、継続して使える、品種・条件のばらつき、更新方法、利用権限を確認する。、人が確認する範囲が決まっている、AIが迷う場面、誤判定時の対応、承認者を決める。、情報管理と、現場での使い方を確認した、機密情報の送信先・保存先・アクセス権、設備との接続を確認する。、導入後の運用と費用を見込んでいる、担当者、保守・再評価の手順、停止時の代替手段を用意する。、最初の一歩は、困っている業務を一つ選ぶこと。、現場の負担を整理し、データを確認し、人が確かめながら試す。、この小さな循環を、継続的な業務改善につなげましょう。、「自社の現場では何から始める？」という方へ、匠ソリューションズ株式会社 | 製造業向けAIソリューション