AIと機械学習がCNC機械加工に革命をもたらす

サプライチェーンから完成品の据付まで、段階的な最適化が未来の製造業の中心になります。最適化をより自動化するには何が必要か？ マシンインテリジェンスと機械学習です。探ってみましょう。

今日の製造業のエンジンはCNC機械加工にあります。しかしCNCはどこへ向かうのか？ 業界専門家と研究者によれば、継続的な自動最適化に向かっています。

最適化はシンプルな概念に聞こえますが、自動化するとなると複雑です。ソフトウェアとデータ——そして人間の解釈——を含む膨大な基盤技術が、製造業における自動化を現実にするために必要だからです。

CNCシステム内で真にインパクトを与えると期待される2領域、機械学習と人工知能（AI）を見ていきます。ソフトウェアベースのアルゴリズム、スマートプローブ、音声コマンドなどからなる人工知能は、最適化パズルの半分です。もう半分は機械学習です。

機械学習は機械データを取り込み、理論的には自己最適化し、軌道修正して是正措置を取ります。これが人間の関与なしを意味するわけではありません。むしろ、分析的評価、シミュレーション、プログラミング、テストを通じて、最適化のパラメータを定義し、改良し、機械に「教える」一貫した人間の関与があることを意味します。

ニュアンスのある機械・部品製造情報を報告し、ダウンタイムを事前調整・自己スケジュールし、より健全なセルで機械活動をトリガーする予測性の高いシステムを想像してください。音声コマンドで機械技師と通信し、アクションを取る機械OSを想像してください。

業界をこの未来状態に近づけるために今日何が行われているのか？ MachineMetricsの共同創業者兼CEO、ビル・ビザー氏らに話を聞きました。

CNC機械におけるAIと機械学習：可視化の価値

機械工学のバックグラウンドと、航空宇宙・防衛業界での製造知識を持つビザー氏は、製造現場でよりニュアンス豊かでリアルタイムなプロセスソフトウェアの必要性を認識しました。ビザー氏はユナイテッドテクノロジーズ傘下のハミルトン・サンドストランドで5年間、油圧システム設計に従事しました。

「データを活用して工場現場で何が起きているかを真に理解し、より良い意思決定をする機会があります」とビザー氏。「課題は、機械への接続がかなり難しいことです。そこで5年弱前に会社を立ち上げ、CNC機械への接続を容易にすることで、生産可視化を高めました。」

MachineMetricsは、CNC機械分析のリアルタイム可視化——ビザー氏が「記述的分析」と呼ぶもの——を提供し、企業が正確な生産指標（稼働率など）を見て、生産目標と照らし合わせられるようにします。診断的、予測的、処方的データなど、他の分析領域でも情報を提供します。

結果：中堅〜大手メーカー100社の顧客ベースで、スループットと効率が20%以上向上。数千台の機械にわたる大規模データセットを持つMachineMetricsプラットフォームにはベンチマーク機能も含まれ、企業が同業他社と自社を比較し、競争力を維持するのを支援します。

より良い意思決定は設備投資だけではないとビザー氏。詳細な生産データがあれば、どのプロセスを最適化すべきか評価できます。診断データはメンテナンスチームと機械メーカーが機能改善と実世界のフィードバックループ構築を支援します。

予測データは、チームが状況を理解し、CNCがいつ支援を必要とするかを知るのに役立ちます。処方的分析は、条件を活かしてオペレーターにタイムリーな方向性とガイダンスを提供します。

インテリジェントCNC機械加工：アラーム、トリガー、スピンドル監視

「AIは非常に汎用的な用語です」とビザー氏。「人間が頭の中で計算しなくても機械がやってくれれば、それは『AI』と言えます。機械学習には、より具体的なユースケースがあります……教師あり機械学習（トレーニングとフィードバックが必要）と教師なし機械学習（不要）があります。」

スピンドル故障の理解やダウンタイムの自動分類には機械学習が必要かもしれません、とビザー氏は説明します。「今日、機械が3回停止した」とオペレーターに通知する単純ロジックによるアラートは、必ずしも機械学習ではありません——しかし、人間オペレーターがシステムを容易に追跡・管理するのを助ける、ルールベースのインテリジェントアルゴリズムの一種です。

インテリジェンスベースのテクノロジーは、オペレーターの仕事をよりプロアクティブなものにします。適切なタイミングの情報は、CNCから数日分の利益を失うか、生産目標への代替パスをスケジュール・整理できるかの分かれ目になります。

自動化とスマートセンサーベースのインテリジェンスは、工具の在庫管理とベンディングソリューションにも到来しています。サプライ支出の 管理と無駄削減の方法を学びましょう。

AIと機械学習がより賢い意思決定と、工具故障・工具寿命・部品品質の深い理解を可能にする

MachineMetricsだけではありません。英国シェフィールドの先進製造研究センター（AMRC）ファクトリー2050のエンジニアたちも、AIと機械学習を機械稼働率向上に活用しています。エッジコンピューティングハードウェアを使い、自動車サスペンション部品の消費電力を追跡。ティンズレー・ブリッジ社と連携し、製造プロセスを監視しています。

「機械稼働率をインタロゲート（詳細調査）することで、何がいつ製造されていたかの可視性が高まり、スケジューリングが効果的か評価できるようになりました」と、ティンズレー・ブリッジのエンジニアリングディレクター、ラッセル・クロウ氏は『Metrology News』記事で語っています。

このプロジェクトの次のフェーズは、機械に学習させ、生産中の不適合部品を検知し、部品品質に影響する不均一な工具摩耗を見つけることです。

「AIが提供するインサイトにより、機械が工具交換のために介入を必要とするタイミング、または介入なしでどれだけ稼働できるかを特定できます」とクロウ氏。「工具故障の予測と工具寿命の延長は、初回良品率にも影響し、不適合部品を減らし、生産性を高めます。」

技術的な質問がありますか？ MSCメタルワーキングテックチームにフォーラムで質問してください。

製造業の自動化が重要な問題解決の時間を生み出す

機械加工の未来は、間違いなくより自動化されます。迫り来るスキルギャップと技術進化が同時に起きる中、自動化は、自動化CNCシステムと製造部品をプログラミング、トラブルシューティング、維持管理する労働者の価値を高めます。

インダストリアルデザイナー、プロセスエンジニア、機械オペレーターは、これまで以上に緊密に連携するようになると業界専門家は予想します。

「ほとんどのメーカーは、スキル不足の第1原因は『新しい先進技術と自動化の導入によるスキルセットの変化』だと考えています」と、製造業研究所とデロイトの2018年スキルギャップと未来の仕事に関する報告書にあります。

ショップフロアで必要とされる未来スキルについて詳しくは「インダストリー4.0：スマートファクトリーで求められる製造スキル」をお読みください。

しかし、自動化の地点に到達するには、複雑なマシンプログラミングと、インターネットおよびクラウドベース技術のより深い統合が必要です。未来は、生産にとって最適なように最適化されるでしょう。デロイトと製造業研究所の研究によれば、デジタルスキルに加え、ソフトスキル、クリティカルシンキング、人材マネジメントスキルも必要です。同研究では：

「製造業では、これは一般的に、自動化生産ラインから出てくる部品の品質不良を特定する能力、そしてより重要なことに、リアルタイムで問題を是正するアクションを取る能力といった、生産上の問題解決に翻訳されます。」

ティンズレー・ブリッジのクロウ氏も同意します。未来の品質はプロセスと機械の最適化の合わせ技から生まれます。

「将来、データへのインサイトにより、機械をより効果的に稼働させられるようになり、エンジニアが複数ジョブ/機械のプログラミングなど、より付加価値の高いタスクに時間を割けるようになり、技術的に先進的な製品を製造するスマートファクトリーの実現につながります」とクロウ氏。

機械の再キャリブレーションはどれほど苦痛ですか？ フォーラムで語り合いましょう。[登録必須]