ナレッジセンター
目次

Q: 工場のAIプロジェクトが失敗するよくある原因は何か、AIは従来のソリューションに比べて実際どこが優れているのか?

A: 工場のAIプロジェクトが失敗するとき、十中八九はアルゴリズムが弱いのではなく、AIを従来のITプロジェクトとして管理したことが原因です。MES、SCADA、ルールエンジンといった従来のソリューションは工程の標準化と決定論的な実行を追求しますが、AIプロジェクトは本質的に不確実性の中で確率的に最適な答えを探すことです。両者の管理ロジック、検証方法、納品基準はまったく異なります。MESの感覚でAIを管理すると、プロジェクトは承認された日から地雷を抱えることになります。

1. よくある誤解。AIを従来ソフトウェアの上位版として買う

多くの工場は稟議の段階でこう考えます。従来のソリューションで解けないものには、AIモジュールを足せばよい、と。そこで要件定義書には不良検出率99.9%以上、予知保全の精度95%以上と書かれ、あとは従来ソフトウェアと同じように入札し、価格比較し、日程を圧縮します。問題は、従来の検収が機能一覧のチェックであるのに対し、AIの検収は統計指標の達成であり、統計指標はデータ品質とシナリオの境界に大きく依存することです。ある電子工場はAI外観検査に3か月以内で12種類すべての不良をカバーするよう要求し、最初の2か月は不良サンプルの収集とラベリングに消え、3か月目にようやく稼働したものの、見逃し率は人手の目視より高くなりました。

2. 本当の落とし穴はデータ、シナリオ、組織にある

具体的には、データの軸が最も過小評価されがちです。従来のソリューションは「それなりに良い」データで足りますが、AIは分布のバランス、ラベルの一貫性、時刻の整合が必要です。ある自動車部品会社がダイカストのポロシティ検査をしたいとします。過去画像では合格品が97%、不合格品が3%しかなく、しかもシフトによって照明条件が異なります。こうしたデータをそのままモデルに与えれば、最も簡単な結果は「すべて合格」と判定することです。

シナリオの軸では、AIの汎化には境界があります。従来のルールエンジンにハードコードされたロジックは、パラメータを少し変えれば別ラインでも動きます。AIモデルを別ラインや別ロットの材料に移すと、性能がそのまま30%落ちることがあります。多くのプロジェクトがパイロットラインでは調子よく動き、横展開で崩れるのは、ここが根本原因です。

組織の軸はさらに見えにくい問題です。従来のソリューションは稼働後、作業者が新しい手順に従えば済みます。AIソリューションは稼働後、誰かが新しいサンプルにラベルを付け続け、データドリフトを監視し、モデルを定期的に再学習する必要があります。多くの工場にはその役割がなく、稼働時がピークで、3か月後にはモデルが劣化して誰も使わなくなります。

3. 避け方。アルゴリズムを論じる前にシナリオの境界を定義する

実務では、成功するAIプロジェクトにはいくつかの共通点があります。第一に、シナリオが狭いこと。初日から全工場のAIプラットフォームではなく、1つの不良種類、1つのステーション、1つの運転条件です。第二に、データが先であること。承認前に2~3週間かけてデータ実現性を評価し、サンプル量、ラベルの一貫性、正例と負例の比率がモデリングを支えられるかを確認します。第三に、AIを一度きりの納品ではなく継続運用として扱い、ラベリングと再学習の人員を予算に入れること。第四に、検収指標をアルゴリズムの言葉ではなく業務の言葉で表すこと。mAPが0.9に達するより、見逃し率が人手の目視より低いと言うほうが期待を合わせやすいのです。

4. ベストプラクティスは人機協働であり、機械による人の置き換えではない

実際、現在工場で最も成果を出しているモデルは、ほぼ例外なく完全自動・無人ではなく、AIが一次選別をし、人が確認をします。ある電子工場はAI検査を人手の目視の前段に置きました。AIが明らかな合格品をリリースし、疑わしいものを人に回すため、人手の負荷は下がり、最終判断は人に残ります。この形ならAIの許容誤差は大きく、稼働のハードルは低く、作業者も受け入れやすくなります。このアプローチは15以上の業界にわたる3,200以上のエンドポイントで運用されており、うまくいっているシナリオの多くはAI支援+人によるフォールバックの形をとっています。

従来のソリューションの利点は決定論性と説明可能性、AIの利点はルールを列挙しにくい高次元・非線形のシナリオを扱えることです。両者は補完関係にあり、代替ではありません。AI導入前に自問してください。このシナリオのルールは従来のソリューションで明確に書けるか。モデリングを支えるデータは十分か。稼働後、誰がこのモデルにデータを与え続けるのか。3つすべてに答えが出てから動いてください。

分野: AI-FAQ