Orizuru

スマート工場を実現する IoT/AIソリューション

製造現場を取り巻く様々な課題

課題を集約すると…

経営課題
  • 製造ラインの稼働率を向上させたい
  • 品質不良の原因を特定し、不良品を減らしたい
現場課題
  • 作業を単純化し、誰でも担当できるようにしたい

マスカスタマイゼーション(個別受注生産)の普及により、
高度化・複雑化した製造ラインにおいて、
これらの課題を解決することは一層困難になっています。

これらの課題解決にはIoTとAIが不可欠!

Orizuruでの課題解決アプローチ

Orizuruでは、IoT技術により製造現場の様々な状態をデータ化・可視化することで
真の問題を浮き彫りにし、AIなどを活用して課題解決を図ります。

例えば

稼働率が低下しているので向上させたい
現状診断・原因調査

IoTを活用してデータ取得・蓄積・可視化することにより、現状を診断し、ボトルネックを発見します。

課題解決

AIとシステム開発による自動化や、異常検知機能などの導入によって、
ボトルネックを解消し、稼働率向上を実現します。

Orizuruの特長

1.CNCやPLCなどの多様な装置からデータ収集可能なゲートウェイ

様々なメーカーの工作機械(CNC)や、PLC、ロボット、
センサーなどを使用している製造ラインのIoT化を実現します。

取得可能なデータ種類
FANUC
アラーム
操作履歴
モーダル情報 Gコード
コマンド
座標 絶対座標
相対座標
機械座標
残移動量
PMCデータ
Pコード変数
機械情報 主軸工具番号
スピンドル負荷
実回転速度
設定回転速度
送り速度
主軸動作変更フラグ
工具交換変更フラグ
主軸動作フラグ
CNCステータス 自動運転モード選択
手動運転モード選択
自動運転状態
プログラム編集状態
軸移動・ドウェルの状態
M,S,T,B機能の状態
非常停止の状態
不揮発生メモリへの書き込み状態
ラベルスキップ状態
アラーム状態
警告メッセージの状態
バッテリの状態
NCプログラム情報 メインプログラム名
メインプログラム番号
実行中プログラム名
実行中プログラム番号
実行中シーケンス番号
動作時間
三菱 CNC
座標 機械座標
プログラム座標
次移動量
移動残量
機械情報 送り速度データ
送り速度指令データ
工具補正番号
NCプログラム情報 メインプログラム番号
サブプログラム番号
実行中シーケンス番号(メインプログラム)
実行中シーケンス番号(サブプログラム)
現在プログラムブロック
動作時間
モーダル情報 Gコードモーダル
コマンドモーダル
CNCステータス 運転指令状態
切削モード状態
運転状態フラグ
CNCアラーム
東芝機械
座標 機械座標
相対座標
手動込み座標
移動残量
CNCステータス NCステータス
NC電源投入時間
スピンドルオン時間
スピンドル実切削
加工個数
機械情報 主軸負荷率
送り速度
送り速度オーバーライド値
早送りオーバーライド値
スピンドルオーバーライド値
NCプログラム情報 シーケンス番号
実行中メインプログラム
サイクルオン時間
アラーム NCアラーム
PLCアラーム

2.AIプログラムのモジュール提供

動画のリアルタイム異常検知プログラム

K-近傍法や独自関数により、安価なPC上でも動作可能で、かつリアルタイム性に優れた動画異常検知を実現。
様々な装置の動作異常検知を手軽に実現することが可能です。

3Dモデルの類似検索プログラム

CADなどの3Dデータから抽出される特徴の分類にAIを活用。膨大な3Dデータの中から類似データを簡単に検索することが可能です。

3.Webブラウザでの3Dデータ表示モジュールの提供

3Dモデルの類似検索プログラム

Orizuru 3Dは、数十GBに及ぶ巨大な3DデータをWebブラウザで表示可能なビューワーモジュールです。透過表示やワイヤー表示など多彩な表現方法でデータの可視化が可能です。CAD・点群などの3Dデータを統合管理できるため、データ形式ごとに個別のソフトウェアを導入する必要はありません。

例えばこんなユースケースがあります

自社設備の見える化ソリューションの構築

課題

  • 工場の安定稼働は職人の経験からくる知識と技術に頼っている部分が大きく、代わりが効かない。
  • 設備が故障してからの修繕対応では加工中の製品が無駄になり、修繕時間が余計にかかることによる設備稼働時間の低下で、生産性が低下する。
  • センサーを取り付けて稼働状況を観測するのにも、複雑な機構をした設備のためセンサの選定が難しく、またその解析結果から制御をすることも難易度が高い。

解決

  • 職人の技術の大部分をIoTによって定量化することが可能となったため、高い能力がなくても設備の使用が可能となった。
  • 設備の異常を検知することにより予め設備故障を予測できるようになり、事前のメンテナンスを可能にすることで生産性向上につなげた。
  • 豊富な知識と経験をもったCCT担当者が設備の機構を確認してセンサの選定を実施し、取得されたセンサデータから不良が起きる前に制御によって不良をなくす仕組みを構築した。
AIを用いた半導体関連部品の自動検査

課題

  • プロジェクトの規模が変動するため、正社員ではなく業務委託の増減により柔軟に対応したい。
  • 半導体関連部品の外観検査を人が行っているため、検査量に比例してコストが増える。
  • 部品の外観検査を定量化したデータからではなく定性的な人の感覚による判断で行っているので、個々による判断のバラツキや判断ミスが起こり、部品の品質にバラツキがでている。

解決

  • 外観検査を自動で行える設備を設計・開発して納入。AIが自動で部品の欠陥を判定し、検査表出力まで対応するので人の対応が減り、製造量に比例する人件費の大幅な改善に成功した。
  • 定量化したデータをAIに学習させ、AIによって判定することで検査のバラツキとミスが減少し、人よりも高い精度で検査が可能となった。
目視できない作業場所の見える化及び自社設備の解析とIoTソリューションの構築

課題

  • 目視できない作業場所での作業内容を把握することができないため、何が原因で作業効率が悪いのか分からない。
  • 自社設備の故障がお客様からの連絡によるものが多く、計画的にメンテナンスを行うことができず効率が悪い。
  • 設備を顧客へ販売するため、外付けセンサーやIPCなどのハードウェアが高いとその分売価が高くなってしまう。

解決

  • 作業場の電流波形からAIが作業内容を判定する仕組みを構築し、作業内容を見える化したことで段取りよく作業をすることが可能となった。
  • 設備にセンサを付けてデータを取得し、得られたデータをもとに統計的な解析と数値シミュレーションによって設備異常について解析を行うことで設備故障が起こる前にメンテナンスすることが可能となった。
  • CCT担当者が適切なセンサー選びをすることでハードウェアの費用を抑えることに成功した。
contactcontact downloaddownload