AIを用いた技術継承その問題点と解決策(後編)

製造業や建設業、農業など、いわゆる一次・二次産業といわれる業界では、熟練作業者の技術を次の世代に継承していくことが急務になっています。しかし、人手不足や技術継承には時間がかかることから、思うようには進んでいません。そこで最近はこの対策として、テクノロジーを活用した取り組みが行われるようになりました。将来的に人手不足による技術継承の問題は解消され、短期間で熟練作業者と同様の技術を身に付けたり、継承したデータを基に精度の高い製品を自動で作り出したりすることができるようになるかもしれません。

前編では1次・2次産業における技術継承へのテクノロジーの導入の中でも農業分野について解説しましたが、後編では建築・製造業について、株式会社ビズライト・テクノロジー代表取締役社長田中博見が解説します。

「匠」の技術をデータ化する

前編では家族経営を前提とした農業経営の中で、高度な農業技術が暗黙知・経験則のままで受け継がれており、そのことが農業の技術継承を困難にしている、ひいては意欲のある後継者や新規参入者にとって大きな障壁になっているというお話をしました。

大工のような職人の世界も同じような悩みを抱えています。大工の世界では、師匠に弟子入りして、見習いから始め、技術を習うのではなく盗んで成長するという封建的な徒弟制度が長らく続いてきました。頑固で口数の少ない大工の棟梁というのは職人の美学のように讃えられることもありますが、技術が言語化されないことで暗黙知・経験則のままでとどまってしまい、技術継承を困難にしている点では農業と同じです。

実際に建設現場では、農業同様、棟梁の高齢化という問題が起きています。高齢の棟梁が若い弟子ではなく、短期雇用の若者や外国人労働者を引き連れて現場に現れることもよく見る風景になっています。頭数を揃えるだけならそれでもいいのですが、建築のエキスパートとして大工の技術を継承するという意味では非常に危機的な状況です。

このことは典型的な職人の世界に限ったことではなく、製造業の企業に所属する職人的技術者にも同じような傾向が見られると思います。

センサーとAIによる解析

そこで、センサーとAIを使って棟梁の持つ「匠の技」を解析して継承していこう、という発想が出てきます。

しかし、建築に使われる部材というのは木材から鉄筋、基礎に使われるコンクリートまで多岐にわたり、部材数も非常に多く、木材なら木の種類によっても違ってきますし、用途によっても異なってきます。現場ごとの部材数も多ければ、現場の数も多くあり、それぞれの規模は小さい。したがって、高額な機器の導入は困難です。

また、工場のサンプリング検査のように一本抜き出して壊れるまで叩いてみて強度を確認するようなことは、規模の小さな現場ではできず、おのずとできることが限られてきます。

センサーによるデータ収集の難しさ

コンクリートを例にとると、すぐに固まってしまう性質のものなので、工場から完成品を運んでくるわけにはいきません。現場で原材料を混ぜて作るわけですから、職人的な経験知が非常に大きくものを言います。原材料は砂利と水など数点に限られており、作業プロセスも単純です。それでも、わずかな水分量や含まれる砂利の粒の大きさの違いによって品質にばらつきができてしまうのだそうです。

コンクリートを作る工程をデータ化することは簡単ではありません。プロ野球のボールの縫い目まで見えるような高精度カメラで砂利の大きさを測定したらどうだろう、と思ったら、機器があまりに高価でコストに見合わない。撹拌するミキサーの中にセンサーを入れて内部の水分量や温度を計測したらどうだろう、と思ったら、センサーについたコードが引っ掛かってミキサーを止めてしまった。このように、センサーによるデータ収集の段階で、実現できずに挫折してしまう場合が多いのではないかと思われます。

職人の体中にセンサーを取付けて一挙手一投足をつぶさに計測しようというアイディアもあるようですが、まるごとコピーしたところで職人の技が盗めるわけではありません。職人にしか気づかない小さな情報から感覚的に動きを変えるのが職人技の妙味であることは自明でしょう。

間接的なデータを分析・解析するのがAI的なアプローチ

むしろ、そうした直接的なデータを取得するのではなく、間接的なデータから分析・解析を行っていくのがAI的なアプローチの特徴になります。

熟練した職人的作業者は、コンクリートを撹拌しているときに水分量や砂利の粒の大きさを見ていなくても、感覚的に異常を察知します。例えば水が多いと、重さの影響でモーターが回り始めるときに高い音が出たり、逆に水が少ないと軽い音になったりすることを経験的に知っています。そこで、ミキサーの中の水分量データをとるのではなく、そこから発せられる音をデータとして取り込んで、その周波数をフーリエ解析するというアプローチが考えられます。

コンクリートの品質に影響するデータとして、原材料の量や水分量や粘度が直接的なデータとするならば、製造する過程で生じる音は間接的なデータと言えます。

この方法では、できた生コンクリートの良し悪しをフィードバックして、このときは良い、このときは不良ということをAIに教えていくことで、AIは「撹拌する音とできあがったものの間に相関性」を見つけることが可能になります。

砂利の粒の大きさも同様で、物理的な計測ではなく、ミキサーに落とすときに細かい砂利が多いときと大きい砂利が多いときで違った音が聞こえるのであれば、音と生コンクリートの良し悪しの相関を確認していけばいいのです。

回転するミキサー内にデータ計測用のセンサーを入れることはできませんが、モーターやミキサーから出る音や振動を計測するだけならば、ミキサーの回転していない部分に安価なマイクや振動計を取り付けるだけで済みます。屋外の現場でもマイクや振動計ならば問題なく使用可能です。建設現場を例にとってお話しましたが、工場の生産管理にも同じことが言えるでしょう。

 

直接的に品質に関わるデータを厳密に管理して、理想的な環境で作業が行えるのならば、なにもAIを用いるまでもないわけです。直接的なデータを取得できなくても、間接的なデータや職人が判断に用いる一見無関係なデータを取得する。これらのデータは間接的なだけに1件ごとにみれば誤りが含まれるかもしれませんが、大量のデータを経験知として積み重ねてAIで分析・解析していくことで、精度の高い判断をできるようにするというのがAI的なアプローチです。まさに職人の技を継承するにふさわしい技術といえるのではないでしょうか。

ソフトとハードの両面から技術継承の問題を解決する

AI的なアプローチとともに、データを得るための最適なIoTデバイスを選択できるハードウェアの知識が不可欠となります。ものの動きや変化を計測するセンサー、センサーからの信号を処理するデバイス。そして、センサーから集められたデータを、クラウドに上げてAIに解析させるためのゲートウェイ……ソフトウェアの技術だけでなく、これらハードウェアの技術もなければIoTとAIによる技術継承は成功しません。

ビズライト・テクノロジーは、ハード、ソフト両方の面で多くの経験と実績を持ち、IoTとAIに関わる機器やシステムの開発に対応できます。また、Arduino互換のIoT向けボードBiZduinoと、Raspberry Pi搭載IoTゲートウェイBHシリーズを提供しています。AIによる技術継承で起こる問題をソフト、ハードの両面から総合的に解決します。まずはお気軽にご相談ください。

語り手

代表アイコン
株式会社ビズライト・テクノロジー
代表取締役社長 田中 博見
1962年北海道旭川市出身。
大手家電メーカー系の工場でファクトリーオートメーション分野に従事したのち、コンピュータ業界へ。 8ビットから16ビットマイコン時代、ハードウェア設計からファームウェア開発までを経験。 その後はLINUXをベースとしたWEBソリューションに注力すると同時に、IPOを経験すると、 ECサイトの売上向上のためのビッグデータ解析や、BPRなど経営コンサルタント的な活動が増えている。 現在もっとも興味があるのはフィジカルコンピューティング。
記事の内容に関する質問、お問い合わせはこちらへ!

関連記事