説明可能なAI
高精度な予測に加え、品質や歩留まりに影響を与える重要因子を可視化。現場で活用しやすい説明可能なAIにより、納得感のある改善活動を支援します。
研究開発で得られた知見を量産へつなぎ、製造プロセスの最適化を実現
日立ハイテクは、計測・分析・解析で培った知見とデータサイエンスを活用し、製造条件や工程条件の最適化を支援します。研究開発から量産立ち上げまでのプロセスをデータでつなぎ、品質向上と生産性向上を実現します。
ABOUT
プロセス・インフォマティクス(PI)は、製造条件・設備条件・計測データなどをAI・機械学習で解析し、品質や歩留まり、生産効率に影響する要因を特定しながら最適なプロセス条件を探索する手法です。
経験や勘に依存した条件設定からデータドリブンなプロセス開発へ転換することで、以下のような効果を期待できます。
高精度な予測に加え、品質や歩留まりに影響を与える重要因子を可視化。現場で活用しやすい説明可能なAIにより、納得感のある改善活動を支援します。
研究開発部門だけでなく、生産技術や製造現場でも活用しやすいUIを実現。専門知識がなくてもデータ活用を進めることができます。
FDE(Forward Deployed Engineer)が課題整理から分析、活用定着まで支援。現場に深く入り込み、データを活用した継続的な改善活動を支援します。
PIの活用事例
量産工程では品質ばらつきや歩留まり低下が発生することがあります。しかし工程条件は多岐にわたり、試行錯誤による条件検討には多くの時間と工数が必要でした。
また、熟練技術者の経験に依存した条件設定が行われることも多く、改善活動の属人化が課題となっていました。
PIを活用し、製造条件と品質データを学習した予測モデルを構築します。
順解析では各条件が品質へ与える影響を可視化し、逆解析では目標品質を達成するための条件候補を探索します。
これにより、従来は経験に依存していた条件検討をデータで支援し、歩留まり改善や品質安定化、スケールアップ期間の短縮を実現します。
研究開発段階では良好な結果が得られても、量産時に同じ品質を再現できないケースがあります。
研究段階と製造段階で扱う条件や設備が異なるため、スケールアップ時に多くの試作や条件検討が必要となっていました。
MIで材料特性や配合条件を最適化し、PIで量産に向けたプロセス条件を最適化した事例です。
STEP1:MIによる材料開発
材料特性や組成、配合条件を解析し、有望な材料条件を探索します。
STEP2:PIによる量産条件最適化
製造設備や工程データを活用し、品質を維持しながら量産可能な条件を探索します。
これにより、研究開発から量産立ち上げまでを一貫して最適化し、開発期間の短縮と量産移行の成功率向上を支援します。
新規製造プロセスを検討する際には、どの工程条件を評価すべきか分からず、多くの試作や検証が必要になることがあります。
また、過去の報告書や技術文書に蓄積された知見を十分に活用できないケースもあります。
PROACCELA-Coreが公知情報と社内ナレッジを活用し、製造プロセスの改善案や評価ポイントを提案します。
さらにPIで製造条件と品質データを解析することで、提案された改善案の妥当性をデータで検証できます。
PROACCELA-Coreによる知識活用とPIによるデータ分析を組み合わせることで、製造プロセス改善の検討を効率化し、より迅速な改善活動を支援します。
PROACCELAの詳細な特徴や導入事例とその効果などについて、お役立ち資料や動画をご提供しています。
貴社の課題にどのように寄与するか、イメージを具体化するためにお役立てください。
※“PROACCELA”(ロゴ)、“PROACCELA/プロアクセラ”は日本国内における日立ハイテクの登録商標です。