ロボット溶接システムは様々な製造で活用されており、溶接における様々な利点をもたらしている。ロボット溶接の最たる利点は精度と効率です。もう一つの利点は人件費を削減できることです。また、ロボット溶接によって溶接担当者やオペレーターを溶接アーク近くの溶融金属や有害発煙のリスクから遠ざけることができます。通常、ロボット溶接システムには、溶接物の計測や識別、所定位置での溶接、溶接パラメーター制御、生成溶接物の記録などが含まれます。とはいえ、従来のロボット溶接システムは作業員への依存度が高くなっています。従来のロボット溶接では、溶接プール変動、流動、固体、溶接トーチの差異など不確かな溶接環境や溶接条件にうまく対処することができません。一方で、インテリジェント技術により、不確かで予測の難しい現実世界の問題を早急に解決する強力なツールが登場しています。ロボット溶接工程にはいくつかのタイプがあり、それぞれに利点と利用タイプがあります。全体を網羅することはできませんが、下記は一般的なロボット溶接方式のリストです。 アーク溶接：金属を溶かすための十分な熱を電気で作りだし、金属と金属を溶接する方法です。溶けた金属が冷える時に金属同士が結合されます。接触点で金属を溶かすために母材と溶接棒（電極）間で電気アークを生じさせる溶接電源を使用する溶接タイプです。アーク溶接機は直流（DC）または交流（AC）を使用した消耗電極式と非消耗電極式があります。通常、溶接箇所はシールドガス、蒸気、スラグで保護されます。アーク溶接は手動・半自動・全自動で行われます。19世紀後半に登場したアーク溶接は、第2次世界大戦での造船において商業上重要な方式となり、現在でも鉄鋼や車両製造における重要な方式として残っています。 抵抗溶接：抵抗溶接とは金属シートや部材を溶接するために、製造業界で広く用いられている溶接技術です。電極及び/又は溶接材の設定により、組み合わせた金属に強い電流を流して熱を発生させ、所定の溶接点で金属を溶かし溶接を行います。溶接場所において電流を接地面に留まらせるため通電前、通電中、通電後、常に加圧します。ワークピースを鍛造する場合もあります。 スポット溶接：スポット溶接は抵抗溶接の一種で、電流に抵抗する薄板板金を接合します。一般的にシートメタルフレームを接合する自動車産業で用いられています。抵抗スポット溶接（RSW）とは、電流抵抗による熱を用いて接触金属の表面上のポイントで接合する方法です。これは電気抵抗溶接の一部です。 TIG溶接：非消耗タングステン電極棒と金属部分の間にアークを形成させる高品質な方式です。TIG溶接はガスタングステンアーク溶接（GTAW）とも呼ばれ、精度が求められる時に使用されます。 MIG溶接：ワイヤーが熱された溶接部先端に連続して送給される溶着速度の速い方法です。ガスメタルアーク（GMAW）とも呼ばれ、簡素化や高速化が期待される場所に最適です。 MIG溶接：ワイヤーが熱された溶接部先端に連続して送給される溶着速度の速い方法です。ガスメタルアーク（GMAW）とも呼ばれ、簡素化や高速化が期待される場所に最適です。 プラズマ溶接：プラズマガスが銅ノズルを通過することにより超高温を生み出します。プラズマ溶接は速度や温度を簡単に調節できるため、柔軟性が求められる場合によく使用されます。 他にもロボット溶接は存在しますが、一般的に上記の7タイプが産業界であらゆる用途に活用されています。これらのタイプを把握しておけば、ロボット溶接の加工条件において全体像を理解することができます。

高度な分析機能を利用しているメーカーは、プロセスの欠陥を減らし時間とコストを節約できます。彼らは業界で利益を増やしながら成長します。 現在の複雑なビジネス環境で組織はますます多くのデータを生成しており、その情報を使用してより良い意思決定を行うことに対してより一層不安が高まっています。ビッグデータが企業の成功の最も重要な要因の1つになっています。一部の業界では、ヘルスケア、小売、金融サービスなどのデータや分析から生まれる大きな進化を実感しています。 ビッグデータを活用する 収量を向上させるために高度な分析機能を使用したいメーカーの重要な第一歩は、企業が処分できるデータの量を検討することです。ほとんどの企業は膨大な量のプロセスデータを収集しますが、通常は運営の改善の基礎としてではなく追跡目的でのみ使用します。これらの企業にとって、システムやスキルセットに投資して既存のプロセス情報の使用を最適化できるようにすることが課題です。例えば、複数のソースからのデータを集中化または索引付けすることでより簡単に分析することができ、パターンを発見し情報から実用的なインサイトを引き出す訓練を受けたデータ分析家を雇うことができます。 近年、ドイツでは「インダストリー4.0」戦略、米国では「インダストリアルインターネット」戦略、日本では「2014年生産白書」、中国では「中国製2025」計画が策定されて出版され、知的生産が指標とされ、それぞれの国で優先的に支持されています。「中国製2025」と「インダストリー4.0」のサイバーフィジカルシステム（CPS）の背景には、産業のビッグデータと「インターネットプラス」に基づいて知的工場を設立することが不可欠です。現在、生産分野はいまだに様々な世界的課題に直面しています。例えば、新興情報技術によるサポート（産業用無線ネットワーク、ビッグデータ分析、ソフトウェア定義ネットワーク、CPSおよびクラウドコンピューティング）、知的生産品目へのオントロジーモデリングの実施、およびビッグデータ分析を利用した知的品目の診断、最適化および再構成は、重要な研究価値と早急な現実的適応の要求があります。知的生産品目の柔軟性とリソースの利用効率を向上させる新世代の知的生産技術の調査と適応は、理論的に重要な意味を持ち工学的用途の価値を有しています。 知的生産は以下の典型的な特徴を有します。 高度な結びつき：製造/検出/組立装置、倉庫保管システム、伝送システム、ワークピース、サーバー、監視端末がすべて有線、無線、およびリアルタイム /非リアルタイム通信などの複数のタイプのネットワークを介して相互に接続されているネットワーク環境下に存在し、互いに通信し、データを交換することができます。 深い統合化：最下層の知的物理体と上位層の監視端末は、相互接続され、クラウドプラットフォームとインターネット接続されています。リアルタイムでクラウドプラットフォームにアップロードされたさまざまな種類の情報は、産業上のビッグデータを形成するためネットワーク内でデータ処理、制御、物理操作を同時に実行し、各プロセスの情報障壁を破壊し、 サイバー・フィジカル・システムである物理環境と情報環境の深い結びつきを発見することができます。 動的再構成：複数種類および少ロット製品の効率的な生産に適応するには、機器の健康状態および工作物の種類に応じて、必要なタイプの装置および伝送経路を決定する必要があります。装置の健康状態および工作物の種類が動的に変化しているため、システムの操作中に動的にシステムソースを再構成することが不可欠です。 データの膨大な量：知的生産システムは、少ロットの個別設定を満たさなければなりません。それぞれのタイプの知的物質は、装置の健康状態、生産過程の状態および製品情報を含む大量のデータを生成するために、再構成に関するリアルタイム交渉を必要とします。高速ネットワークテクノロジー、クラウドコンピューティングテクノロジー、およびビッグデータ処理テクノロジーの適応は、膨大な量のデータの伝送、保管、処理および分析を可能にします。

Better Quality Control with Data Management System 　高精度測定システムは、一つひとつの製品の品質の保証のために、リーン生産方式の製造業界でますます重要になってきています。最近では、全品自動検査と自動生産を組み合わせた生産の自動化が急速に進化しています。 　各製造業界のテクノロジーによりもの作りの方法は極めて多様化かつ複雑化してきました。部品の品質管理が非常に重要であり、重要な役割を果たす時代になったのです。連続生産にあたり、出荷する製品の品質を保証するため、生産プロセス能力の証明に必要なデータを計測し、定期的な品質監視の記録・分析をしなければなりません。 計測システムデータ管理の設計は、3つの主要な部分で構成されています。 通信システムと接続：得られたデータについて、設備ごとの情報収集ではなく、設備と測定機により得られた測定データをネットワーク中央処理に向けて直接送信することができます。これにより、お客様の必要な情報を１００％収集できます。システムはシーケンサーまたはパソコンのUSB端子に直接に接続し、SPC・有線（USB-ITN）に加え無線（U-WAVE）通信システムを選択することができます。得られるメリットは、日々同じ手順で繰り返す手作業の検査ミスの削減や検査時間の短縮改善、また管理者はU-WAVEによりリアルタイムのデータを検証することができます。 データ保存：測定と検証から得られた情報は非常に重要なものです。これらの情報に関しミスがあったり、データを紛失したり、またデータを有効に整理できなかったりすると、その時生産した製品の品質管理に影響を与える可能性があります。計測データ管理システムを利用することにより、追加の詳細を定義して、データベースにバックアップを保存することができます。すべての作業は、生産プロセスで段階的に記録され、それに関する情報は、工程管理の計画及び信頼性のある品質管理に活用されます。 生産データの統計的分析または統計的プロセス制御システムのシミュレーション(Statistical Process Control, SPC) の目的は、信頼できる製造プロセスの品質検査方法を決定したり、品質検査上のミスを削減したり、最適な作業環境下でさらに品質を向上させ、ワークピースの種類ごとに適切なツールと機器を計画できるようにしたりします。現在のグローバル市場の変化に対応し効率的に競争することが可能になります。 ミツトヨは世界トップメーカーとして高精度測定機の製造から販売までを行っています。測定工具のデータ処理等に関するソフトウエアを自社で設計し、お客様の様々なニーズにお応えするこれらの測定機は、得られた測定データをSPCに加え無線（U-WAVE）の通信システムによりネットワークで接続し、計測データをエクセルで正確かつ迅速に表示し、製品の品質管理と解析ができるソフトウエアに対応可能となりました。またデータ管理システムをMeasurLink（メジャーリンク）プログラムにより改善し、各種測定機をネットワーク構築によりサーバに集約し、品質情報の一元管理・共有化を実現しました。 製造プロセス中に運ばれていくワークピースを測定するのには、正確かつ高精度の測定、測定時間の短縮が求められます。加えて計測データをリアルタイムで統計処理し『品質の見える化』の実現が求められることから、加工効率の向上と共に、合理的な投資で測定の効率を国際標準に適合するようにできるのは理想的です。これらのことから、本システムはとりわけ「インダストリー4.0」に向けたものづくりのさらなる高度化に向けたビジョンにふさわしいものと認められ、世界中で広く利用されるようになりました。

人間とロボットのコラボレーションは、人間作業員とプログラム化マシンの相補的なスキルを活用することを目指しています。これは、2人対象者間の高度な相互作用を必要とし、それは特別な専用のロボットによって達成されることができます。既存の産業用ロボットを再設計して、安全要件を遵守して多数の共同作業を実行することが可能です 複雑な産業作業のために人間のオペレータと並行して作業することができるロボットの設計に対して、学術者およびロボット製造業者からの関心が高まっています。自動車組み立て技術に対する革新的な柔軟なアプローチに関する調査では、人間とロボットの協力が重要視されています。複雑な組立作業のなかには、ファスナの挿入やワイヤーハーネスの接続など、正確な操作とセカンダリ組立作業が必要なコンポーネントもあります。 これらのタスクの中には、自動化の精度とスピードが必要なものもあれば、人間操作者の器用さと知性が不可欠なものもあります。 ヒューマン・ロボット・コラボレーション（HRC）は、スピード、効率、生産品質の向上、職場のより良い品質（人間工学）の面で産業アプリケーションに利点をもたらします 人とロボットのコラボレーションが製造革命を推進します 現時点では、製品とその生産スケジュールの多様性により、小規模なバッチ生産ではほとんど自動化されていませんでした。 現場組織は、手作業のシステムを好み、その柔軟性を求めています。今や、いくつかのロボット製造業者が、ロボットと同じ職場で組立作業と溶接作業を人間が行うことを可能にする、協同ロボットと呼ばれる特別なロボットアーキテクチャを導入しています。具体的には、ユニバーサルロボット（UR3、UR5、UR10）、KUKA LBRイワ、ABBユミ、ファナックCR-35iAなどがあります KUKA LBR　iiwaは、微妙な組み立て作業のための軽量ロボットLBR iiwaの登場により、作業スペース内の人間とロボットのコラボレーションを実現しています。これにより初めて、人間とロボットは緊密な協力のもとで非常に繊細な作業においても協力することができます。新しいアプリケーション可能性が広がり、費用対効果と最高効率を実現するための道が開かれます。コラボレーティブで機密性の高いLBR iiwaロボットは、ペイロード容量が7kgと14kgの2つのバージョンがあります。 ユニバーサルロボットは、コラボレーティブロボット界のグローバルリーダーです。 同社は急速に成長しており、今や世界最大のコラボレーティブロボットメーカーとなっています。 同社が開発したプラットフォームであるUR10は、より多くのリーチを必要とする重い装置などで主に使用されています。 UR10はプログラミングに関してライト兄弟と同じ特性を持っています。 このような大型ロボットを制御するにあたってまさに使いやすいインタフェースです。 UR10ユーザーは、プログラミング方法を高速化させ、ロボットに適したツールを見つけるために、UR +プラットフォームの恩恵を受けることもできます。 残念なことに、これらのロボットは、ペイロード、速度、強度の面では限界があり、広範囲に利用されているわけではありません。これら一部の制限は、人間作業者の安全を確保するために技術仕様書ISO 15066を遵守する必要性に関連しています。企業内にロボットを導入することは、確かにビジネスの大きな一歩です。生産量を増やし、生産性を高め、怪我を防ぎ、さらに多くの利点をもたらします。しかし、そこに到達するプロセスは、長く網羅的なものになる可能性があります。これらのステップがすべて完了したら、ニーズに合ったロボットを選択する必要があります。適切なリーチ、自由度、およびペイロードを備えたロボットがアプリケーションの成功には不可欠です。このプロセスの次のステップは、あなたのロボットに適合する様々なツールを選択することです。そうすれば、適切に動作するでしょう。ロボットのための投資は、ロボット統合の一部にすぎません。適切なアプリケーションの把握、適切な人材の紹介、企業内での導入方法なども実装の大きな部分を占めています。

多くの産業はインダストリー4.0での製造を目指して進歩し続けている。自動化の導入に加え、生産の効率化を助ける中心的な役割を果たす、迅速なコミュニケーションに基づく管理システム構築のためのテクノロジーを模索している。 　製造工程の各段階における管理は始めから終わりまで連鎖し、関連し合っている。製造開発から生産計画、サプライヤーから顧客への物流に至るまで、効率を最大限高める製造管理システムがそれぞれのサイクルにおいて不可欠である。先端を行く製造業者たちは市場の要求に応えるべく、しのぎを削っている。生産力を高めるために機械に投資するのではなく、長期にわたる高コストを踏まえて生産効率を高める方法を取っている。製造連鎖管理システムテクノロジーは様々な分野を網羅することができる技術であり、管理を円滑に進める助けとなる方法である。 Enterprise Resource Planning (ERP) 　ERPとは組織内での問題解決のため、業務管理に用いられるツールである。また投資計画や資産管理の効率を高めるためにも用いられる。利益を最大限引き出すために、部門間の壁を取り除き全体を管理することができる。1か所に保管された情報により、各作業分野の適応プログラムを結び付け、すべてのビジネス過程を集約する。使用の簡略化のため、製造分野においてこのシステムは製造情報だけを集めるという制限を設けている。製造工程や設計の分野には関わることができない。この制限のために多くの工場では全体の生産効率を高めるために他のソフトウェアを使用している。 Manufacturing Execution System (MES) 　ERPシステムは様々な制限により工程の各分野の情報にアクセスすることができない。必要な時に工場内のすべての工程を網羅できるように開発されたMESシステムは、PRODUCTION、PERSONNEL、QUALITYという3つの主要な工程を網羅している。顧客からの発注に始まり、生産計画、サプライヤーからの原材料や部品の受取り、可能な限り生産効率が高く低コストで品質の良い製品を製造するまでの工程を網羅する。MESプログラムはリアルタイムに近い情報にするためERPシステムと現場の情報のやり取りを仲介する役割を果たす。さらに、現場だけで決定するためにMESを現場で実際に起きていることを監視するモニターとして使用することもできる。機械はそれらの情報を人や他の伝達経路を介さずに反映することができる。 Product Lifecycle Management (PLM) 　製品の製造ライフサイクルすべてを管理するシステムである。企画から製品開発・複製の設計（CAD/CAM/CAE）に至るまですべての機関を集め、製品の管理工程に加わらせる。実際に始動する前の最も適切な状況での製造設計のためのPredictive engineering analytics とMechatronic system simulation (1D CAE)、複雑な製造を分析するための Finite element analysis（FEA）、Model testing and analysis、生産計画と生産における適切な配置、製品の使用から現在の世界の市場での競争における効率化を高めるためのシステム全体に至るまでが関係する。PLMは Product Data Management と呼ばれる情報管理の中心ともなる。人事、工程、業務管理システム、情報の安全管理システムなどの情報を集める、大企業において現在最も需要の高い主要なシステムである。 Manufacturing Operations Management (MOM) 　最新の成功した方法であり、ヨーロッパやアメリカの産業において急速に広まりつつある。PLMとMES両方の考え方を取り入れ、製品の研究・開発の段階から顧客の発注に応じた柔軟性のある生産、高度な生産計画、生産効率を最大化するための製造工程各段階における最適化までを網羅する SCADA Intelligence と Manufacturing Intelligence システムを用いている。製造管理から生産効率の分析、品質管理・保証、human machine interface（HMI）などに至るまでリアルタイムでシステムの状態を把握するソフトウェアとオートメーションシステムによって実現している。インダストリー4.0の考えを受け入れるためのシステムとも言える。

Article by: Asst. Prof. Suwan Juntiwasarakij, Ph.D., MEGA Tech Senior Editor 声認識によって消費者は機械学習や高度なアルゴリズムを使用したマルチタスクの実行が可能になります。テクノロジー企業はほとんどの製品に声認識を標準搭載することに関心を寄せています。それら企業の目標の一つは、音声アシスタントが文脈や内容に沿った正確な発言や返答ができるようにすることです。さらに、研究によると音声認識機能を持つバーチャルアシスタントの需要はますます拡大していきます。 声認識とは？ 音声認識とは話された単語を認識し、文字に変換する技術です。声認識は音声認識の一部で声によって人物を見分ける技術です。声認識ソフトは人が発する声を分析します。話された事を抽出し、読み取り可能な形式にデジタル化し、意味を分析します。アルゴリズムとそれまで入力された情報を基に人が何を言っているのか精度の高い予測ができます。 フェイスブック、アマゾン、マイクロソフト、グーグル、アップルなど世界の一流テクノロジー企業は、すでにGoogle Home、Amazon Echo（アレクサ）、Siriなどのサービスを様々なデバイスで提供しています。これら企業は声認識をほとんどの製品に標準搭載することを目指しています。その主な目標は声認識アシスタントが文脈や内容に沿った正確な発言や返答ができるようにすることです。 スマートスピーカー AIアシスタント機能を持つワイヤレススピーカー、スマートスピーカーは、ユーザーからの音声指示を受けて情報検索、音楽再生、オンラインショッピングなどの操作を実行できます。2015年にアマゾンがAmazon Echoを市場に送り出して以来、スマートスピーカーの人気は高まっています。グーグルがGoogle Homeを発売したことで市場はより活性化し、2016年の657万台から2019年の9,225万台へと出荷数が大幅に増加しました。アメリカは最大の市場で、中国がその後を追っています。 中国：成長地域 ต スマートスピーカーは世界的に成長しています。特に英語圏以外の国での伸びが著しく見られています。2017年の終わり頃、スマートスピーカーは英語圏の市場に限定されており、95％はアメリカとイギリスで販売されていました。しかし2019年からスピーカーの言語多様化により、ほとんどの人が中国語、フランス語、スペイン語、イタリア語、日本語を話す国々での売り上げが伸びています。市場ごとに見ると、音声検索の増加はインド、中国、インドネシアなどアジアの主要市場が牽引しています。 使用頻度は実用性を図る目安の一つです。上記6カ国ではほとんどのスマートスピーカーが毎日使用されていますが、その大半の使用回数は限られています。実際、スマートスピーカー市場が比較的成熟した国々の例では、日常使用するデバイスの中で使用頻度は7番目に位置しています。スマートスピーカーの実用性は使用できるアプリの種類にも左右されます。ほとんどの市場では音楽再生が最も一般的な使用ですが、それほど拡散しているわけではありません。2018年半ばからのデロイトの調査では5か国で最も使用されているスマートスピーカーアプリは音楽再生アプリでした。カナダだけはお天気アプリが最もよく使用されており、お天気アプリはほとんどの市場で第2位となっています。 重要ポイント これらを総合すると、声認識には問題点もありますが、長期的な視点で見れば有用です。スピーカーであれ他のデバイスであれ声認識や音声アシスタントはすべての人にとって利点があります。もう少しすれば、今以上にスピーカーと会話することが増えるでしょう。音声が主なインターフェイスになることはないでしょうが、視覚障害者や小さなキーボードやボタンの操作が困難なユーザーにとっては主な操作方法となり得ます。高齢化社会にとって有益な技術です。