AI活用の具体例　～合成ゴム製造のケース～

合成ゴムの種類は、原料や製造方法によって多岐にわたり、代表的なものとしては、SBR (スチレン・ブタジエンゴム), BR (ブタジエンゴム), NBR (アクリロニトリル・ブタジエンゴム), EPDM (エチレン・プロピレン・ジエンゴム) などがあります。

合成ゴムは、タイヤ、ホース、ベルト、自動車部品、電子部品など、幅広い分野で使用されており、その需要は今後も拡大すると予想されています。

企業によっては、すでに製造現場や業務においてAI活用を進められておりますし、今後は需要拡大と人手不足等の状況がさらにAI活用を加速させていくでしょう。

合成ゴム製造シーンでのAI活用例

1.画像認識による 表面欠陥検出
用途：ゴム製品の表面に生じるキズ、気泡、バリ（余分な材料）、焦げなどの不良をカメラで自動検出。

AI活用ポイント：従来の目視検査のばらつきをなくし、熟練作業者が持つ暗黙知をAIによって形式知にすることで、品質管理を実現。

効果：検査時間の短縮・検査工程の自動化・不良流出の防止・トレーサビリティ向上。

2.センサーデータの異常検知による成形機の予知保全
用途：ゴムの加硫や射出成形に使われる設備の温度・圧力・振動データから、異常や劣化を検出。

AI活用ポイント：センサーデータのパターンから設備の故障やメンテナンス時期を予測。

効果：ダウンタイムの削減・突発故障の防止。

3.作業映像の解析による熟練作業の継承と自動化
用途：手作業で行われる検査・仕上げ・組立作業の映像をAIが解析し、作業パターンや異常動作を学習。

AI活用ポイント：技能伝承の教材化やロボットへの動作移植に活用可能。

効果：属人化の解消・作業標準化・省人化支援。

4.異物の混入・着色ミスの検出
用途：黒い合成ゴム中に混入した白い繊維や、着色ミスによる色違い品をカメラで検知。

AI活用ポイント：異物検出時間の短縮・検査工程の自動化・不良流出の防止

効果：判定のばらつきをなくし、人の目では見落としがちな異物や色のばらつきを自動検出

5.製品の型ズレ・変形の判定
用途：成形後の製品が金型から正しく外れているか、歪みや反りがないかを画像から判定。

AI活用ポイント：検査時間の短縮・検査工程の自動化・微小な歪みや反りも検出で精度向上

効果：不良流出の防止や、型の摩耗・調整不良の早期発見に貢献

AI導入・活用のご検討の際には

過去のブログ記事　『【疲れない目】画像認識AIが産業がどう変えるか？』にて、AI導入の進め方：わかりやすい4ステップを紹介していますが、その中でも、よくご質問いただくのは、”データ”についてです。

よくいただくご質問
「検知したい製品の画像データがたくさんないとダメでしょうか」
「良品か不良品かの検知をしたいのですが、不良品の画像データがあまりありませんが、大丈夫でしょうか」
「画像はこれから用意するのでも、問題ないでしょうか」

これらのご質問への回答は、「大丈夫です。ご安心ください」です。

対象となる製品や、さらにその中で検知したい異常がどのようなものなのかにもよりますが、基本的には、数千枚といった画像データはなくとも、AIモデルの開発は可能です。
また、不良品自体が絶対数が少ないため、画像データが少ない、というのも、高品質な製造を行っている日本企業では珍しいことではありません。不良品の画像が少ない場合は、技術的にデータを水増しすることや、生成することも可能なので、カバーできます。

そして、「画像はこれから用意する」という場合は、適切な画像を撮影いただくために、その段階から当社にてフォローすることが可能です。

合成ゴム製造におけるAI活用について、「どこから手を付けるべきか」、「今あるデータで実現可能か」、「データ撮像からのご相談」、さらには「過去導入したAIモデルの精度が良くない」などでも対応可能です。

お気軽にお問い合わせください。

今すぐ資料請求

今すぐ問い合わせ