What to makeの変革 | デジタル革命に勝利するためのヒント#2

記事をシェアする:

 

当記事はホワイトペーパー『デジタル革命に勝利する AI+IoTモノづくり改革 顧客価値ファースト時代の製品・サービス開発手法』（全16ページ）の一部を抜き出し、再構成したものです。全文は以下よりお読みいただけます（要登録・ログイン）。

https://www.ibm.com/account/reg/jp-ja/signup?formid=urx-49059

---

 

AIとIoT活用による新たな製品開発の領域

昨今、AIを活用した新しいビジネスモデルの構築が盛んに行われている。製造業の企業からも「IBM Watsonで何ができるのか」「自社のイノベーションにどう活かせるのか」といった問い合わせが増えている。

だが、こうした質問を寄せる企業も実際には、従来のハードウェア・ファーストの考え方から脱し切れていないケースが少なくない。IoTで集めた大量のデータをAIに「食べさせて」、新しい顧客価値 を生み出していくイノベーションのアプローチは、業界を超えた次元での顧客起点が大前提であり、AIとIoTが製造業に新たな価値をもたらす領域として大きく次の3つが考えられる。

 

1. Customer Experience | コトづくりへの変革
2. Feedback Loop | モノづくりの変革
3. Big Data | ビッグデータの活用

 

これらの3つの領域において、実際にどのような製品開発が行われ、差別化が実現されているのか。ここでは、先進企業の取り組みを例にとり、「モノづくりの変革」と「ビッグデータの活用」にて、AI+IoTでどのような顧客価値の創出が可能となるのかを紹介したい。

(なお、1の「コトづくりへの変革」もお読みになりたい方は、ユーザー登録・ログインの上ホワイトペーパー『デジタル革命に勝利する AI+IoTモノづくり改革 顧客価値ファースト時代の製品・サービス開発手法』をダウンロードしてお読みください)。

 

モノづくりの変革 | フィードバックサイクルの活用

 IoTを活用することで、製品の使われ方を実地調査に行かなくても詳細に把握できるようになる。

これにより、新製品の企画に役立てたり、不具合の早期発見や予知ができる。そのフィードバックサイクルをいかに早く回していけるかが、今後の製品開発に差をもたらすことになる。

最終消費者に近いところにテクノロジーを適用し、顧客の潜在ニーズを探ることが可能となり、企業 は先回りしてその思いに応えていくことができる。

 

・ モノづくりの変革1 | IoTによる製品の稼働・使用状況の把握

IoT 家電が世界で拡大しつつある。従来の家電製品にIoTで新たな顧客価値を付加しようという取り組みだ。

例えば洗濯機を考えてみよう。洗濯機の稼働・使用状況をIoTでリアルタイムに把握すれば、実際にどのような使われ方をしているのか、どのモデルがどの程度の水や電気を使い、どのくらいの頻度で洗濯しているのかといったデータを取ることができる。

加えて、各モデルの故障内容や頻度を個々の洗濯機のデータから集計し分析すれば、一層の省電力、水道代の低減が可能な洗濯機を開発する足掛かりとなる。

 

・ モノづくりの変革2 | IoTを活用した製品開発のフィードバックサイクル

電気自動車（EV）を製造する多くの自動車メーカーでは、バッテリーの性能評価に関するトレースデータをクルマからリモートで収集し、リアルタイムに解析している。

電気自動車の場合、ユーザーは充電量に対して、どれだけ走れるのか、あるいは充電場所について不安を抱えている。また、バッテリーが劣化することも不安要素の一つだ。そのため、このEVメーカーでは、クルマにトレーサビリティーシステムを導入して、性能変化の要因を可視化し、推定モデルをつくり検証している。

加えて、ユーザーに対してバッテリーの保ちをよくするための運転のガイダンス・サービスなども行っている。IoTを使って製品の使われ方を知り、製品やサービスにフィードバックする。これこそ今後のIoTを活用した製品開発プロセスとして拡大していく。

 

製品開発におけるビッグデータ+AIの活用

 IoTが対象とするのはセンサーデータだけではない。

AIの登場により、実際の製品開発現場では、画像など多様なデータの活用が進んでいる。

 

製品開発のプロセスの中には、動画、三次元CAD、VRによるシミュレーション・データ、超高解像度の映像、ゲームコンテンツ、ライフサイエンス・データなど、以前より多くのビッグデータが存在する。

ある製造業の研究開発部門では、技術開発のために製品の稼働テストをカメラで撮影し、画像とセンサーデータを組み合わせて分析している。しかしこの現場では「画像データはすぐに膨らむため、保管が大変でデータを捨てざるを得ない」、あるいは「保管していてもデータが大量で所在がわからない」といった課題を抱えていた。

 

そこでIBM Asperaによるデータの高速転送とデータの自動タグ付け保管を採用し、瞬時に実験データを検索、シミュレーションすることを可能にした。IBM Asperaは、特許取得済みのFASPテクノロジーで、FTPやHTTPに比べて数十〜百倍の高速化を実現している。

さらに徹底したセキュリティー対応が施されているため、情報漏えいに対する機能も備わっている。今後、動画やシミュレーション・データなど、大量のデータを扱う機会はさらに増えていく。最新のITテクノロジーを使うことで、セキュリ ティー・パフォーマンスの両面で改善が図れる。

 

また、工場の組み立てラインなどにおいては、「画像分類」「物体検出」「領域検出」「動作検出」などさまざまな領域で画像認識AIの構築〜導入が進んでいる。

そんな中「業務で使う」ための画像認識AIとして大きな注目を集めているのが、以下3つの特長を持つIBM Maximo Visual Inspectionだ。

 

1. タグ付けの半自動化によってデータ準備の作業時間を短縮
2. ブラウザ操作による開発で事前知識不要
3. 学習済みモデルをAPI経由で利用したり、組み込みデバイスへ簡単デプロイ可能

 

完全プログラミングレスという他社にない機能により、以下を実現している。

•  開発したAIをエッジで実行可能 | ライン上の不良製品の即時摘出
•  iOS端末で簡単開発 | 新たに準備しなくても既存のスマホやタブレットを活用
•  既存学習モデルの再学習も簡単 | 自社特有の環境や制約にもすばやく適応
•  他業務とのシステム連携も | 設備保全をはじめとした業務システムへの連携も簡単

 

 

---

この先は、ホワイトペーパー『デジタル革命に勝利する AI+IoTモノづくり改革 顧客価値ファースト時代の製品・サービス開発手法』（全16ページ）をダウンロードしてお読みください（要登録・ログイン）。

https://www.ibm.com/account/reg/jp-ja/signup?formid=urx-49059

 

問い合わせ情報

お問い合わせやご相談は、Cognitive Applications事業 cajp@jp.ibm.com にご連絡ください。

 

関連記事

「つながる設備」へ | スマートオートメーションガイド

 

IBMのエンジニアリング・ライフサイクル管理（ELM）主要機能

事例から見るIBM Maximoが選ばれ続けている理由

 

---