0001しじみ ★
2019/02/05(火) 17:08:46.40ID:CAP_USER工場の生産ラインにおける準備作業とは（切削加工の例）
http://image.itmedia.co.jp/news/articles/1902/05/mitsu_02p.jpg
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
http://image.itmedia.co.jp/news/articles/1902/05/mitsu_03p.jpg
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
http://image.itmedia.co.jp/news/articles/1902/05/mitsu_04p.jpg
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
http://image.itmedia.co.jp/news/articles/1902/05/mitsu_05p.jpg
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。
異常動作の自動判定により、従業員が異常処理プログラムを作成する時間を3分の1に削減できたとしている。
同社は、自社のFA機器やシステムへこれらのAI技術をいち早く実装する考え。
三菱電機の水落隆司氏（先端技術総合研究所長）は「技術的な問題はクリアしているが、実用化するにはユーザーインタフェース部分の問題がまだ残っている。今回紹介した作業は、いずれも現場が一番頭を悩ませていた分野。AIを活用することで、日本のものづくりの環境がさらに良くなっていってほしいと思う」と語った。
ITmedia NEWS
http://www.itmedia.co.jp/news/articles/1902/05/news120.html
