研究開発された技術紹介

自動車産業で多く使用さる樹脂成形部品の成形には金型が使用される。この金型が取り付けられる成形機の個体差(機差)や成形機の設置環境の温度や湿度、材料、取り付け方法などの差(環境差)により成形条件のバラつきが生じるため、成形メーカーにとって大きな負担となっている。これを解決するためチューニングを実施する熟達者知見をAI化し、金型出荷前段階で機差・環境差を予測するシステムを構築する。

・熟達者知見のブレインモデル構築
熟達者の着眼点と思考回路の言語によるネットワーク化・可視化
・生産現場の知見と学術知見の融合
樹脂挙動に着目した不具合発生/要因対策メカニズムの定義・体系化
・IoT連携
ブレインモデルとIoT金型を用いたセンシングデータ(特徴量)との組み合わせによる推定アルゴリズムの構築、ユーザーの利用シーンを想定したリコメンド機能を含むユーザインターフェイスの提供、クラウド活用など

- 機差・環境差推定アルゴリズムの開発
機差・環境差に起因する要因推定アルゴリズムを構築した。これは、熟達者の「言葉」と「思考回路」を独自の手法で可視化・ネットワーク化したもの。熟練者知見は、金型・成形メーカの熟達者等にヒアリングし、樹脂成形の不具合発生時に関する知見を抽出した。
- 機差・環境差推定システムの実験検証
金型内部の樹脂挙動を捉える実験検証を行い、成形した際の時系列のセンサー値と製品側に現れる不具合とその要因の特徴（教師データ）のデータセットを取得した。また、プロトタイプシステムを開発し、実生産により近い条件/環境下で、トライアルを実施した。リアルな成形機上・成形品で突合検証した結果、AI が導き出した回答と現場で行われた対策効果について、一致度 80％以上を確認した。
- 機差・環境差推定の本番システム開発・導入
モデルケース２拠点でシステム有効性の検証を行った結果、本番システムテストで、AI 回答と現場対策の結果の一致度 83％（目標 80％以上）を達成した。また導入効果の推定として、74％のコスト削減効果（目標 50％以上）があるとの結果を得た。

AIエキスポ等での紹介や業界団体の会報等を通じた紹介を実施。複数の企業より引合いをいただいている。

開発したシステムを活用することにより、従来熟達者が入らないと難しかった金型チューニングを、経験浅いオペレータでもAI活用で熟練者知見を取り入れ、作業が遂行できるようになるため、作業現場のリソース不足が改善され、コスト削減や効率化につながる。また、このシステムを若手の教育にあてることで、スキルアップが容易となる。

樹脂成形メーカーに向けたIoT金型による成形機の機差診断サービス化やCAEとの連携について提案。さらに、今回の技術を活用し、プレス成形や研削加工分野におけるセンシングデータと熟達者知見連携について推進中。

本システムは、熟達者知見をベースとしたAI を活用し、金型チューニングの機差・環境差を推定するもので、新人/現場オペレータの作業をサポートする。言語（定性情報）とデータ（定量情報）を組み合わせて、適正な示唆を与える仕組みとなっており、射出成形の量産立上げ/トライアル段階での機差・環境差に起因する不具合対策/条件補正を対象とする。期待される効果としては、リモートチューニング対応による熟練者の工数削減や、システムを活用した若手社員の教育、コストやリードタイムの削減がある。

自動車メーカ等の多品種少量・世界同時立上げ・リードタイム短縮等の追求、部品メーカの従前とした生産形態・人的不足等に対して、Web プラットフォームを利用し、複数拠点間で活用できるサービスモデルを構築して事業展開していく方向である。
Web プラットフォーム活用については、今回の取り組みで整備した樹脂成形知見の配信サービス展開や、新規に開発した検索ツール「Pincy Park」を通じた知見活用ソリューションの販売展開を進めている。

本システムでは、実験データを解析し、発生する不具合と圧力や温度、射出速度などの成形条件、そして IoT 金型のセンサー波形の特徴量を特定した。今後、事業展開にあたり、部品化されたアルゴリズム選択や、CAEの活用、実データを教師データとしてフィードバックする仕組みを構築し、ユーザの利便性を向上する必要がある。

本システムのモデルを活用し、工作機械メーカーとNCデータや外部センサーデータの波形特徴と熟達者知見を連携させる仕組みづくりのための連携を模索中。
補完研究のため、センシングデータの特徴をCAEにフィードバックするためのシミュレーション（構造設計・解析等）分野の知見を有する大学等と研究希望。
海外事業展開を予定しており、海外製造拠点に対するリモートでの加工条件補正の実地検証ができる事業提携先を模索中。