欧州で生まれた製造業革新の概念、「インダストリー4.0」は、どちらかと言えばトップダウンで意思決定される傾向があります。
一方、日本のものづくりの強みは、現場を支える技術者が高度なノウハウを持っていることです。
この強みを活かし、現場での改善を継続的に行うことで、生産システムを進化させてきました。
そのため、「インダストリー4.0」の概念をそのまま導入することは難しいのが現状です。

本講演ではその解決策として、日本の製造業に合わせて進化させたデジタル化の概念、「デジタル・トリプレット」を紹介します。
また、「デジタル・トリプレット」の第一人者である梅田 靖教授とディスカッションしながら、「デジタル・トリプレット」の背景や日本の現状をより深掘りしていきます。

株式会社オープンエイト  澤田 裕貴

多くの製造業の現場においては、品質検査データの管理について、様々な課題を抱えています。特に、品質検査結果を目視し、「紙への記録」もしくは、「Excelに入力する」運用をされている場合、品質検査データが誰でも変更でき、かつ、誰がいつ変更したかを追跡できず、品質不正のリスクが高まってしまいます。

本セミナーでは、品質管理システム「QC-One」を通して、従来紙やExcelで管理されていた品質検査データを一元管理し、「品質の見える化」を図ることで、品質管理のデータの内部統制を実現する、具体的な事例をご紹介させていただきます。
また、装置連携による検査データの自動取り込み機能のデモ動画もご覧いただけますので、品質検査データの収集を自動化して工数を削減したいと考えている方は必見のウェビナーです。

株式会社宇部情報システム  廣野 慎也

 日本の経済産業において、製造業は重要な位置を占めています。しかしながら、この製造業界は現在、様々な課題に直面しています。その中で特に顕著な問題の一つが「人手不足」です。日本全体での人手不足は深刻であり、製造業においてはこの20年間で157万人が減少し、業界の98%ほどが人手不足を実感しています。

この人手不足の背景には、複数の要因が絡んでいますが、その中で業務のアナログ化が大きな原因の一つとなっています。製造業では、従来からのアナログな業務プロセスや作業手法が根強く残っており、これらを効率化し、自動化することが求められています。このような状況下で、製造業が直面する課題に本当に役立つのが、デジタルトランスフォーメーション（DX）です。

株式会社フツパー  黒瀬 康太

「不良品が発生してしまうため、設備の劣化時期を把握したい」
「突然の故障による生産ラインの停止を減らしたい」
生産性や品質の向上が求められる中、このような声は少なくありません。

本セミナーでは、データから設備異常を予測するAI活用法をご紹介します。
故障する前にメール通知が届くため、製品に影響が出る前にメンテナンス計画を立てることができます。

実際に品質不良を防ぎ、コスト削減を実現した事例もご紹介します。
故障予知技術の基本からお伝えしますので、ぜひお気軽にご覧ください。

ニュートラル株式会社  高桑 大悟

生産技術現場において、生産性や属人化業務に課題を感じていませんか？
例えば、対象業務として製品の目視検査が考えられます。
目視検査では、品質管理のために複数人での確認や教育を要するような高い技能レベルが求められると思います。
そのため、インプットが増大し生産性が低下してしまいます。
　
これらの課題は、AIを活用することで改善が期待できます。
ただ一方で、過去にAIを使うことに挑戦してみたけれど、難しさがありAI活用に抵抗がある方もいらっしゃるかと思います。
しかし、近年のAI技術・サービスの進歩は目覚ましいです。
AIによる高精度な予測・分類や画面だけで完結するAI構築のサービスも出てきています。
加えてChatGPTにより脚光を浴びた生成AIでは、単純なデータの分析や予測を超えて人間らしい判断をしながらクリエイティブなことが出来るようになっています。
これにより、
・プロセス設計最適化の提案
・在庫管理の戦略の提案
・マニュアルなどの書類の文章検索
までできるようになるかもしれません。

本講演では、生産現場で活用できるようなAIの紹介から話題の生成AI、その先の技術についてご紹介いたします。

伊藤忠テクノソリューションズ株式会社  秋本恭平

HACARUS は京都発の AI スタートアップです。ディープラーニングとは違う、スパースモデリングを活用した独自の AI が特長であり、主に自動車部品製造業のお客様向けに AI 外観検査ソリューション「HACARUS Check シリーズ」を提供しています。
外観検査の自動化は AI だけで完結することは少なく、撮像とセットで考える必要があります。HACARUS では、様々なロボットを活用して 360°の撮像が可能なハードウェアを組み合わせることで、撮像から AI 検査まで一気通貫のソリューションを提供しています。さらに、HACARUS 独自の AI は、不良品収集を必要とせず、少量良品のみで高速に学習が可能です。例えば、20点の良品を5分で学習して AI モデルを作成できるため、AI 外観検査の立ち上げに掛かる手間が抑えられます。複雑形状の自動車金属部品・アルミダイカストなどを対象として、製造業の現場で本当に使える AI 外観検査システムをご提案します。

株式会社HACARUS  大西 理王

IT技術の発展により製造装置のデータを簡単に自動収集できるIoTの活用が可能となってきました。一方、設備装置から収集したデータの具体的な活かし方が分からないという声も多く聞きます。本セッションでは、製造DXの実現に向けた具体的なデータ活用例についてご紹介させていただきます。

ウイングアーク１ｓｔ株式会社  上野 智宏

30年にわたりお客様の課題をIoTでトータルに解決してきた実績と視点から、遠隔監視、予知保全等、IoTのユースケースの紹介と、お客様に求められるニーズの実際、さらに防災、カーボンニュートラル等、今後に向けた展望までを簡潔に紹介します。

コネクシオ株式会社  北 満彦

本セッションでは、製造情報の統合管理基盤を実現するMESソリューション「DELMIA Apriso」の導入事例を紹介します。コベルコシステムが持つ豊富な経験にもとづき、MES導入を成功させるためのポイントについても解説します。
質疑応答を当社MESプロジェクトマネージャーが担当し、個社固有の質問にもしっかりと回答します。
昨今、急激な円安による原材料高騰、自然災害、紛争など、グローバルサプライチェーンに大きな影響を与える予測困難な事象が次々と発生しています。こうした不確実性の高まる時代において、競争力を高め、ビジネスを拡大していくためには、企業全体で情報をタイムリーに共有し、意思決定のプロセスを迅速化していくことが重要であると考えます。
DX推進の機運が高まる中、製造業のお客様からは「製造現場の情報収集・蓄積」「部門を跨いだ情報連携」「データ利活用」に関する相談をよく頂きます。製造プロセスにおけるボトルネックの特定、業務改善サイクル確立、データに基づく的確・迅速な投資判断等を実現するためには、製造情報を管理するための統合基盤が必要となります。
コベルコシステムは、お客様と共に企業変革を実現するためのパートナーでありたいと考えています。セッションを通じて、自社の進化をITを駆使して実現し、不確実な時代を切り拓くためのヒントをお持ち帰り下さい。

コベルコシステム株式会社 佐藤 健司

ロボットや自動運転に使われている最先端技術SLAM。これを工場生産DXに応用するとどうなるか？
ロボティクスとマッピングの2テーマに沿って最新技術動向・事例をご紹介いたします！

ロボティクスソリューション：
AMRやトラック等の自律走行に不可欠な従来の自己位置検知機能は、屋内走行の場合は2D-LiDARが主流なため工場内のレイアウト変更などの環境変化に弱く、屋外走行の場合はGPS依存の位置検知により非GPS環境下では使えないといった課題を抱えていました。Kudan SLAMを用いることで、既存システムを活かしながらもGPSに依存しない3D空間認識による自己位置検知が可能となり、屋内外シームレスでこれまで運用困難だった環境における自律走行化を実現します。

マッピングソリューション：
一般的な3Dマッピングシステムは、高価な専用装置に加えマップ生成・処理に手間と専門性を要し、手軽に使えませんでした。Kudanマッピングソリューションにより手軽に生成可能な高精度デジタルツインは、様々な点群加工/処理ツール上で汎用的に使用でき、工場内のレイアウト・配置計画や経路シミュレーション、対象物・エリアの計測などに活用可能です。更に、異なるタイミングに取得した同箇所の点群差分比較により、工場内メンテナンス（異物/変化検知）や原材料/資材管理（変化量計算）といった用途にも活用できます。

Ｋｕｄａｎ株式会社  藤井 柾樹

検査員の高齢化や人手不足など、検査現場の自動化・IT化が喫緊の課題ですが、
多くの企業が進められていないのが現状です。
こういった状況に対してAIが出来ること、さらにその先にある「検査DX」について３つの事例を挙げてご説明します。

 株式会社Pros Cons　神谷 亮磨

製造業界において、現代でも目視検査は検査方法の一つとして採用されていますが、人手不足や判定基準の一律化のため、自動化を検討される方も多いのではないでしょうか。
しかし、いざ目視検査工程を自動化しようとすると、判定結果が人と機械で一致しないなどの問題が生じ、すんなり進まない場合があります。
その一因として、人の感覚的な判断にはばらつきが生じることが挙げられます。

本セッションでは、目視検査の自動化を検討する際につまづきやすいポイントと対策について、これまでの当社の経験を踏まえてご紹介します。
セッションの最後には、少量データで検査AIを構築可能な、AI外観検査ツール「gLupe」をご紹介します。