製造 / 産業用機器
Hyster-Yale Materials Handling：フォークリフト組立工程の部品装着と作業段階の抜けの検査
- 企業
- Hyster-Yale Materials Handling
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
Hyster-Yale Materials Handlingは、フォークリフトの製造中にすべての部品が装着され、必要な組立段階が完了したか確認する必要があった。NTT DATAの公式資料は、製品が次の段階へ進む前や工場を出る前に組立中の逸脱を見つけ、品質問題へ対応することを目的として説明する。従来の方法より速い現場導入と改善も課題だった。
使った技術とデータ
NTT DATAは米国ケンタッキー州Berea工場の重要な組立業務に、視覚センサーと現場処理用のエッジAI、分析機能を組み合わせた。Archetype AIと調整したフィジカルAIモデルが、センサーで観測した組立活動を想定する生産手順と照合する。部品の装着と組立段階の完了を確認し、製品が次の段階へ移る前に逸脱を示す。工場内で計算を処理し、生産チームが出荷前に問題を把握して対応できるよう支援する。
成果
NTT DATAは、初期の適用結果として、従来の技法で数か月を要した導入期間が数週間へ短縮されたと述べた。Hyster-Yaleの製造革新責任者は、この協業が生産チームの品質基準の維持と製品の信頼性確保を支えると説明した。実際の生産工場の組立業務に品質確認を組み込んだ事例であり、他工場への拡大は原文で検討中の課題として区別されている。
限界と残る課題
不良検出の精度、不良率の低下幅、費用削減額は公開されていない。確認した範囲はBerea工場の特定の組立業務であり、世界中の工場への展開を示す根拠はない。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。