梱包作業や検査作業、組み立て作業などは、手順に沿った繰り返し作業が行われている。循環する身体動作をモデル化したAIを開発することで、教師データを用いることなく作業分析を実現したという。「1時間の撮影動画を分析するのに、人手では約10時間かかったが、AIによる分析は数十秒、人による確認が数分で終わる。最大99％の時間短縮が可能になる」（蔦田氏）
今回の行動分析AIは、深層学習などの技術を利用していないため、計算量を大幅に低減でき、GPUなどを搭載した高性能なコンピューターも不要。低コストで高精度な作業分析が可能であり、導入コストの削減につながる。
さらに、検査精度では人手による作業分析の結果と比較した場合、対象が作業初心者などの非熟練者の作業では80％以上、熟練者による作業では90％以上という高精度で作業分析が可能になっている。
同じ要素作業同士を比較して、ほかと時間の長さや波形が異なる標準外作業を検知することが可能であるため、作業者の習熟度に応じた作業指針の立案や熟練作業の伝承も支援できる。熟練者と初心者では、同じ要素作業でも作業のやり方や身体動作が大きく異なることが多い。そのため一般的な作業分析AIでは、一人一人の作業者に対して教師データを作成する必要があり、膨大な時間と手間がかかるなど課題があった。
今回の行動分析AIでは、対象となる作業者が複数人の場合でも、それぞれの作業者の作業分析を短時間で完了でき、習熟していない初心者の作業と熟練者の作業をすぐ比較できる。熟練者との違いを明らかにして改善の指針を立てることが簡単に行え、熟練者と初心者の作業を比較した習熟支援を短時間で実現できる。
また、複数回行われた要素作業の中から、最も平均的に行われていた代表作業を自動で選択し、熟練者と初心者の代表作業を動画で切り出せば、一目で違いを確認し、熟練作業のスムーズな伝承にも貢献できるという。異なる作業者のデータから最も効率的な作業を組み合わせて、理想的な作業を行う教育動画の作成も可能だ。
これら機能をシスメックスと住友ゴム工業が実証する。シスメックスでは、6人の作業分析を行うのに20時間を要していたが、作業の区切りをAIが素早く判断し、多くの作業動画を効率的に分析できるため、手間と時間を大幅に削減し、行動分析の敷居を大幅に下げることができたという。製品の箱詰め工程における作業のばらつきを抑え、業務を標準化し、作業員ごとの行動や作業効率を比較し、同じ品質・同じ時間で作業ができることを目指しているという。
住友ゴム工業では、「DUNLOP」や「FALKEN」ブランドのタイヤ生産を行う名古屋工場で実証を行っており、タイヤの生産工程における作業品質の維持管理を目的に、自動での作業分析に活用する。迅速に得られた結果から、データに基づいた作業員教育につなげることができるとしている。
今回の行動分析AIを活用することで、異常作業検知AI向けの教師データを短時間に作成し、品質不良の防止に貢献することもできるという。人が作業する工程では、標準と異なる作業が行われたり、標準で実施されるべき要素作業が抜けたりするといった異常作業が生じている。異常作業は品質不良につながることから、対策を講じることが重要であるため、リアルタイムに異常作業を検知できるAIの技術開発が進められている。
だが製造現場では、製造する製品の型番ごとに標準作業が異なるほか、型番が同じでも、製造現場の判断で標準作業を変更することがあり、これまでの異常作業検知AIでは、教師データの作成に膨大な時間と手間がかかっていた。
三菱電機の行動分析AIでは、教師データ無しに作業分析した結果だけを用いて異常作業検知AIで利用可能な教師データを作成できるため、対象の型番が複数ある場合や、標準作業が変更された場合でも、少ない時間と手間で異常作業のリアルタイム検知を実現し、品質不良を防止できるという。同機能については、2024年度中に三菱電機の製造現場で実証する予定だ。
