　昭和電工では、生産設備などの新設、維持、更新投資の判断の際に、生産技術およびエンジニアリング上の妥当性を審査するために、過去2000件を超える審査で得られたノウハウを活用している。これまで複数の文書データベースなどからキーワード検索していたため、対象の絞り込みに時間がかかったり、類似性判断において審査員の経験に依存する部分が多いなどの課題があった。蓄積されたデータをより有効活用し、これらの課題を解決するために同社ではAIを用いたデータベース検索システムの導入を決定した。

　同社はKIBITを用いて過去の投資審査案件のうち10％強の案件を抽出してテキスト記述箇所を分析。その結果、類似案件の検索から案件内容の閲覧までの時間を従来の10分の1に短縮できることや、審査担当者の経験に依存せずに類似判断を平準化できる高い分析精度を持つことなどが明らかになった。

「KIBIT」導入のイメージ（クリックで拡大）出典：FRONTEO

　これらの結果を受けて昭和電工では、KIBITを設備投資審査での本格運用を開始。さらに生産現場での事故、異常情報にも応用することを検討している。

AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。
新たなサプライチェーン管理に必要な“分散と集中“、カギを握るのは“利益視点”
「製造現場において損益の“見える化”を実現する価値」について紹介する本連載。第1回は組み立て加工業、第2回はプロセス産業の事例を紹介してきましたが、最終回となる今回は、あらためてこれらの事例の中で見えた特徴を整理します。
リードタイムを短縮する4つの方策はこれだ！
今日の製造業が抱えている根本問題は「大量・見込み生産の体制を残したまま、多品種少量の受注生産に移行しようとしている」ことにある。生産計画を困難にするさまざまな要因を乗り越え、より良い生産計画を実現する方法を検証してみよう。
そんな日程じゃ無理！といえない生産管理者
日本が世界に誇るモノづくり文化の中で、おそらく最も地味な役回りを演じているのが生産管理部門だ。彼らはどんな苦労を抱えて日々の仕事をこなしているのか。普段聞くことのできない彼らの本音を語ってもらった。