三菱電機株式会社と国立研究開発法人産業技術総合研究所は、ファクトリーオートメーション（FA）向けサーボシステムのパラメーター調整を効率化するAI技術を開発したと発表しました。本技術は、三菱電機のAI技術ブランド「Maisart(R)」の一部であり、特に物理空間での信頼性・安全性を重視した「Neuro-Physical AI(R)」として開発されました。FA分野では初めて物理モデルをベイズ最適化に活用することで、パラメーター調整に要する実機動作回数を従来から約90％削減し、位置決め時間を平均20％短縮することに成功しています。これにより、生産準備時間とタクトタイムの両方を短縮し、生産現場の生産性大幅向上に貢献するものと期待されます。
開発の背景
近年、市場の多様化と製品の高性能化が進み、製造業では生産工程が複雑化しています。これに伴い、FA機器の調整やプログラミングといった生産準備作業が増加傾向にあります。同時に、少子高齢化による熟練技術者の不足が深刻化しており、特に多数のパラメーターを調整する必要があるサーボシステムでは、最適化に多くの時間がかかることが課題となっています。
Ms.ガジェット技術の仕組み
開発したAI技術は、産業機械の物理モデルをベイズ最適化に組み込むものです。ベイズ最適化は、未知の関数を効率的に最適化するアルゴリズムで、評価値を予測する機械学習モデルを利用します。物理モデルから得られる応答を特徴量として活用することで、良好なパラメーターを高精度に予測し、実機動作回数を大幅に削減します。
物理モデルの予測誤差があっても、機械学習モデルはパラメーターの相対的な良否のみを学習するため、信頼性を損なわない点が特長です。実機で良好な評価値を出したパラメーターと物理モデルの予測結果を組み合わせ、最適なパラメーターへと絞り込んでいきます。
Ms.ガジェット効果と実績
本技術の適用により、サーボシステムのパラメーター調整に必要な実機動作回数を従来比約90％削減しました。さらに、パラメーターの最適化により位置決め時間を平均20％短縮できることも確認されています。生産準備時間とタクトタイムの同時短縮により、生産現場の生産性が大きく向上します。
| 評価項目 | 効果 |
|---|---|
| パラメーター調整回数 | 従来比90%削減 |
| 位置決め時間 | 平均20%短縮 |
| 生産性 | 大幅向上 |
Ms.ガジェット技術の詳細
サーボシステムでは、目標位置に短時間で誤差範囲内に収める位置決め制御が求められます。機械構造や設置状況によって振動特性が変わるため、パラメーターは実機に合わせて調整する必要があります。従来は8種類720個のパラメーターを調整していましたが、物理モデルを活用して探索範囲を限定し、最適化を効率化しました。
- 物理モデルをベイズ最適化の特徴量として活用
- 高精度なパラメーター予測を実現
- 物理モデルの誤差に頑健な信頼性の高い手法
- 実機動作回数を約90%削減
- 位置決め時間を平均20%短縮
Ms.ガジェット今後の予定
三菱電機は、このAI技術を電子部品実装機などのハイエンド向けサーボシステムへ適用し、2028年の製品化を目指しています。Neuro-Physical AI(R)の一環として、生産現場のさらなる生産性向上とデジタル変革に貢献していく方針です。
Ms.ガジェット
最後までお読みいただきありがとうございました！
- 本記事の評価は当サイト独自のものです。
- 特段の表示が無い限り、商品の価格や情報などは記事執筆時点での情報です。
- この情報が誤っていても当サイトでは一切の責任を負いかねますのでご了承ください。
- 当サイトに記載された商品・サービス名は各社の商標です。
- 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。