AWSを活用した韓国メーカーのビジネス革新

Pulisher : Mass Migration & DR Center キル・ジュンボム
Description : AIモデル開発のためのデータ確保方案とディープラーニングを活用した複合認知プラットフォームの開発に関する現代自動車タイヤの事例紹介セッション

はじめに

海外で紹介されている韓国内製造業のAI事例を確認し、実用的なpain pointとvocを聞いてみました。

セッションの概要紹介

現代自動車とPOSCOのAI適用事例についてそれぞれ発表を行いました。 海外で行われるリインベントにもかかわらず、韓国の事例が発表されるとのことで参加し、時折外国人も見られました(韓国語を話せるようでした)。

主な発表内容としては、AIモデル開発のためのデータ確保方案、ディープラーニングを活用した複合認知プラットフォームの開発、AIモデル開発のための熟練者のノウハウと結合方案などが紹介されました。

現代自動車の独自AIプラットフォームの開発過程についてお話を伺いました。伝統的なデータの統合領域から最近話題になっている生成型AI、デザイナーAIまでカバーできるプラットフォームを作りました。

製造業がAIアプリにアプローチする際、どのようなアプローチが必要かについて話しながら、製造業は物理的に設備が存在し、従来行ってきた様々なレガシーが存在し、デジタルのようにすぐに設計を行うことができないという非常に大きな制約があります。

データプラットフォームを構築する際にも、従来はITが提案し、データをレンダリングしてETLを開発し、データベースをモデリングして作成し、UIを作成し、このように当然のように進めていました。

ただ、現業を一緒にプロジェクトに参加させながら、どのようなデータを活用してどのような成果物を作っていくのか、そのためにこのようなデータが必要であることを一緒に議論し、協業する時間を多く持ちました。

このような議論の結果、非常に短い時間で構築できた理由は、プラットフォームアプローチとクラウドの活用があったからだと思います。

最初のユースケースは、生産情報と顧客のレビューデータを統合して品質問題を確認する方法です。工場で行っていた品質管理と、販売された後にレビューを残してくれるお客様のフィードバックや品質クレームのプロセスをつなぎ、製造工程での問題を確認し、改善しています。AIアプローチは、常に生産性向上を目標としていたため、外部のVOCを分析し、キャプチャする部分の手間を大幅に削減することができました。

車両が試験走行する際に、タイヤの状態、圧力、動き、パターンなど、IoTを通じてデータを収集し、これを分析してシミュレーションに活用しています。このようなシミュレーションを前述のVOC情報と組み合わせて、リアルタイムで各タイヤはどのようなフィードバックを受けているのか、IoTデータとの関連性をダッシュボード化して確認することができます。

AIを活用して希望のキーワードを選択してニュースクローリングすると、リアルタイムでニュースをサマリー化して配信するなど、内部サービス化して提供中です。AIがこのようなサービスは非常に簡単に処理できるそうです。

製造業を含むデジタルネイティブ企業がAI課題を遂行する上で原則を遵守し、ビジネス目的と課題の分類、データと事業、デジタル革新課題など目標を設定し、それに合った戦略を選択しなければならないと述べました。

次はポスコの事例です。ポスコグループのエネルギーポートフォリオが拡大し、事業範囲が広がり、新しい分野への挑戦が続いています。

その中で、スマートCCTVソリューションの限界を感じ、安全システムについて研究を始めました。200台以上のCCTVを運営しながら、1人が読み取らなければならない量が多すぎて集中力が低下し、読み手によって判断が異なるという問題も発生しました。 何よりも予防できる技術も開発しなければなりませんでした。

ポスコ内には危険で多様な作業がありますが、その中でも溶接作業の危険度を判断するためにAIの導入を検討しました。溶接作業が予定されている場合、火花が発生することを検知するのではなく、作業者が保護装備をきちんと備えているか、作業位置周辺に火災が発生しないか、2人1組で作業しているかなどを検知することができました。

このようなAIを活用するためには、Amazonプロトタイピングチームとの協業が重要でしたが、合計3回の協議を通じて支援を受けることができました。 実際のプロセッシングエンジニアリング、コード、そして教育まで支援し、プロサーブが教育して技術を内在化できるようにガイドを行いました。

子会社であるHYクリーンメタルの場合も、フォークリフト作業時の危険度分析のため、CCTVデータを基にした分析を行っています。このような活動を通じて重大な災害を予防し、連動範囲を拡大して機械を停止させることができるように連動し、AIを人の生産性及び安全性向上のために活用しています。

セッションを終えて

複合認知プラットフォームはディープラーニングを基盤にする必要があり、特に産業界はデータが多くなければ良いAIモデルを開発することができないのですが、産業界はデータが多くてもダメなところであり、データを確保するのも大変でした。

ディープラーニングが得意な分野と作業者、そして安全管理熟練者が持っているノウハウを組み合わせて適用できるプラットフォームを持続的に開発しているそうです。 今後も韓国の製造業に多くのAI導入事例を期待しています。