製造業のAI化を進めるための技術的課題と日本企業の戦略とは？

製造業のAI化を進めるための技術的課題

近年、製造業の業務効率化や生産性向上のために、AIとロボット技術の導入が進んでいます。しかし、実際にはその導入には多くの技術的課題が存在しています。リーガルテック株式会社が展開した調査レポートでは、バーティカルAIの実装における技術的壁が明らかになりました。この報告を受けて、AI化の課題をさらに詳しく探っていきます。

調査の背景と目的

リーガルテック株式会社は、特許調査と発明抽出のプラットフォーム「MyTokkyo.Ai」を活用し、ロボット・FA産業における最近の技術課題と特許動向についての分析を行いました。製造データの収集や熟練技能のデータ化、AIによる判断の説明可能性などが主な対象となります。

調査結果の要点

本調査の結果、以下の3つの主要な技術的課題が確認されました：
1. 現場データの不足・不統一
2. 熟練者の暗黙知のデータ化
3. AI判断の説明可能性・信頼性

それぞれの課題を深掘りしていきます。

1. 現場データの不足・不統一

製造業の現場では、さまざまな設備メーカーが異なるデータ形式や通信仕様を採用しています。このため、工場全体のデータを統合してAIが利用できる形にすることが非常に困難です。それに加え、中小企業ではセンサーやデータ基盤の整備が進んでいない場合も多く、これがAI導入の障壁となっています。
関連技術として、エッジコンピューティングや標準プロトコルであるOPC-UAなどが挙げられます。ファナック株式会社や三菱電機株式会社など、業界の先駆者たちは既存設備とのデータ連携を強化するためにイノベーションを続けています。

2. 熟練者の暗黙知のデータ化

製造業の現場において、熟練者が行う動作や判断には、言語化が難しい暗黙知が伴っています。熟練者の高齢化や人手不足が進む中、これらの技能をデータとして収集しAIに移転する必要性が高まっています。具体的には、モーションキャプチャや強化学習を用いた新たな技術開発が進行中です。安川電機や川崎重工業などがこの領域で積極的に研究開発をしています。

3. AI判断の説明可能性・信頼性

AIが製造現場で良品や不良品を判定する際には、その判断の根拠も重要です。ブラックボックス的なAIは、現場担当者が判断理由を確認できないため、導入障壁となることが多いです。そのため、AIの判断根拠を可視化する技術が求められています。日立製作所や富士通がこうした取り組みを進めており、今後の発展が期待されます。