こんにちは、荒井（@yutakarai）です。
最近のクラウドコンピューティングの発達とビッグデータの蓄積と分析のおかげで、AI（人工知能）はビジネスの生産性を向上させるために大きな進歩を遂げています。
Research and Marketの最近の報告によると、AI市場は2017年から2025年までの年平均成長率（CAGR）52％で成長すると予測されています。
AIによって生産業務を自動化できれば、高品質な製品をより迅速かつ効率的に生産することができます。
また、AIは経営者がビジネス上の意思決定を行うための重要な情報を提供することができます。
しかし、まだいくつかのハードルがあります。
大きなハードルのひとつは、多くの企業は、自社の情報を共有することに抵抗しているということです。
また、生産現場とバックオフィスの両方から膨大な量のデータを統合してリアルタイムの洞察を作成する、という課題もあります。
生産現場を含めた企業活動全体を統一されたシステムとして機能させるために、ミドルウェアプラットフォームを導入している企業も増えてきています。
今回は、AIが製造メーカーの生産性をどのように高めるかについて紹介します。
より正確な需要予測ができる
AI、特に機械学習技術を活用することで、数多くの数学的モデルを使い生産の可能性をテストすることができます。それによって、新製品の導入やサプライチェーンの混乱や突然の変化などの新しい情報に適応しやすくなります。
マッキンゼーのコンサルティング会社によると、機械学習のおかげで、20％から50％の全体的な在庫削減が可能になるといわれています。
ウォールマートで作業を完了するまでに1ヶ月かかる従業員は、倉庫を飛び越えてアイテムをスキャンし、間違ったアイテムがないかチェックする洗練されたドローを使用して24時間以内に完了することができます。
予測保守
運用効率を向上させる確実な方法であり、最終的にほぼ即時の影響を受けるため、予測的な保守ソリューションに投資する価値があることを認識し始めています。
予測保守では、センサーを使用して機器の状態を追跡し、継続的にデータを分析します。
そして、予定されたサービス時間だけでなく、実際に機器を保守してダウンタイムを最小限に抑えることができます。
機器は、自分自身の状態を評価し、自分の交換部品を注文し、必要に応じてフィールド技術者をスケジュールするように設定することさえできます。
予測保守をさらに進めると、大きなデータに基づくアルゴリズムによって、将来の機器の故障を予測することもできます。
ハイパーパーソナライズされた製造
AI技術の進歩によって、企業は個々の消費者との関連性が高い製品やサービスを作ることで、製品のパーソナライズを可能にしています。
パーソナライズされた製品というのは、自分に合うにカスタマイズがされた製品ということです。
最近のアンケートでは、消費者の20％が、パーソナライズされた製品やサービスに対して20％のプレミアム金額を支払う意思があると答えています。
製品をパーソナライズすることで、顧客との信頼関係を強化することができます。
アクセンチュアによれば、アメリカとイギリスの消費者の83％は、小売業者が個人的なデータを利用して、カスタマイズされたターゲット製品、レコメンデーション、オファーを受け取ることを望んでいるそうです。
製造プロセスの最適化
近い将来、製造プロセスの効率を自律的に改善できる機械学習アルゴリズムを実行するAIシステムができることが予想されています。
AIシステムは、使用量、サイクル時間、温度、リードタイム、エラー、およびダウンタイムを監視し、製造プロセスを最適化します。
AIの展開の最初のステップは、AIがバックグラウンドで実行され、オペレータへの回答を提示する「オペレータ支援」モードです。あくまでもオペレータのサポート役ということですね。
AIシステムはサポート業務のなかで、オペレータの最終決定を使用して人間の心がどのように動作するかを学習し、オペレータ置き換えモードで展開することができます。
まとめ
今回は、AIが製造業の生産性をたかめる一例を紹介しました。
「AIはすごい！」
「AIが会社の悩みを全て解決してくれる」
という希望も持たれがちですが、現実はそう簡単ではありません。
AIにはAIに適した分野があります。
すでにルール化された業務は、AIを導入するより、既存のシステムの導入やシンプルな業務改善を施したほうが、コスト面でもメリットがあることが多いです。
AIを含むIT技術を活用するには、技術の発展だけでなく、私たち利用者側のリテラシーも大切な要素になります。
