Amazon Web Services ブログ

Category: Manufacturing

【開催報告】ライフサイエンス・化学・素材関連業界のスマートファクトリー最新動向ウェビナー

アマゾン ウェブ サービス ジャパン株式会社 インダストリー事業開発部 片岡です。 ライフサイエンス・化学・素材関連領域のスマートファクトリーでのクラウド活用にご興味をお持ちのエンドユーザーの皆様を主な対象として2020年12月10日に「ライフサイエンス・化学・素材関連業界のスマートファクトリー最新動向」をウェビナーで開催しました。 本記事ではAWSパートナーネットワーク(APN)パートナーである三井情報様の登壇内容を含む当日の資料・動画と、参加者の方々とのQ&Aを皆様にご紹介します。 本ウェビナー開催の背景 政府の報告によれば、コロナウイルス等の影響で、製造業を取り巻く環境の不確実性が増す中で、設計から生産、販売にまで至るバリューチェーンの再構築や強靭化など、いわゆるデジタルトランスフォーメーション(DX)の推進がより重要になると言われています。しかし、従来日本の強みとされてきた製造の現場では、人手不足や属人的改善による部分最適、データ未収集・未活用など、様々な問題を抱えており、製造業のデジタル化やデータ活用は十分に進んでいないと問題提起されています。 本ウェビナーでは、各企業がデジタルトランスフォーメーションを推進するにあたり、課題となっているデータ管理や利活用について、クラウド利用のメリットを踏まえながら、AWSとパートナー、それぞれの観点で発表頂きました。

Read More

Amazon Lookout for Vision — 新しい ML サービスにより、製造の欠陥検出を簡素化

本日は、産業環境のお客様が、簡単かつコスト効率性に優れた方法で製造装置と機器の外観欠陥を検出するために役立つ新しい機械学習 (ML) サービス、Amazon Lookout for Vision をご紹介します。 これらの画像から欠陥がある回路基板を見つけられますか? 回路基板に詳しい人なら見つけられるかもしれませんが、私が欠陥を見つけるのには少し時間がかかってしまいました。適切な訓練を受け、十分に休息を取った人ならば、一連のオブジェクトから異常を上手く見つけることができますが、疲れていたり、この例での私のように適切な訓練を受けていなかったりすると、異常を見つけるのが遅くなり、ミスや食い違いが生じやすくなります。 多くの企業が異常の検出にマシンビジョンテクノロジーを使用しているのはこのためです。ただし、これらのテクノロジーは、制御された照明とカメラ視点で較正する必要があります。さらに、欠陥とされるものとされないものを定義するハードコードされたルールを指定しなければならないため、このテクノロジーは高度に特化されたものとなり、構築も複雑になります。 Lookout for Vision は、生産工程全体における製品欠陥の目視検査を自動化することによって、工業製品の品質向上と運用コストの削減を助ける新しい機械学習サービスです。Lookout for Vision では、ハードコードされたルールの代わりに深層学習モデルが使用され、カメラアングルの違い、照明、および運用環境に起因するその他の課題に対応します。Lookout for Vision により、慎重に制御された環境の必要性を減らすことができます。 Lookout for Vision を使用することで、製造された部品の損傷を検出し、欠落しているコンポーネントや部品を特定して、生産ラインにおける潜在的な工程関連の問題を発見することができます。 Lookout for Vision の使用開始方法 最初にお伝えしておきたいのは、Lookout for Vision は機械学習の専門家でなくても使用できるということです。Lookout for Vision は完全マネージド型サービスで、ユースケースとデータに合わせて最適化できる異常検出モデルが搭載されています。 Lookout for Vision を使用するには、いくつかのステップがあります。最初のステップは、データセットの準備です。これには、画像のデータセットの作成と画像のラベル付けが含まれます。次に、Lookout for Vision がこのデータセットを使用して、製品における異常の検出を学習する ML モデルを自動的にトレーニングします。最後のステップは、本番環境でのモデルの使用です。トレーニングしたモデルのパフォーマンスは、いつでも Lookout for Vision が提供するツールを使用して、継続的に評価し、改善することができます。 データの準備 モデルの作成を始めるには、まず一連の製品画像が必要になります。より良い結果を得るため、正常な製品 (欠陥なし) と異常な製品 (欠陥あり) の画像を含めます。トレーニングを始めるには、少なくとも 20 […]

Read More

IoT@Loft #10 スマート工場(IIoT)に向けた課題と取り組み 〜見える化、予知保全、品質管理〜 vol.2

IoT@Loft の第10回目は「スマート工場(IIoT)に向けた課題と取り組み 〜見える化、予知保全、品質管理〜 vol.2」をテーマに、2回目となるオンライン開催を行いました。 工場のIoT 化は、予知保全、生産性向上、デバイス管理、設備の安全管理など多岐にわたり、収益向上やコスト削減を実現しています。今回、様々な分野で工場のスマート化にご尽力されているエンジニアの方々にご登壇頂き、現場の課題とそれに応えるソリューション事例などをご紹介頂きました。また、IoT@Loftでスマート工場をテーマにするのは今回が2回目となります。前回スマート工場をテーマに実施したIoT@Loftの情報や登壇者の方の資料はこちらにあります。さらにこれまでのイベントまとめ記事はこちらにありますので、合わせて確認してみてください。 この回では、目視検査を AI で自動化する取り組みについてシーシーエス様に、工場オペレーションを管理するアプリケーションについて丸紅情報システムズ様に、そして製缶ラインの高速機械をIoT化した取り組みについて東洋製罐様にお話いただきました。また、AWSからはスマートファクトリーを実現する AWS の IoT ソリューションについて紹介しました。

Read More