ASUS AIoTが産業のアップグレードを促進する新たなスマートマニュファクチャリングソリューションを構築
2020/07/17
AIとビッグデータを活用した新しい製造プロセスにより、人による品質検査で見過ごされがちな欠陥を減らし、品質と効率の向上に貢献
キーポイント
・ASUS AIoTビジネスグループが、AIとビッグデータを活用した高度なマニュファクチャリングソリューションを開発
・ASUSはサプライサイド（供給側）のインダストリ4.0へのアップグレードに必要な柔軟性、スピード、生産性、品質を実現するためにオペレーションを変革
・生産や組立ラインでのスマートマニュファクチャリングへの投資は、効率を向上させ、人の手による欠陥検査の無駄を削減
AIoT時代の到来に伴い、ASUSは新しい技術や手法を取り入れ、高度な生産能力の開発に取り組んできました。2019年末には、より多くの産業向けソリューションの開発に向けてAIoT事業部を拡大するとともに、名称をAIoT Business Group (AIoT BG) に変更しました。また、設計力、技術力、継続的な収益性という、製造業を成功させるための3つの重要な側面について見直しと計画の立案を行い、サプライサイドのインダストリ4.0のアップグレードに必要な柔軟性、スピード、生産性、品質を実現するために業務の変革を行いました。
手作業による欠陥検査は、製造工程において大きな問題点であり、非効率の原因でもあります。金属製の周辺機器、ファン、プリント基板やその他コンピューター部品の生産およびシステムの組み立てにAIを活用したスマートマニュファクチャリングに投資することで、ASUSは効率性への障害を取り除き、工場の従業員が製造上の欠陥を誤判断することで生じる損失の低減に成功しました。ASUSは今後も人工知能とビッグデータを活用して、さまざまな品質上の欠陥を統計的に分類し、それらの原因を特定し、欠陥を引き起こす要因となっている行程を改善することで、製造品質の改善につなげ、限界を押し上げていきます。
ASUSのオープンプラットフォームビジネスグループ＆AIoTビジネスグループの共同責任者でシニアバイスプレジデント ジャッキー・シューは次のように述べています。「ASUSは現在、数百社のサプライヤーを抱えており、当社が品質検査のプロセスを改善するたびに、サプライヤーはそれを受け入れ、進んで改善してくれます。これは、製品の品質を常に重視してきたASUSにとっても、業界全体にとってもウィンウィンの状況です。」
AIによる外観検査システム
製造業では、手作業による外観検査を自動光学検査 (AOI) に切り替えるのは一般的です。ただし、機械金属部品製造においては、光学検査は有効ではありません。光の反射による欠陥を確認するため、手作業による外観検査では、さまざまな角度から製品の表面を見る必要があります。完全で正確な欠陥データを得るためには、光学的な特性と部品表面の特徴を捉えることがとても重要です。
光学検査はAIoTビジネスグループの中核的な技術で、機械学習、ディープラーニング、そしてAIが正しくモデルを検出できるようにトレーニングを行うアーティフィシャルニューラルネットワーク技術を活用します。AIoTビジネスグループの共同責任者でコーポレートバイスプレジデント アルバート・チャン[A1] は次のように述べています。「自動光学検査の精度は一般的に80~90%で、10%以上の欠陥が誤って判断される可能性があることを示しています。また、手作業による外観検査の精度90%程度です。ASUSは現在、学習後のAIの精度が98%まで大幅に改善することに成功しています。」
AIによる波形検出システム
ファンは多くのコンピューターや家電にとって、部品を冷却し、製品寿命を延ばすのに役立つ重要な部分です。メーカーはファンの品質を確保するために、ファンの音を聞くだけで不具合を発見することができる検査員に頼っていました。この重要な役割を果たす高度な技術を持った人材を育成するには3~6ヶ月の期間が必要です。また、検査員はたびたび短期あるいは長期の聴覚疲労などの職業病に悩まされ、従業員の健康に悪影響を及ぼしたり、品質検査の精度の低下を招いたりしていました。
ASUSは、この難題を解決するために、正常なファンの作動音を解析しサウンドシグネチャを開発したAI Wave Signature Systemを導入しました。このサウンドシグネチャを使ってAIモデルをトレーニングした結果、高品質なファンを迅速に特定することができました。AI Wave Signature Systemは、検査中に電流、電圧、振動などのテストも併せて行うことが可能で、製品全体の品質確保につながります。さらに、このシステムは、リアルタイムの製造設備の監視にも対応しており、工場のダウンタイムを回避します。例えば、AI Wave Signature Systemを使って工場内の設備のモーターを監視することで、モーターの動作に異常が発生すると即座に作業スタッフに通知が届きます。モーターが完全に故障する前に修理することができ、生産停止やそれに伴う損失を回避することができます。
ASUS AIoTビジネスモデルとしての再現性
ASUS AIoTビジネスグループは今年、ファンと機械部品サプライヤーに対して積極的な目標を掲げており、30件のスマートインスペクションプロジェクトの獲得を見込んでいます。ジャッキー・シューは次のように述べています。「私たちの本来の目的と最優先事項は、業界共同でアップグレードを図り、サプライチェーンの改善を支援することで、国際競争に立ち向かい、経験を積んでいくことです。」
アルバート・チャンは、大手工場によるスマートマニュファクチャリングとAI検出ソリューションの導入について次のように発言しています。「これまで、AIアルゴリズムやAIモデルはかなり高度にカスタマイズされ、AI検出ソリューションのポテンシャルは向上しました。次のステージの最終目標は、拡張性を備え、迅速な普及と導入を可能にする再現性です。そして、ASUS AIoTビジネスグループの最終的なビジョンは、『完全な品質分析』に注力することです。」
今後3~5年のASUS AIoTの目標はデータ分析です。不具合の原因究明に力を注ぎ、高収益を実現するために根本的な解決法を見出せるようサプライチェーンを支援し、成功への方程式を作り上げ、長期的な価値を積み重ねることで、データ分析はASUSブランドの重要な柱となることでしょう。
・ASUS AIoTビジネスグループが、AIとビッグデータを活用した高度なマニュファクチャリングソリューションを開発
・ASUSはサプライサイド（供給側）のインダストリ4.0へのアップグレードに必要な柔軟性、スピード、生産性、品質を実現するためにオペレーションを変革
・生産や組立ラインでのスマートマニュファクチャリングへの投資は、効率を向上させ、人の手による欠陥検査の無駄を削減
AIoT時代の到来に伴い、ASUSは新しい技術や手法を取り入れ、高度な生産能力の開発に取り組んできました。2019年末には、より多くの産業向けソリューションの開発に向けてAIoT事業部を拡大するとともに、名称をAIoT Business Group (AIoT BG) に変更しました。また、設計力、技術力、継続的な収益性という、製造業を成功させるための3つの重要な側面について見直しと計画の立案を行い、サプライサイドのインダストリ4.0のアップグレードに必要な柔軟性、スピード、生産性、品質を実現するために業務の変革を行いました。
手作業による欠陥検査は、製造工程において大きな問題点であり、非効率の原因でもあります。金属製の周辺機器、ファン、プリント基板やその他コンピューター部品の生産およびシステムの組み立てにAIを活用したスマートマニュファクチャリングに投資することで、ASUSは効率性への障害を取り除き、工場の従業員が製造上の欠陥を誤判断することで生じる損失の低減に成功しました。ASUSは今後も人工知能とビッグデータを活用して、さまざまな品質上の欠陥を統計的に分類し、それらの原因を特定し、欠陥を引き起こす要因となっている行程を改善することで、製造品質の改善につなげ、限界を押し上げていきます。
ASUSのオープンプラットフォームビジネスグループ＆AIoTビジネスグループの共同責任者でシニアバイスプレジデント ジャッキー・シューは次のように述べています。「ASUSは現在、数百社のサプライヤーを抱えており、当社が品質検査のプロセスを改善するたびに、サプライヤーはそれを受け入れ、進んで改善してくれます。これは、製品の品質を常に重視してきたASUSにとっても、業界全体にとってもウィンウィンの状況です。」
AIによる外観検査システム
製造業では、手作業による外観検査を自動光学検査 (AOI) に切り替えるのは一般的です。ただし、機械金属部品製造においては、光学検査は有効ではありません。光の反射による欠陥を確認するため、手作業による外観検査では、さまざまな角度から製品の表面を見る必要があります。完全で正確な欠陥データを得るためには、光学的な特性と部品表面の特徴を捉えることがとても重要です。
光学検査はAIoTビジネスグループの中核的な技術で、機械学習、ディープラーニング、そしてAIが正しくモデルを検出できるようにトレーニングを行うアーティフィシャルニューラルネットワーク技術を活用します。AIoTビジネスグループの共同責任者でコーポレートバイスプレジデント アルバート・チャン[A1] は次のように述べています。「自動光学検査の精度は一般的に80~90%で、10%以上の欠陥が誤って判断される可能性があることを示しています。また、手作業による外観検査の精度90%程度です。ASUSは現在、学習後のAIの精度が98%まで大幅に改善することに成功しています。」
AIによる波形検出システム
ファンは多くのコンピューターや家電にとって、部品を冷却し、製品寿命を延ばすのに役立つ重要な部分です。メーカーはファンの品質を確保するために、ファンの音を聞くだけで不具合を発見することができる検査員に頼っていました。この重要な役割を果たす高度な技術を持った人材を育成するには3~6ヶ月の期間が必要です。また、検査員はたびたび短期あるいは長期の聴覚疲労などの職業病に悩まされ、従業員の健康に悪影響を及ぼしたり、品質検査の精度の低下を招いたりしていました。
ASUSは、この難題を解決するために、正常なファンの作動音を解析しサウンドシグネチャを開発したAI Wave Signature Systemを導入しました。このサウンドシグネチャを使ってAIモデルをトレーニングした結果、高品質なファンを迅速に特定することができました。AI Wave Signature Systemは、検査中に電流、電圧、振動などのテストも併せて行うことが可能で、製品全体の品質確保につながります。さらに、このシステムは、リアルタイムの製造設備の監視にも対応しており、工場のダウンタイムを回避します。例えば、AI Wave Signature Systemを使って工場内の設備のモーターを監視することで、モーターの動作に異常が発生すると即座に作業スタッフに通知が届きます。モーターが完全に故障する前に修理することができ、生産停止やそれに伴う損失を回避することができます。
ASUS AIoTビジネスモデルとしての再現性
ASUS AIoTビジネスグループは今年、ファンと機械部品サプライヤーに対して積極的な目標を掲げており、30件のスマートインスペクションプロジェクトの獲得を見込んでいます。ジャッキー・シューは次のように述べています。「私たちの本来の目的と最優先事項は、業界共同でアップグレードを図り、サプライチェーンの改善を支援することで、国際競争に立ち向かい、経験を積んでいくことです。」
アルバート・チャンは、大手工場によるスマートマニュファクチャリングとAI検出ソリューションの導入について次のように発言しています。「これまで、AIアルゴリズムやAIモデルはかなり高度にカスタマイズされ、AI検出ソリューションのポテンシャルは向上しました。次のステージの最終目標は、拡張性を備え、迅速な普及と導入を可能にする再現性です。そして、ASUS AIoTビジネスグループの最終的なビジョンは、『完全な品質分析』に注力することです。」
今後3~5年のASUS AIoTの目標はデータ分析です。不具合の原因究明に力を注ぎ、高収益を実現するために根本的な解決法を見出せるようサプライチェーンを支援し、成功への方程式を作り上げ、長期的な価値を積み重ねることで、データ分析はASUSブランドの重要な柱となることでしょう。