ジェイテクト、AIで部品取り出し成功率97.1％達成、サイクルタイム16％短縮：FAニュース

ジェイテクトは、自動車部品生産ラインのランダムピッキング工程においてフィジカルAIの実証実験を実施し、ピッキング成功率97.1％を達成した。既存設備にAI用PCを追加するのみで導入でき、生産性向上を実現した。

[MONOist]

　ジェイテクトは2026年11月2日、自動車部品生産ラインの部品を無作為な状態から取り出すランダムピッキング工程において、フィジカルAI（人工知能）を活用した実証実験を実施し、ピッキング成功率97.1％を達成したと発表した。

　Upstage AIおよびカラクリとの共創活動として「フィジカルAI開発支援プログラム by AWSジャパン」に参画し、田戸岬工場（愛知県高浜市）のCVジョイント生産ラインを対象に同年3月19日から8月31日まで実証開発を進めていた。

　ランダムピッキング工程は、ワークの位置や姿勢が一定ではなく、高度な認識能力と柔軟な動作制御が求められる。既存の制御では環境変化への対応に限界があり、生産性向上が課題となっていたという。同社は同実証の成果を起点に、フィジカルAIの現場実装を推進し、工場が自ら考え、人と共に成長し続けるモノづくり現場の実現を目指すとしている。

フィジカルAIを活用したランダムピッキング［クリックで拡大］出所：ジェイテクト

既存設備にAI用PCを追加して導入

　ジェイテクトの実証では、AIがカメラ画像からワークの位置や状態を認識し、最適な把持位置や搬送動作を自律的に判断する仕組みを構築した。仮想空間で学習したAIをロボットへ適用することで、実環境の変化に応じてAIが自律的に動作する。また、高速な位置検出AIと高精度な形状認識AIを組み合わせ、認識精度と処理速度を両立したという。

　ピッキング性能の差が表れやすい高難度条件で評価した結果、ピッキング成功率は既存制御の85.0％から97.1％へと12.1ポイント向上した。平均サイクルタイムについても、従来比で16％の短縮を実現したとしている。

　同実証では、既存設備へAI用PCを追加するのみで導入を実現している。同社は、大規模な設備改造を伴わずに多品種および不定形ワークへの柔軟な対応と生産性向上効果を創出できることを確認したという。

開発したフィジカルAIの特徴［クリックで拡大］出所：ジェイテクト

「デジタルモノづくり」の実現に向けて

　ジェイテクトは、第二期中期経営計画における成長戦略および重点施策として「デジタルモノづくり」を掲げている。各事業本部の社員がAIおよびソフトウェア開発の専門部署であるデータアナリティクス研究部で学ぶ「社内留学制度」や、全社員参加型のデジタルリテラシー向上活動を通じた人材育成を推進するとともに、AI活用プラットフォームなどのAI基盤の構築を進めている。

　同社は今後、田戸岬工場における実証成果を起点として、既に自動化が進んでいる工程における成功率向上や人の介入ゼロ化を目指す既存設備とフィジカルAIの組み合わせによる取り組みを展開する。同時に、熟練技能に依存する工程において技能の継承や形式知化を進める熟練技能とフィジカルAIの組み合わせによる取り組みも推進するとしている。

※本記事は制作段階で生成系AIを利用していますが文責は編集部に帰属します（ITmedia AI倫理ポリシー）。

⇒その他の「FAニュース」の記事はこちら