市場に関する観察

AIはインフラと製造にとてつもない可能性をもたらします。さまざまな報告によれば、製造業におけるAI市場は2019年の10億米ドルから2025年には172億米ドルまたは185億米ドルにまで成長すると見込まれており、その期間の予測成長率は49.5%に上ります。

TrendForceによると、IoTやAIなどの「スマートマニュファクチャリング」は今後3年から5年で目覚ましく成長すると予測されています。TrendForceは、今年の全世界のスマートマニュファクチャリング市場が2,000億ドルをはるかに超え、2020年には3,200億ドルを超えるまでに増加すると見込んでいます。世界では今後10年間で153兆米ドルを超える予算がインフラに費やされることになり、このようなプロジェクトには資産管理者、エンジニア、コンピューター科学者の革新的思考が必要です。この期間の推定年平均成長率は12.5%です。

国際ロボット連盟によれば、工場で稼働する産業用ロボットは2015年には160万台に過ぎませんでしたが、2019年には260万台まで増加すると見込まれています。世界の産業用ロボット市場は、2025年には240億米ドルにまで成長すると予測されています。物流、材料管理、梱包における自動化市場は、2020年には313億米ドルに上り、産業用ロボットの導入は2025年までに6,000億米ドルの影響をもたらすと見込まれています。

3,000万人から6,000万人の常勤労働者が自動化に置き換えられる可能性があります。これにより、産業用ロボットの導入に特に力を入れている韓国、中国、米国、日本、ドイツなどの国々では最大3分の1の人件費を節約できます。

2019年以降も、AIは引き続き製造部門を変革し、利益を生み出す

製造部門は人工知能の活用に非常に適しています。AIは設計プロセスや製造フロア、さらにはサプライチェーンや管理などですでに大きな利益をもたらしており、製品の製造方法や材料の処理方法を今後も変革し続けていくことは間違いありません。

製造業におけるAIの各部門

製造業における世界のAI市場は、提供、技術、用途、エンドユーザーという4つの部門に分けられます。

1. 提供部門は、ハードウェア、ソフトウェア、サービスに分類されます。製造システムの需要の高まりにより、ソフトウェア部門は今後数年間で急速に成長することが予測されます。製造業におけるAI市場のソフトウェア部門は、2019年から2023年の間に最も大きな市場を占める見込みです。NVIDIA、IBM、Microsoft、SAP、Siemensなどの多くの企業が製造のさまざまな用途向けにソフトウェアソリューションを開発しており、これはソフトウェア部門の成長を補完する大きな要因となっています。また、この市場にはますます多くの新興企業が参入しており、製造業におけるソフトウェア部門の成長をさらに加速しています。
2. 技術部門には、機械学習、コンテキストアウェアコンピューティング、自然言語処理、コンピュータービジョンなどが含まれます。  特に、コンピュータービジョン技術は今後、製造業をリードするイノベーションになるでしょう。  コンピュータービジョン技術は、産業用ロボット、品質管理、材料移動などのソリューションにおいて、今後導入が最も進むことが予測されます。  今のところ、製造業におけるコンピュータービジョンは主に予知保全や機器の検査を目的として利用されています。
3. 製造業におけるAI市場の用途部門には、製造プランニング、予知保全、機器の検査、材料移動、品質管理、フィールドサービス、サイバーセキュリティなどの領域があります。
4. 品質管理部門は今後数年間で大幅に成長するものとみられます。
5. 製造業におけるAI市場の顧客には、エネルギー・電力、自動車、食品・飲料、半導体・エレクトロニクス、重金属・機械製造、製薬会社などが含まれます。調査によると、予期しないダウンタイムによって製造業者が被るコストは年間500億ドルと推定され、この予期しないダウンタイムの42%が資産の故障によるものとみられます。

国別の状況

インフラへの支出にはプラスの効果があります。それは、この支出に付随する消費者の支出が他の部門への投資を促進するという点です。  米国と中国はインフラに関する包括的な国家戦略を有しており、この戦略が大型商業施設、高速鉄道の駅、飲食店、住宅など、基盤となる領域でビジネスを拡大する機会を企業にもたらしています。イノベーションの分野では、米国と中国がどちらも国家的なインフラ政策を有しており、技術大国であることから、両国は効率の向上、ビッグデータの取得、設計の合理化、プロセスの構築、さらにはインフラに関する設計と安全性の向上に、他の国々よりも早くAIを利用するものとみられます。

インフラへの投資プロジェクトを計画している国は少なくありませんが、その多くはAIのための再設計またはビッグデータの取得が必要になります。そしてその機会、つまりインフラ設計においてビッグデータとAIをつなぐことがインフラの重要な鍵となります。

インド

インドの場合、製造部門におけるAI導入の最も大きな影響は、効率性の向上と、以前は人間が行っていた作業を機械化することで製造プロセスが簡素化されることです。また、機械の相互作用が向上し、リアルタイムの意思決定も促進されます。製造とサービス運用にAIを導入することで、プロセスの正確さと精度が保証され、運用の変更が迅速化することで遅延が回避されます。

ラテンアメリカ

ラテンアメリカの製造業におけるAI市場を推進している要因は、製造部門がAIとロボットのコラボレーションを利用し、自動化の取り組みを成功させていることにあります。AIアルゴリズムで動作するロボットは、製造モデルの設計、優れた品質保証の提供、反復作業の実行、人的ミスの排除、自動化ソリューションの構築などにおいて、今後需要が高まることが予想されます。ラテンアメリカの製造業におけるAIの概念は、人間が行う単調な日常業務の自動化に伴い、急速に進化しています。このような単純な日常業務を自動化することで、従業員は革新的で複雑な仕事に集中するための十分な時間を確保できるようになります。

アジア

中国は、高速道路や鉄道に関連するインフラだけで2兆ドルを費やしています。また、産業用ロボットは膨大な量のデータを生成し、生成されたデータはロボットをさらに訓練するために深層学習アルゴリズムで使用されます。将来的に、中国はこの領域で最大の市場シェアを持つことになるでしょう。中国を除くアジア太平洋地域の製造業の支出総額は、4.8%の成長が見込まれています。

中東およびアフリカ

中東およびアフリカでは、製造業の活動が増加していることから、製造業におけるAI市場の大幅な成長が予測されています。

米国

米国はインフラに数兆ドルを費やしており、圧倒的な市場シェアを獲得すると予想されています。この地域の市場の需要に主として貢献しているのは、国際的な市場参加者の存在です。米国にはIntel、IBM、NVIDIA、Google、General Vision、General Electricなどの突出した市場参加者の本社があることから、この市場を独占することが予想されます。

製造業におけるAIの主な企業

主なマクロトレンドとマイクロトレンド

人間とロボットのコラボレーション（人と機械）

国際ロボット連盟は、2018年末までに130万台以上の産業用ロボットが世界中の工場で稼働していると述べました。絶え間ない技術の向上により、将来的にはすべての労働力と人員がロボットに置き換えられると予測されています。多くの仕事がロボットに引き継がれ、従業員は設計、保守、プログラミングといった、より高度な仕事に従事できるように訓練されることになります。

より多くの産業用ロボットが製造フロアに導入され、人間と一緒に働くようになるためには、人と機械のコラボレーションが効率的かつ安全でなければなりません。全体的なコスト削減を実現するために、製造業では人間とロボットのコラボレーションが必要とされています。ロボットは製造業において重要な役割を果たします。スマートロボットは製造手順のすべての段階を監視し、その後、分析ソフトウェアを介して収集した情報を提供できます。そのおかげで、従業員はプログラミング、設計、保守といった、より高度な仕事に従事できるようになります。

この開発の中心となるのがAIの進歩です。AIの進歩により、ロボットはより認知的な仕事をこなし、リアルタイムの環境データに基づいて自律的な意思決定を行い、さらにはプロセスを最適化できるようになります。

課題:

• 技術的な複雑さ
• 製造業におけるAI技術に関連する統合の課題

ユニバーサルIoTプラットフォーム

IoTとAIの分野では複数の企業が集まり、工場で生成されたデータの抽出と統合を推進しています。

データの複雑さと相互運用性

製造業は、ビッグデータとして入手できるますます大きく複雑なデータセットを扱っています。また、産業用IoTと自動化の進化は、この市場の重要な推進要因です。産業用IoTによって膨大な量のデータが作成されていますが、その大部分は使われていません。多くの新興企業は、ソースの異なるデータを統合することでこれらの喪失に対処することを目的としています。高度な製造業がより多くの分析プラットフォームを導入して、異なるデータセットや構造化されていないデータセットと簡単に連携できるようになることが期待できます。

課題:

• 製造業者がAIベースの技術の導入に消極的
• 中小企業の意識の欠如
• 機械学習ハードウェアに多くの電力が必要（特にネットワークトレーニング中）

サービスとしての機械（サービスとしてのソフトウェアに類似）

センサーや接続されたデバイスによって、企業が産業用機械の「サブスクリプション」を購入できるようになる「サービスとしての機械」モデルへの道が開かれる可能性があります。航空宇宙分野での「サービスとしての機械」の成功を考えると、2019年には高度な製造業でこのモデルの導入が拡大するかもしれません。

産業用センサーとウェアラブル

産業用センサーは安価かつ導入が容易で、製造業者はこれらのセンサーがもたらすインサイトをうまく利用しています。今後は、高度な製造業を支えるより高性能な製品を期待できます。

産業用アプリケーションにおけるウェアラブル技術の統合は、パフォーマンスを高める実用的な技術に重点を置きます。より先進的なウェアラブル技術の主な指標であるリアルタイムのワーカーモニタリングやAR/VRデバイスは、実現まであと少しです。

高い成長率を誇るハードウェア部門

さまざまなAIソフトウェアを実行するために高い計算能力を持つNVIDIAなどのハードウェアプラットフォームの必要性が高まっており、それが製造市場でハードウェアデバイスの成長が加速する重要な要因になっています。

最大の分野に成長した自律自動車産業

自動車産業は、製造業における最大規模のAI市場になると予測されています。機器の検査における機械学習やコンピュータービジョンの活用、産業用IoTの設置、ビッグデータの使用など、AI技術は広範囲に利用されており、そのことが自動車産業の製造業におけるAI市場の成長を促進しています。コストを削減して自動車製造の品質を高めるために、自動車メーカーはコンピュータービジョンや機械学習技術を利用し始めています。

機械学習の信頼性

鍵となるのは、ビッグデータを収集して処理する機械学習の能力と、予測分析、機器の検査、品質管理、サイバーセキュリティといった製造のさまざまな用途でその能力をどのように利用するかです。

コンピュータービジョン

AIとセンサー技術の進歩のおかげで、コンピュータービジョンは多様で高度な製造用途に大きな変革をもたらす可能性があります。コンピュータービジョンは、品質管理の問題検出、在庫の分類、プロセス管理への導入が今後ますます進む見込みです。産業用ロボット、品質管理、材料移動などの用途でコンピュータービジョンの導入が増えています。コンピュータービジョンはさまざまな幾何学的図形、ボリューム、パターンの情報を分析し、ユーザーに視覚的フィードバックを提供します。この情報は推論を引き出すためにさらに使用されます。コンピュータービジョン技術の基本的な目的は、高解像度カメラを通じて取得した画像から情報を読み取ることです。

ロボットの器用さの向上

産業用ロボットの小型化、高性能化、および人間との密接な連携により、ロボットの器用さ、コンピュータービジョン、人間とのやり取りが向上し、ロボットの用途がさらに魅力的なものとなっています。ロボットは構造化された狭い環境から抜け出し、製造プロセスのより深い部分へと移動しています。

予知保全

製造業では、生産ラインの機械設備を継続的に保守することは大きな支出であり、資産に依存する生産活動の収益に甚大な影響を及ぼします。

製造業者は、部品、機械、またはシステムの次の障害を予測することで大きな利益を得ることができます。そのため、予知保全は、そのような製造業者にとって必須のソリューションとなっています。予知保全は、機械学習や人工ニューラルネットワークという形で高度なAIアルゴリズムを使用し、資産の機能不全に関する予測を行います。

予測AIは、自然に起こるものか人為的なものかに関係なく、インフラに大きな混乱が起こる可能性が大幅に高まる時期を検出できます。この予測機能は、問題が発生する場所を予測し、インフラ運用を調整

予測分析

過去の出来事の事後分析からより規範的で予測的な未来の分析へと、傾向が移行しています。機械がより多くのデータを生成し、収集するようになれば、予測分析は高度な製造業でより広く利用されるようになるでしょう。

パーソナライズされた製造業と3D印刷

3D印刷の導入により、OEMはマスカスタマイゼーションをより効率的に実現できるようになっています。自動車産業は、3D印刷を導入することでカスタマイズ可能な自動車への要求に対応しようとしています。3D印刷は、積層造形の岐路になる可能性があります。3D印刷の本格的な導入には、ソフトウェアとセキュリティシステムの改良が必要になるかもしれません。

エッジコンピューティング

エッジコンピューティングは、幅広い高度な製造技術のためのインフラを提供します。エッジコンピューティングは、予知保全、産業用ロボット、3D印刷などの技術とともに、エッジインテリジェンスの機会を提供します。

パーソナライズされたネットワーク品質

通信事業者は現在、顧客を増やすためにパーソナライズされたサービスを提供しています。実際、通信サービスプロバイダーでは、最適化がより良い顧客体験に直結します。AIアルゴリズムを使用し、製品品質の問題を引き起こす可能性がある製造上の新たな不具合について製造チームに通知します。不具合には、レシピからの逸脱、機械の動作のわずかな異常、原材料の変化などが含まれます。これらの問題に早期に対処することで、製造業者は高いレベルの品質を維持できるだけでなく、その分野における自社製品の利用や性能に関するデータを収集できます。この情報は、エンジニアリングに関する戦略的で戦術的な決定を下すうえで、製品開発チームにとって強力な助けになります。

スペクトル共有の調整から資産の監視、アンテナの最適な設計の考案まで、AIは電気通信を変え始めています。電気通信ネットワークの最適化とは、遅延、帯域幅、設計やアーキテクチャなど、データの流れを強化するあらゆるものを改善し良い方向に変える一連の技術です。また、ニューラルネットワークを使用して通信ネットワークにおけるアンテナの最適な設計を考案する方法を調査した研究論文も現れています。
帯域幅の制約は別として、電気通信の最大の課題の1つはネットワーク遅延です。携帯電話のAR・VRのようなアプリケーションは、遅延時間が極めて短い場合しか適切に機能しません。

AR・VR

拡張現実は、職場の安全性、訓練、および労働者の生産性を変革する可能性があります。大手の製造業者は、この技術を実装することですでに恩恵を受けています。

ドローンとデジタルツイン

多くのドローンハードウェアメーカーが、市場リーダーとしての地位を強固なものにし始めています。長期的に見ると、ドローンそのものよりもドローンが収集するデータの価値が高くなる可能性があります。今後はデジタルツインへの注目が高まるでしょう。

インテリジェントな製品設計

AIの統合は製品設計技術に大変革をもたらしました。ジェネレーティブデザインの需要の高まりは、予想を超える新たな市場機会を生み出すと予測されています。
人工知能もまた製品設計の方法を変化させています。
1つの方法として、設計者やエンジニアが定義した詳細な概要を「ジェネレーティブデザインソフトウェア」と呼ばれるAIアルゴリズムに入力するというやり方があります。これには、材料の種類、利用できる製造方法、予算の制限、時間的制約などのさまざまなパラメーターと制限を記述したデータが含まれます。このアルゴリズムは、考えられるすべての構成を検討して一連の最適なソリューションを絞り込みます。その後、提案されたソリューションは機械学習を使ってテストされ、どの設計が最も効果的に機能するかについてさらなるインサイトが提供されます。このプロセスは、最適な設計ソリューションに辿り着くまで繰り返すことができます。このアプローチの主なメリットの1つは、AIアルゴリズムが完全に客観的であり、人間の設計者が「論理的な」出発点と考えるものを既定値としないことです。

AIで市場の需要を推定

AIアルゴリズムは製造サプライチェーンの最適化にも利用できます。これにより、企業は市場の変化を予測できます。その結果、経営者は保守的で対処的な思考から戦略的な思考へと移行でき、大きなメリットを得ることができます。  このインテリジェンスを利用すれば、人員配置、在庫管理、エネルギー消費、および原材料の供給を最適化できるため、製造業者にとって非常に貴重なインテリジェンスです。 
AIアルゴリズムは、場所、社会経済的要因とマクロ経済的要因、気象パターン、政治的立場、消費者行動などを結び付けるパターンを探すことで、市場の需要を推定します。

ビジネスユースケース

AIによる製造業の変革、特に予測AIの活用により、生産能力は最大20％向上し、材料消費率は4％低下します。ある自動車機器製造会社では、12カ月間、15秒ごとに機器から収集した運転パラメーターのセンサーデータを統合し、機器全体の有効性を65%から85%に高めました。

製造業と産業では、製造に関するリアルタイムの決定を行うために、自動化とAIがすでに使用されています。例えば、工場でセンサーが欠陥を見つけると、そのデータがコンピューターに送られ、コンピューターが欠陥のある部品を生産ラインから取り除いて交換用の部品を発注します。これにより製造業者は、回収、修理、ビジネスの中断などによって生じる数十億ドルのコストを節約しています。

スマートファクトリー

スマートファクトリーとは、サプライチェーン、設計チーム、生産ライン、品質管理から送られるデータが関連付けられ、統合されたインテリジェントな製造エンジンを形成する、ネットワークで接続されたデータ駆動型の工場です。この市場は、2018年までに2,500億米ドルに達すると予測されています。

空港とAI

予測AIは、空港とフライト管理にとって重要なものとなるでしょう。フライトの遅れは航空会社、空港、乗客に悪影響を及ぼすため、出来事を予測して影響を管理することは、航空業における意思決定プロセスの重要な要因となります。空域用のAIと機械学習を使用した航空交通システムを使用する空港は、フライトの遅延によって生じるコストを節約することで、年間500億米ドルを効率的に節約できる可能性があります。フライトの混乱で航空会社に生じるコストは、年間250億米ドルと推定されます。AI、機械学習、予測AI、コグニティブコンピューティングを使用してさまざまな種類のフライトの混乱を予測し、その混乱に対処するための運用変更を行えば、フライトの混乱によるコストを抑えることができます。予測AIは、今後5年以内にほとんどの航空会社と空港で導入されると見られています。
予測AIは、ビッグデータ分析と機械学習を活用して空港管理を改善するために使用されています。これにより、空港の運用状況を以前よりも5倍はやく予測できます。空港の運用状況を予測するために、分析では機械学習モデルと過去のパターンに基づく数値分析を使用して未来の状況を予測します。

輸送・海事

港湾の運営、コミュニケーション、コラボレーションの能力、特に荷主、代理店、輸送会社などに関する能力は、AIを使用して大幅に改善できます。港湾施設にAIを導入することで、貨物、機器、人員、物流の流れを綿密に追跡して、リスクをインテリジェントに検出し、運用を維持し、地方都市の安全とセキュリティを確保することができます。将来的には、AIの進歩によって港湾が機械制御機能とシームレスに接続され、さまざまな運用条件や環境下でリソースをできる限り効率的に割り当てたり分配したりできるようになると予測されます。

自律走行車と自動車輸送

AIの影響を受ける産業の中で、最大規模の産業の1つは、全世界で10兆米ドルの市場を持つ輸送業です。AIの進歩と常識を覆すビジネスモデルにより、自律走行車業界だけでも、15年以内に年間2兆6,000億米ドル相当の産業になると予測されています。

自動運転車とライドシェアリングは共に成長し、この分野に混乱をもたらすと考えられます。結果的に自動車所有率は下がり続け、カーシェアリングがますます増えるでしょう。自動化が採用されることで安全性が高まり、人々はA地点からB地点へと移動する間にほかのことができるようになります。自律走行車によって自動車所有率が下がると予測されていることから、自動車メーカーはカーシェアリング技術への投資を進めています。

また、自動車所有率の低下は自動車産業への融資を混乱させており、自動車金融市場は今後10年間で最大50％縮小すると予測されています。

経済学者たちは、2030年までに自動運転車技術が自動車メーカー、部品サプライヤー、ハイテク企業に870億米ドルのソリューション市場を創出すると考えています。その中でもソフトウェアが最大の構成要素となり、先進国市場では2024年までに新車の最大90%が「コネクテッドカー」になる見込みです。

自律走行車では、センサーを使用して車両性能や運転者の行動に関する大量のビッグデータを第三者に提供したり、別のデバイスと通信したりできるようになります。また、幅広いサービスへの支払いに対応できるアプリを使用して、駐車場やガソリン代の支払いなど、運転者が行く先々で必要になるすべての支払いに対して金融取引を行えるようになるでしょう。支払い機能を搭載した自動運転車は、所有者の介入なしで食料品を受け取り、支払いを行えるようになります。運転者は外出先で、残高照会、請求書の支払い、送金などの基本的な銀行取引を自動車から行うことができるようになります。金融機関は、自動車からの支払いを可能にする方法でバンキングサービスと自律走行車を統合しようとしており、いずれは法人や自然人のように独自の銀行口座を使用した取り引きの実現をめざしています。

課題: 対向車に衝突するか、対向車を避けて崖から落ちるかなど、交通上発生するどちらも致命的な結果になるような事態に直面した場合に自動運転車がどのように反応すべきかといった、弁護士が解決しなければならない自動運転車に関する複雑な法的問題や倫理的問題があります。

アジアの自動運転車分野は、業界の垣根を越えた包括的で協調的なアプローチを採用している米国やEUとは大きく異なります。自動運転のエコシステムは、コミュニティのコラボレーションによって成長します。

課題: 自動運転車技術は飛躍的に成長していますが、依然として法律と倫理が障害となっています。

スマートシティの輸送管理

米国は年間1,210億米ドルを節約し、年間560億ポンドの二酸化炭素を削減することができます。最適な交通の流れを実現するためにセンサーやカメラを使用して信号のタイミングを最適化するなど、世界中の都市が輸送や高速道路の管理を最適化するためにAIを使用し始めています。

鉄道輸送では、保守のための行動を推奨するなど、さまざまな目的に使用する膨大な量の運用データをマイニングするために高度なアルゴリズムが使用されています。多くの場合、AIのおかげで路線上の故障や保守の問題の根本原因を時間をかけて特定する必要がなくなるため、鉄道会社はより迅速かつ低コストで修理を行えます。AIは、スケジューリングの最適化、特定の作業に必要なツールのリストと在庫の集計、および車両の可用性への影響の判断に適用できます。

ビッグデータの可用性が高まることで、輸送はAIによる革新を実現できる理想的な部門になります。

• 住民のデータの可用性が高まり、サービスを提供するための予測モデルに使用されるようになれば、AIは都市のインフラにますます影響を与えるようになるでしょう。
• スマート信号システムにAIを導入することで、電気を節約し、安全性を高めることができます。
• 高速道路の車両の交通管理にAIを使用すれば、状況認識力を高めて安全性を向上し、運転車にリアルタイムの経路情報を提供できます。
• AIアプリケーションは、ネットワークレベルのモビリティを改善し、システム全体のエネルギー使用量と輸送に関連する排出量を削減するためにも使用できます。

まとめ

自動化、ロボティクス、データ分析は、いずれも製造業で長年使用されています。無駄を減らして効率を改善する方法を見つけようと、誰もがデータ駆動型の製造を探しています。製造業はすでにかなり合理化された、技術的に高度な分野です。長期的に見ると、設計と製造のプロセス全体に総合的なデジタル統合と高度な自動化を適用することで、興味深い可能性が開けるかもしれません。現在は、新しい製品のために生産ラインを再設計しようとすると膨大なコストがかかることが多いため、製造業では大量生産品が主流モデルとなっており、カスタマイズは希少で高価なものとなっています。

企業は、さまざまな工場からさらに数パーセントポイントを搾り取るために、数十億ドルを費やしてAIツールの開発に取り組んでいます。短期的に見ると、製造業における新しいAI技術の使用は革命というより進化のように見える可能性が高く、業界を混乱させるでしょう。しかし、これは漸進的な改善をもたらすと私は考えています。

産業における接続性の向上、センサーのさらなる普及、パワフルな分析、改良されたロボットのすべてが、緩やかに、しかし確実に効率性と柔軟性を向上させます。このような機械学習の新たな用途により、競争の激しい産業用ロボット業界において、比較的緩やかに機器故障が減少し、納期達成率が向上し、機器が少しずつ改善し、訓練時間が短縮できるようになります。これらの改善は小さく思えるかもしれませんが、これらが組み合わさって大きな部門全体に広がれば、大幅な削減につながる可能性があります。

製造部門は、自動欠陥分析を行えるロボットのような自律エージェントを生み出し、深層強化学習を適用することで、より高速かつ大規模な精密製造とサプライチェーン管理の効率改善を実現します。

［Mark D. Minevich　記］