NECと産総研、AIとシミュレーションを活用して生産状況の変動を想定し生産プロセスを最適化する技術を実証

製造現場では、新規に生産プロセスを稼働させる前に、設備の処理速度や生産計画が変動しても停滞・遅延などの問題が発生しないかをシミュレータを用いて評価している。具体的には、専門家が想定した変動パターンでシミュレーションを行い、その結果から新たな変動パターンの生成を繰り返すという探索作業を行う。

しかし、近年のマスカスタマイゼーションの流れの中で、広がる多品種混流生産プロセスでは多数の変動要因を組み合わせたパターンがほぼ無限に存在するため、全パターンを評価することが困難だ。そのため、探索時間の増加や想定漏れの課題がある。

このような中、日本電気株式会社(以下、NEC)と国立研究開発法人 産業技術総合研究所(以下、産総研)は、両者が開発したAIとシミュレーションを融合してまれな不具合を効率的に発見する「希少事象発見技術」を強化し、生産プロセスや生産計画の事前評価に関する実証実験を2018年9月から2019年3月に実施した。

株式会社神戸製鋼所(以下、神戸製鋼)が開発した多品種混流生産プロセスを高速かつ忠実に再現できる生産プロセスシミュレータ(※1)と共に、NECと産総研が、2016年に設置されたNEC-産総研 人工知能連携研究室において共同で研究開発した希少事象発見技術を生産プロセスの評価に適用している。

同実験では、生産プロセスの具体的な評価として、実工場を模した多品種混流生産プロセスを対象に、品種の組合せによる生産性や歩留りの変動等による生産設備の処理速度の変動を想定し、中間在庫が一時保管場所の容量を超過する要改善パターンの発見を試みた。処理速度を変動させたパターンをAIが自動生成してシミュレーションを実行し、その結果を学習しながら、容量超過が発生しそうな新たな変動パターンを生成して探索を繰り返す。

探索するパターンをAIが自動的に絞り込むことにより、専門家が行っていた探索作業を効率化し、専門家でも想定しにくい25の要改善パターンが発見できた。グリッドサーチ(※2)と呼ばれる従来の探索手法と比較して、想定漏れを低減し、約10倍の効率化を実証した。これにより、1週間かかる専門家の評価が1日程度に短縮できると見込まれ、新規生産プロセスの早期構築や既存生産プロセスでの迅速な生産計画変更が可能になる。

なお同実証にあたり、希少事象発見技術の新たな強化策として、複数の変動要因から成る変動パターンの発生確率に基づいた探索頻度を算出できるようにしている。シミュレーションを行うたびに学習を繰り返し、既に発見したパターンに類似で、しかも変動の発生確率が高いパターン群に探索を徐々に絞り込む。

これにより、発見したいパターンの中でも特に起こりやすいパターンを集中的に探索でき、探索時間を短縮する。一方で、希少事象発見技術の特長を引き継ぎ、未探索のパターンも最適な比率で分散して探索することで、想定漏れの低減も同時に実現した。

※1 同シミュレータは、多品種混流生産プロセスを高速かつ忠実に再現できるように神戸製鋼が独自に開発したシミュレータをベースに、AIが生成したパターンに従って自動実行できるように機能拡張したもの。
※2 探索領域を格子状のグリッドに区切って、すべての格子点(要因の組み合わせに相当)を探索する手法。

Previous

ALBERT、データ関連人材育成プログラム 「データサイエンス共同研究講座」開設

KDDI、生育に合わせて自動で水と肥料を供給するAI潅水施肥システム「ゼロアグリ」を東松島市に導入

Next