事例の概要

企業NVIDIA（最終トレー・ラック組立）
地域欧米
業種電子・半導体
企業規模大企業
用途品質・プロセス分析
使われた技術Instrumental の組立ライン画像・データ解析による品質AI
関連する製品・サービスInstrumental（Instrumental）

成果

取り組みの内容

AIサーバーのトレーやラックの最終組立は、部品点数が多く、量産の立ち上げが短期間に求められる工程です。組立の不具合を早く見つけて原因を潰せるかどうかが、出荷までの日数を左右します。

Instrumentalは、電子機器の組立ラインで撮影した画像と工程データを解析し、不具合の兆候や原因の候補を示すデータ分析型の品質AIを提供しています。創業者は元Apple製品設計リードで、電子機器の量産立ち上げに特化しています。

同社の公式サイトには、NVIDIAの最終トレー・ラック組立で14日短縮したという顧客の数字が掲載されています。ただし、短縮したのが立ち上げ期間なのか不具合の解析期間なのか、比較の基準は何かは示されていません。ベンダーが自社サイトに載せた値で、NVIDIA自身の発表は今回確認できていません。

この種の事例では、検査で不良をはじくことより、画像と工程データを結びつけて原因の特定を早めることに価値が置かれています。立ち上げ期間の短縮は、量産品の歩留まり改善とは別の指標として評価する必要があります。

この事例から読み取れること

  • 電子機器の量産立ち上げでは、不良の検出より原因特定までの日数短縮がAIの価値になりやすいと考えられる
  • 短縮日数の数字は対象期間や比較基準が示されておらず、ベンダー申告値として参考にとどめるのが適切といえる
  • 組立画像と工程データを同じキーで結びつけて保存しておくことが、この種の分析の前提になる

出典

本ページは企業・提供元が公開した情報にもとづき、費用負担を受けずに作成しています。成果の数字は発表時点のもので、当サイトによる検証値ではありません。

導入事例データベースに戻る →