豊田自動織機、Azureで塗装不具合25%削減
元記事公開日: -
出典: https://www.microsoft.com/ja-jp/customers/story/26552-toyota-industries-corporation-azure
豊田自動織機はAzure IoT Hubで統合した塗装工程データを基盤に、Azure上でAIと機械学習による約400変数の分析を行い、品質不具合に相関の高い要因を絞り込んだ。パイロット運用ではブツ関連不具合を約25%削減し、分析サイクルを5日から4時間未満へ短縮した。
背景
大規模な自動車工場では、塗装品質の不具合が工程の最後に判明し、付加価値を加えた後の再処理、納期遅延、不確実性につながっていた。長草工場では熟練した塗装技術者が減少し、目視検査からデータ主導の品質管理への転換が求められていた。機器センサー、プロセスパラメータ、温度、湿度など数百のデータを収集していたが、生産工程全体のリアルタイム把握や不具合要因の特定には至っていなかった。
要望・目的
塗装品質を高め、製造現場でデータに基づく意思決定を速めることが目的だった。生産データを結び付け、工程の文脈を加えたうえで、現場チームと経営層が行動や意思決定につなげる仕組みが必要とされた。事後分析から、ほぼリアルタイムの品質管理へ移行することを目指した。規制強化を受け、サスティナビリティへの貢献も求められていた。
実装・実施内容
豊田自動織機はMicrosoftとSight Machineと連携し、Azure上に統合された製造データ基盤を構築した。実際の工場データを使い、3か月間の概念実証を実施して、連携が難しかったデータもパイプラインで構造化し分析できることを確認した。続いて、品質指標の向上や現場作業の変更といった目標が技術で実現可能かを検証した。製造部門、生産技術、関連チームが共通のデータを参照する設計とした。
AIサービス・システム
Azure IoT Hubで統合・構造化した工場データを基盤に、Azureベースのセマンティックレイヤーを構築した。AIと機械学習が約400の変数を分析し、品質不具合と最も相関の高い要因を絞り込む。Sight Machineのソフトウェアは豊田自動織機のAzureテナント内で稼働し、データを外部へ出さない構成とした。ダッシュボードの共有により、異常なパターンを早期に確認できる。
結果・効果
パイロット運用期間中、温度の安定化によりブツ関連の品質不具合を約25%削減した。問題解決の機会は約4倍に増え、日々のスタンドアップミーティングの準備時間は80%短縮された。分析サイクルは5日から4時間未満へ短縮し、レビューから行動につながるインサイトの導出までを約45分で完了した例もある。冬季の塗装期間中のCO2排出量は18%削減できる見込みで、バンパー塗装からボディー塗装工程への拡大も可能としている。