小規模なメーカーは人工知能で無駄を省く
人工知能は、インダストリー4.0と広く呼ばれているものの重要な側面として広く認識されています。人工知能が産業革命の次の段階にどのように組み込まれるかはまだ誰にもわかりませんが、人工知能によって人、機械、情報技術間の接続性が高まり、メーカーがプロセスをより適切に最適化し、問題を予測できるようになることにほとんどの人が同意しています。
人工知能が組織に与える影響を評価し、インダストリー4.0に向けて準備する役割を果たすと思われる、新興技術のテストにかかる時間や資本を通常は持たない中小規模のメーカー（SMM）は、どのようになっていますか。 ？
製造業が決定するのを待つことは、いわば、確かに選択肢ではありません。 1年、2年、または5年の遅延により、製造業者が取り残される可能性があります。今こそ行動を起こす時ですが、今後の道筋は明確ではありません。
これに対処する1つの方法は、多くのSMMがすでに採用している継続的な変革、つまりリーン生産方式を通じて人工知能を評価することです。
人工知能による継続的改善に「継続的」を置く
リーン哲学の中心は、継続的改善の考え方です。それは継続的な変化への取り組みです。無駄を省くには、改善の機会が特定されたときにそれを迅速に実施できるように、常に変化への意欲を維持する必要があります。
リーンの改善は介入を通じて進行します。プロセスなどで問題が特定された場合、作業は停止されます。チームメンバーは、観察し、結論を導き出し、判断を下し、最終的に問題の原因に対処するための行動を取るために呼び出されます。この断続的な操作はリーンの仕組みですが、そのストップスタートリズムは基本的に継続的な改善の考えと対立しているように見えます。それは現在実現可能なことですが、少なくとも人間的には可能です。
では、無駄のない操作を実行するために作業を停止する必要がなかった場合はどうでしょうか。作業が行われている間に、基本的なリーンプロセスの大部分（観察、結論の引き出し、判断、行動）を実行して、リーンプロセスをより継続的にすることができたらどうでしょうか。これは、あらゆる規模の製造業務における人工知能の主な約束の1つです。
リーンオペレーションを人工知能から始めることができる場所
人工知能は、データセットから学習できるアルゴリズムから、空想科学小説の物語に似たロボットまで、幅広いテクノロジーを含む広大な分野です。
小規模メーカーに関する限り、彼らが主に関心を持つべき人工知能のタイプは、機械学習と呼ばれるサブ分野です。 Amit Manghaniが彼の「機械学習の入門書」で定義しているように、
Manghaniはさらに、4種類の機械学習の概要を説明します。これらはすべて、リーン生産方式に適用できる可能性があります。ただし、これは、小規模なメーカーが、必要なデータを計算分析に利用できるようにするために、計算能力に投資する用意があることを前提としています。
- 教師あり機械学習
- 教師なし機械学習
- 半教師あり機械学習
- 強化機械学習
機械学習をリーン生産方式に適用するこれら4つの機会のそれぞれについて、以下でもう少し詳しく見ていきましょう。
1。教師あり機械学習
教師あり機械学習では、アルゴリズムが受信データを解析し、事前定義された基準を満たす任意のデータにラベルを割り当てます。リーン生産方式では、このような手法を使用して、複雑な部品の品質管理を自動化できます。たとえば、関連する部品データを記録してアルゴリズムで利用できるようにすることができます。
2。教師なし機械学習
教師なし機械学習では、アルゴリズムがデータの並べ替えに使用できる事前に決められた回答はありません。むしろ、アルゴリズムは、データが蓄積されるときにデータを観察および評価し、パターンを識別して緊急ラベルを作成する必要があります。このタイプの機械学習は、リーン生産方式の製造業者が生産機械（または一連のネットワーク化された機械）の異常な動作を監視し、それによって誤動作を予測するために使用できます。
3。半教師あり機械学習
名前が示すように、半教師あり機械学習は、教師ありアプローチと教師なしアプローチを組み合わせたものです。半教師ありシナリオでは、データの既存のラベルがいくつかあります。他の基準も、人間の監督の助けを借りて、時間の経過とともにアルゴリズムによって開発されます。半教師ありシナリオは、反復的な部品生産を最適化するのに役立つ可能性があり、部品とプロセスの両方の無駄を排除する可能性があります。
4。強化機械学習
強化シナリオでは、アルゴリズムは、可能なアクションのセットのうち、どのアクションが最高の報酬をもたらすかを予測します。リーン変換プロセスに従事するSMMは、このタイプの機械学習を使用して、想定するプロセス指向の変更に向けたさまざまなパスを比較検討できます。
機械学習はリーン生産方式を補完することができます
機械学習に焦点を当てると、サイズに関係なく、ほとんどのメーカーにとって有用でアクセス可能な人工知能のアプリケーションがどのように存在するかがわかります。場合によっては、パズルのピースは、すでにインストールされているマシンセンサー、既存の情報技術（IT）、運用技術（OT）インフラストラクチャによって収集されたデータの形ですでに利用可能である可能性があります。
SMMが人工知能のアプリケーションを検討し始めると、これらのシナリオのいずれも、人間の仕事の可用性を自動的に脅かすことはないことを覚えておくことが重要です。むしろ、これらのアイデアは、従業員にリアルタイムの情報へのアクセスと、仕事上の問題解決と実行のためのより優れたツールを提供することにより、労働者に力を与える無駄のないプロセスを補完する方法で追求することができます。
有用な例えは、人間のドライバーの認識と認識を補完する現在の自動車センサー技術です。このテクノロジーは安全性を向上させるだけでなく、道路上のすべての人の行動を調整することにより、運転システム全体の摩擦を減らすのにも役立ちます。このように、自動車の安全技術は、誰もが運転の方程式から外れることはありません。それらは、運転をより安全で効率的な体験にします。
この観点から見ると、人工知能は、非常に強力になる可能性があるものの、無駄のないツールボックスの単なる別のツールと見なすことができます。
産業技術