鋳造条件・材料・設備データを横断分析し、巣や湯回り不良などの発生要因を見つけやすくする。
鋳造現場では、巣、引け、湯回り不良、砂噛みなどの欠陥が発生した際、溶湯温度や注湯速度、砂型の水分、造型条件、設備の状態など、多数の要因を確認する必要があります。 しかし、記録は設備ログ、検査表、作業日報などに分かれており、原因調査は熟練者の経験に依存していました。条件の組み合わせまで含めて比較するには時間がかかり、対策が担当者ごとに異なることも課題でした。
品番、炉、造型機、製造時刻をキーに、溶湯温度、注湯時間、砂型条件、設備ログ、不良種別をひも付けました。
AIが良品と不良品の条件差を比較し、欠陥発生に影響した可能性が高い項目や条件の組み合わせを表示します。
巣、引け、湯回り不良などを一括で扱わず、不良種別ごとに分析モデルと確認指標を分けました。
対象ロットを選ぶと、原因候補、過去の類似事例、確認すべき工程を短時間で確認できる画面を構築しました。
複数の帳票や設備ログを個別に探す必要が減り、不良発生後すぐに確認すべき条件を絞り込めるようになりました。
担当者の感覚だけでなく、良品・不良品の実績差を根拠に、条件変更や設備点検の優先順位を決められるようになりました。
分析結果と実施した対策を記録することで、類似欠陥が発生した際に過去の判断を再利用できる体制を整えました。
製造ロット単位で各データを統合し、良品と不良品の条件差、時系列変化、複数条件の組み合わせを分析。欠陥との関連度が高い要因と類似事例を抽出します。
3カ月
対象工程、データの保存状態、分析対象とする不良種別により変動します。
400万円
データ連携範囲、分析画面、運用支援の内容に応じて個別に算定します。