本文へ移動
MENU
カテゴリーから検索
投稿月から検索

エムニとユキグニファクトリー、作業動画から熟練者の技を言語化する「動画分析AI」の実証実験を2026年9月より開始

〈景品表示法に基づく表記〉当サイトはアフィリエイトプログラムによる収益を得ています。
図1 作業動画を撮影するだけで匠の技を AI が抽出し解析

製造業特化型AIを提供する株式会社エムニは、ユキグニファクトリー株式会社と共同で、マイタケのパック詰め工程における技能伝承を目的とした「動画分析AI」の実証実験を2026年9月より開始しました。作業動画を解析し、人の手によるアノテーションなしで工程ごとの作業時間を計測するとともに、熟練者のカット技術や見極め力を言語化して形式知化できるかを検証します。

目次

実証実験の背景とマイタケのパック詰めにおける課題

ユキグニファクトリーは1983年に株式会社雪国として創業(2025年4月に現社名へ変更)し、40年以上にわたりマイタケを生産してきました。独自の技術によって900gを超える株を育て、「雪国まいたけ極」ブランドとして展開しています。

マイタケは一つの株の中でも部位によって味わいや食感が異なります。同社では大きな株をパック詰め工程でカットし、50gから500gまでの複数商品に仕立てており、店頭での品質を左右する工程と位置付けられています。部位ごとの食感や味わいを1パックへバランスよく収め、見栄えを保つには、株ごとの形状や茎の付き方を見極めて包丁を入れる熟練者のカット技法が求められます。

一方で、熟練者の手さばきやノウハウは言葉にしにくく、指導の質が指導者の経験に依存しやすい点や、長時間の指導を要することが課題となっていました。さらに、作業者の習熟度を測るために作業動画を工程ごとに分解して秒数を測る作業にも多くの人手がかかる状況がありました。

図1 作業動画を撮影するだけで匠の技を AI が抽出し解析
図1 作業動画を撮影するだけで匠の技を AI が抽出し解析
Mr.ガジェット

マイタケは株ごとに形状が全く異なるため、機械的な一律カットではなく部位の味や見栄えを見極める判断が求められる点が興味深い課題です。

Ms.ガジェット

熟練の感覚を言葉で伝えるのは難しそうですし、工程ごとの秒数測定まで手動で行っていたとなると指導側の負担の大きさが気になります。

動画分析AIによる2つの検証項目

本実証実験では、エムニが製造現場向けに開発した「動画分析AI」をユキグニファクトリーのパック詰め工程へ適用し、技能伝承への有用性を確かめます。作業の正解をあらかじめ定義したり、人の手で作業の区切りを記録(アノテーション)したりすることなく、AIが作業動画から分析を行います。具体的には以下の2つの検証を並行して実施します。

Ms.ガジェット

作業の手順をあらかじめ細かく指定しなくても、動画から工程の区切りや時間をAIが割り出せるのかに注目したいところです。

工程時間の自動計測と作業者の習熟度可視化

1つ目の検証項目は、作業工程の自動分解と時間計測です。人の手によるアノテーションを行わずにAIが作業工程を識別し、各工程の作業時間を割り出します。マイタケのパック詰め作業動画において手動計測と同等の精度を確認できれば、計測業務の自動化が可能になります。

これにより、多数の作業者に対して継続的な測定を行い、習熟度合いの推移や指導効果を数値で把握できるようになります。さらに、熟練者との時間差が大きいボトルネック工程を特定し、重点的な指導へつなげることが見込まれています。

Mr.ガジェット

人手によるアノテーションなしで手動計測と同等の精度が出せれば、どこで時間がかかっているか客観的に把握しやすくなります。

Ms.ガジェット

遅れが出ている特定の作業工程だけを絞って指導できれば、教わる側もどこを意識すべきか迷わずに済みそうです。

熟練者の見極め力とカット技法の形式知化

2つ目の検証項目は、熟練者の動作の言語化です。事前検証において、作業動画からカットの方法や特有の手の動かし方など、人の目では気づきにくい要点をAIが抽出し言語化できることが確認されています。

本実証実験では、複数の熟練者を対象とした分析でも安定した出力が得られるかという技術的検証と、実際の現場指導における教育資料としての有用性を検証します。暗黙知を言語化して手順書や教育資料へ反映することで、教え方のばらつき抑制や指導負担の軽減を目指すとともに、多様な背景を持つ作業者への伝達性を高めます。

図2 熟練者の手技を解析し形式知化。教育への活用を見込む。
図2 熟練者の手技を解析し形式知化。教育への活用を見込む。
Ms.ガジェット

手の細かな角度や動かし方が具体的な言葉になれば、指導者ごとの教え方の違いに戸惑う場面も減りそうですね。

教育システム応用やフィジカルAI連携など今後の展望

両社はこの取り組みを通じて匠の技を形式知として組織に蓄積し、新規作業者がノウハウを迅速に習得できる環境を目指します。実証実験の成果は、作業者ごとに合わせたフィードバックを提供する教育システムへの応用が計画されています。

蓄積された手技データは人への教育にとどまらず、ロボットと連携した「フィジカルAI」が熟練者の動作を学習するための基盤としても活用される予定です。エムニはこの技術について、マイタケのパック詰めに限らず、溶接や組付け、目視検査など、人の見極めが品質に関わる多様な製造工程へ応用していく方針を示しています。

Mr.ガジェット

言語化したデータを人の教育に使うだけでなく、将来自動化を進めるためのロボットの動作学習基盤としても見据えているのが実用的です。

Ms.ガジェット

食品のパック詰めから溶接や検査など、人の見極めが必要な現場へどこまで展開できるのか期待したいです。

  • 本記事で使用している画像は、メディアユーザーとしてPR TIMESより提供されたプレスリリース素材を利用しています。
図1 作業動画を撮影するだけで匠の技を AI が抽出し解析

この記事が気に入ったら
フォローしてね!

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次