111 IoT AIを活用した品質改善(解説8)

　㈱技術情報協会から書籍「工場・製造プロセスのIoT・AI導入と活用の仕方」が出版されました。その中の「プロセス系工場でのIoT/AIを活用した品質改善への取り組み」について執筆しましたので、数回に分けて解説したいと思います。今回は8回目です。

＜抜粋：データ分析1＞

　分析に必要と思われるデータの準備はできた。次は、これらのデータを使って、どのようなときに品質不良が発生するのかを予測できれば、事前に設備のパラメータを適正なものにコントロールすればよいことになる。

　加工結果の予測は、予測モデルを生成するところから始める。予測モデルは過去に蓄積された加工条件と加工結果のデータをAI技術で学習することで生成される。入力するデータは要因分析に基づいて選定されているため、予測モデルにはベテラン技術者による加工条件のチューニング経験など現場のノウハウが含まれていることになる。この予測モデルに新たに加工条件を入力すると、加工結果の予測値がアウトプットされるのである。このようなデータ分析を行うツールとして、当社のCOLMINAデータ分析ナビゲーションというツールを活用した。私たちは約1年分のデータを収集し、300項目、30,000サンプル(データ統合後の有効サンプル数は3,000)のデータから予測モデルを作成し加工結果予測を実施した。

＜解説＞

　COLMINAは富士通㈱が提供しているものづくりプラットフォームであり、データ分析ナビゲーションはそのプラットフォーム上で使うことができます。

　ものづくり現場の人自身が使うデータ分析ツール：データ分析ナビゲーション for ものづくり（略称「DA Navi」）は、設備保全、品質改善（歩留り向上）を目的とした「ものづくりの現場で働く人自身が使用する」データ分析ツールです。本ツールを使用することで、データ分析経験の少ない「ものづくり」の現場の人自身が、「設備稼働率の向上」や「製品歩留りの改善」のためのデータ分析を実施でき、さらにものづくりに有益な知見を得られます。 (富士通)

　本ツールによるデータ分析は、ベンダーに依頼した場合と比較して、当社データサイエンティストの知見を活用したデータ分析を、社外にデータを持ち出すことなく、一定の導入費用で繰り返し実施できます。さらに、データサイエンティストの分析プロセスを経験することで、社内のデータ分析人材の育成とデータ分析ノウハウの蓄積につなげることができます。(富士通)

　分析ツールは各社から提供されています。導入する側が何をしたいのか、実行に当たって何が必要なのか課題をばらし、自社にあったツールを導入することが大切だと思います。