【AI変革事例＿製造業界】波形データを用いた異常検知AIの開発OJT

プレス加工製品の検品における属人化を解消するため、波形データを用いた異常検知技術を導入したAI開発事例です。
教師なし学習モデルの開発と並行して現場のAI開発スキル向上を支援するOJTを実施し、異常品の出荷リスク低減と内製化に向けた基盤構築を実現しました。

課題

プレス加工製品の検品を目視で実施していたが、人による検品のため基準にばらつきがあり、また属人的になり、 異常品の出荷リスクを最小限に防ぎたいという課題がありました。

ソリューション

多くの社員が異常検知を一定レベル以上でできるよう、これまで現場で属人化していた「異常検知」技術のノウハウを自動化する取り組みを行いました。

具体的には以下のプロセスを通じて開発と支援を進めています。

• AEセンサーを用いた波形データの取得方法を確立
• AutoEncoderによる教師なし学習モデルの開発と検証
• センサーデータの品質問題を特定し、改善策を提案
• AI開発プロセスを通じた作業者の技術力向上支援

成果

本プロジェクトを通じて、検品業務の自動化に向けた技術的課題が明確になっただけでなく、現場の「人」のスキル面においても大きな変化が生まれています。

• 作業者のAI開発スキル向上
• センサー技術の重要性に関する認識向上
• 今後の自動化プロジェクトへの基盤づくり

単なるシステムの導入にとどまらず、開発プロセスそのものを作業者が経験することで、現場自らがAIを活用し改善を続けていける内製化への第一歩を踏み出しました。 

まとめ・考察

本事例の大きな特徴は、「まずやってみよう」というOJT（On the Job Training）の立て付けで、目視検品の自動化という技術的な目標の達成と並行し、現場作業者のAIリテラシーを底上げしている点にあります。

従来の「ブラックボックス化されたAIの導入」ではなく、PoCの中で成果を出す方法や、AI活用テーマの選定方法をOJTを通じて学ぶことで、なぜAEセンサーが必要なのか、モデルはどう検証されるのかというプロセスを共有し、技術の定着率を最大化させています。

AVILENの担当者は、技術的な支援に留まらず、OJTという伴走支援を通じて現場メンバーの自律的な学習を促し、AIの内製化を強力にサポートしました。
この「技術力」と「教育力」を掛け合わせた支援体制はAVILENならではの強みです。

自らAIを理解し開発スキルを身につけた現場メンバーがいれば、新たな製品や生産ラインの変更にも柔軟に対応できる、真に強靭な「内製化された製造現場」の実現へとつながるはずです。

AVILENが考えるAI変革とは

AVILENでは、AI変革を単発のAI導入や受託開発の積み上げではなく、企業の業務・意思決定・組織を段階的に変えていくプロセスと捉えています。
そのため、AI活用はいきなり大規模に進めるのではなく、段階を踏んで進めることが重要だと考えています。

AI導入は「5つのステップ」で進める

AVILENでは、AI変革を以下の5ステップで整理しています。

1. リテラシーをつける
   データ・AIの基本理解を揃え、技術の可能性と限界を正しく認識する
   
   
2. ビジョンを描く
   AIを使って、どこで競争優位を作るのかを明確にする
   
   
3. Quick Winを実現する
   短期間で成果が見えるテーマに絞り、成功体験をつくる
   
   
4. 体制を構築する
   人材・組織・データ・システムを含めた推進体制を整える
   
   
5. 活用範囲を拡大する
   PDCAを回しながら、AI活用を組織全体へ広げていく

AI変革を支える3つの考え方

この5ステップを進めるうえで、AVILENが大切にしている考え方は次の3点です。

• コア部分から小さく始め、大きく広げる
• 試しながら学ぶ、アジャイルなPDCA
• 外部に頼りきらず、徐々に内製化していく

本事例の位置づけ

本記事で紹介する取り組みは、こうしたAI変革のプロセスの中で設計された一つの実践例です。
AVILENは、「AIを作る会社」ではなく、AIを使って企業の変革を前に進めるパートナーでありたいと考えています。