BMW、AI活用で生産効率を革新　画像認識から物流最適化まで

自動車生産における人工知能（AI）の活用が加速しています。BMWグループは2018年から、シリーズ生産において様々なAIアプリケーションを導入しています。

自動画像認識でリアルタイム品質検査

注力分野の一つは自動画像認識です。AIが生産ライン上の部品画像を継続的に評価し、同一工程の数百枚の参照画像とミリ秒単位で比較。これにより、標準からの逸脱をリアルタイムで検出し、必要な部品がすべて取り付けられているか、正しい位置にあるかをチェックします。

導入の容易さと現場主導の開発

この革新技術は高速、信頼性が高く、何より使いやすいのが特徴です。BMWグループ生産部門のイノベーション・デジタル化・データ分析責任者、クリスチャン・パトロン氏は、「AIには大きな可能性があります。高い品質基準を維持しながら、従業員を単純反復作業から解放できます」と語ります。

BMWグループでは、固定式カメラポータルに代わって、柔軟でコスト効率に優れたAIベースのアプリケーションを順次導入。実装は驚くほどシンプルです。

モバイルカメラとノーコードでニューラルネットワークを構築

モバイル標準カメラで生産現場の関連画像を撮影するだけで始められます。従業員が部品を様々な角度から撮影し、潜在的な欠陥を画像上でマークすることで、画像データベースを作成。そこから「ニューラルネットワーク」を構築し、人間の介入なしで画像評価が可能になります。

従業員がコードを書く必要はなく、アルゴリズムがほぼ自動で生成します。トレーニング段階（一晩程度）で、高性能サーバーが約100枚の画像からニューラルネットワークを計算し、即座に最適化が始まります。テスト走行と微調整を経て信頼性100%に達すれば、学習完了。以降、ニューラルネットワークが自律的に部品の合否を判定します。

照明やカメラ位置に依存しない堅牢性

動く物体も、生産現場の照明条件やカメラの正確な位置に大きく依存せず確実に識別可能。これにより、物流を含む自動車プロセスチェーン全体への幅広い応用が開かれます。

単純作業から高度な検査まで幅広く対応

多くの場合、AI技術は警告三角板がトランクの正しい位置にあるか、ワイパーキャップが装着されているかといった、単調で反復的なチェック作業から従業員を解放します。

AIによる高度な検査タスクの実行

ディンゴルフィング工場の最終検査エリアでは、AIアプリケーションが車両オーダーデータと、新造車のモデル表記のライブ画像を比較。「xDrive」などの駆動方式表記を含む全承認済み組み合わせが画像データベースに格納されており、ライブ画像とオーダーデータが一致しない場合（表記欠落など）に最終検査チームへ通知します。

パトロン氏は、「これらの取り組みでは、従業員の経験と専門知識を完全に信頼しています。彼らが、どの生産ステップでAIが品質と効率を改善できるかを最もよく判断できるからです。あえてセットアップと実装をシンプルに保っています。運用に高度なITスキルは不要です。」

AIによる「疑似欠陥」の排除

プレスショップでは、成形後の板金部品に残る粉塵や油分が、プロセス中に稀に発生する極めて微細なクラックと誤認されることがありました。従来のカメラベース品質管理システムでは、これら「疑似欠陥」（実際には欠陥ではない逸脱）も検出してしまうことがありました。

新AIアプリケーションでは、ニューラルネットワークが特徴ごとに約100枚の実画像（完璧な部品、粉塵付着、油滴付着など）を参照できるため、疑似欠陥が排除されます。特に、目視では判別が困難だったケースで効果を発揮します。

シュタイア工場とBMWグループデータ分析チームでも、エンジン冷間試験でのトルク測定における「見かけ上の異常」をAIで排除。以前は複雑な手動検査や追加試験（燃料を使った熱間試験まで）が必要でしたが、多数の記録済み試験走行で学習させた解析ソフトウェアが、真のエラーと見かけのエラーを区別できるようになりました。

AIによる制御統合：設備・ロボット制御システムとの連携

BMWグループ初のスマートAI制御アプリケーションがシュタイア工場でデビュー。コンテナがカメラステーションを通過する際、従業員がマークした画像データを用いて、コンテナがパレットへのラッシング（固定）を必要とするか、大型・安定した箱で追加固定不要かをAIが判別。不要ならフォークリフト取り外しステーションへ最短ルートで、必要ならラッシング装置経由で搬送するよう制御します。以前は全コンテナが大型コンテナ用取り外しステーションを経由する必要があり、追加固定が必要なものは迂回を強いられていました。

シュタイア工場でのこのアプリケーション以外にも、BMWグループでは物流分野で多数のAIイノベーションを展開。バーチャルレイアウトプランニング（建物・工場の高精細3Dスキャン作成）もAIが支援し、3Dスキャン内の個別オブジェクト（コンテナ、建物構造、機械など）を認識。エンジニアが3D計画ソフト上で個別オブジェクトを抽出・修正し、現場での改修をシミュレーション・理解しやすくしています。

AI活用の明確なトレンドと将来展望

BMWグループの工場では、AIアプリケーション活用の明確なトレンドが見られます。スマートデータ分析、最先端計測技術、AIの統合が進み、生産管理に新たな機会を開いています。

ボディショップでは、最終検査画像から同一溶接ポイントで複数車体に溶接スパッタが発生している傾向をAIが検出すれば、制御ループを閉じ、システム制御やメンテナンスサイクルをより速く効率的に調整可能。塗装ショップでは、塗装前のボディに塵が付着しないよう、AIと分析アプリケーションが極めて早期にエラー源を検出し、後工程での研磨作業を根本から減らすことが期待されています。