AIの定義は広く、人によっても見解は様々なため言葉が一人歩きしているイメージがある。
しかしながら、GAFAと呼ばれるアメリカの巨大企業はこぞってAIをビジネスに取り入れており産業構造を大きく変えうる注目の技術であることは間違いない。
一方で日本の製造業においてもキーエンスのIV2シリーズ、LINXのHALCON、といった機械学習やディープラーニングをうたったカメラや画像処理ソフトウェアが続々と販売されるようになってきた。
東芝の歩留まり新聞ではカメラと各種センサ類のデータを統合してディープラーニング技術によって異常検知を行う事例が紹介されている。
経団連がチェックシートを開発しているので自分の会社のAIレベルを確認してみてください。
本記事ではレベル1または2程度の業務をされている方向けに書きたいと思います。
AIを使うと色々と出来そうな印象がありますが、まずは一つ成功体験を得たいけれど一体どう使うと良いのか・目の付け所のコツについて知りたい。
そんなAI初心者の方へイメージが湧くように有益な情報になればと思います。
プログラミングのみで可能（Excel-VBA,Python）
RPA(Robotic Process Automation)に近い感覚。
プログラミングが社内で流行っていない、自分自身が全くプログラミングの知識がないのであればAI導入の前にプログラミングをマスターして周囲に展開すると良いと思います。
・データの自動集計
・単純作業の自動化
中でもPythonはとても強力なツールです。
データ処理・解析はほぼ自動化でき、生産性改善にはもってこいなので会社の教育機会を利用するか自分で勉強することをおすすめします。
本サイトでもPythonについての自動化例を多数紹介しています。
https://cafe-mickey.com/category/python/
↓Excel-VBAに興味がある方はこちらへ
https://cafe-mickey.com/category/excel/
人間が答えやルールを決める必要がある
機械学習/ディープラーニングが得意な領域です。
キーエンスのIV2シリーズはまさにここで活躍します。
しかしながら、分類器はできれば自社で開発した方が確実です。
特に製造ラインでは状態が流動的に変化するので製品品質も外観も変化して定期的に学習させる必要が出てくるからです。
社外外注した場合、初期費用に加えてメンテナンス費用（再学習の度に発生）が長期に渡ってかかる上に必要以上にデータを要求される場合もあり、開発に時間がかかります。
さらに言えば、ディープラーニングで100%正解しなければならないような検査に導入することは全くおすすめできません。
あらかじめ人が検査する数を減らすなどの使い方がリスクが少なく良いと考えられます。
・決められたルール内の作業
・検査補助
工場内にあるカメラ・センサの情報を統合して製品の品質と紐付ける
東芝の歩留まり新聞が当てはまります。
ビックデータのような人間では扱いきれない情報量から重要な特徴を抽出して予測につかう。
データを扱うため、これもデータの中身の特性を知った社内の人間がシステムを構築することが理想です。
機械学習を使用する場合は選んだ機械学習手法に関する知識、統計学の知識が必要となりG検定合格レベルの知識は必要となるでしょう。
・設備の異常検知
・品質の兆候検知
最後に・・・私が勉強になった参考書も紹介しています