A-Eyeカメラ<エーアイカメラ>の評価・機能・価格

～製造現場にある「年代やメーカーの異なる機械や設備」の稼働状況を一元的にデータ化して可視化し推進～ A-Eyeカメラは、ネットワークカメラとAI、クラウドを組み合わせた、 画期的なIoTプラットフォームとして好評をいただいています。 積層信号灯の点灯色や回転灯の点灯状況、作業者の有無などの 「人間が目で見て判断しているアナログ情報」を人工知能の目が判断してデジタルデータ化します。 データはクラウド上で蓄積され、状況の可視化やアラート通知など製造現場の状況が一目で分かるほか、 稼働状況の分析や生産計画との予実比較も簡単に行えます。 「稼働率の見える化」だけでない、「生産効率の見える化」のためのソリューションです。

■生産設備のメーカー・新旧問わず対応可能 工場内にネットワークカメラを設置し、生産設備の操作画面や積層信号灯の点灯状態の画像から稼働状況をAIで判別します。画像による判別のため、初めに学習データを与えることで機械や設備のメーカーや年代に関係なく状況を把握することができます。 ・積層信号灯の点灯状態の判別 ・ヒトのいる・いないを判別 ■かんたん設置で低コスト A-Eyeカメラの設置に必要なものは市販のネットワークカメラとLAN環境です。特別な機器や機械との配線接続は必要なく、様々なメーカーの設備が混在していても一つのシステムで稼働監視できるため低コストで導入＆ご利用いただけます。 ■AIによる学習で精度向上 センサーでの実績収集の場合、設置後に環境が変化することでデータ収集に支障をきたす可能性があります。A-Eyeカメラは設置後も学習し続けることで環境の変化にも柔軟に対応し、正確なデータを取り続けることができます。

■リアルタイムあんどん表示 監視下にある機械の稼働やエラーを一画面で確認できます。収集された情報はクラウド上に保存されているため、どこにいてもパソコン・タブレット・スマートフォンで確認できます。また、大画面の共通モニターなどで情報共有を行うことで「エラー発生」の察知が早くなり、素早い対応を行うことができます。 ■充実した分析表 製造現場の稼働状況をグラフで確認・分析できます。稼働率の推移や傾向の把握、改善効果のチェックなど、生産設備ごとにさまざまな分析が行えます。 　 ・稼働率推移グラフ ・時間別稼働率グラフ ・稼働率円グラフ ・ガントチャート ■アラート通知 設備の異常停止時に関係者へ自動的にアラート通知ができます。製造現場にいなくても、いつでも停止に気づくことができ、早急に対処できます。

☆『A-Eyeカメラ』で解決できる課題 ●稼働率の見える化(運転・停止状態や累積時間の表示)だけでなく、計画との稼働時間の差によりボトルネック工程のあぶり出し、前後工程の作業量調整などの判断情報を素早く把握することで、納期遅延や生産効率の向上に繋げる活動や平準化を図り、人員配置を適正化し、残業削減といった効果に繋げます。 ●標準工数と実績工数の比較検証により、設備・作業者毎のバラツキや傾向をつかむことで治具や作業手順などの見直しを行い、能力の向上・品質の安定に繋げます。 ●出来高と実績工数(収集した稼働時間)とを継続して比較し、「付加価値」を生む作業時間を最大化させ、生産現場の改善をすすめる活動を推進する効果があります。(VE)　 ☆こんな企業様にオススメ ●一部のメーカーや新機種のみの実績収集にとどまり、旧型品などの実績収集の収集に困りの企業様 ●装置と作業者両方の状況を組み合わせてみることで、改善のヒントをつかみたい企業様

【コクネ製作株式会社様】 ●導入のきっかけ 課題は「生産管理部門から出された指示通りに作業がはかどらないことがある」事でした。そこでIoTによる稼働実績収集の導入を検討されましたが、現場には様々なメーカーの機器が混在し、 センサー等で全ての機器から稼働情報を収集するには莫大な費用がかかることが判明。 そこで、AI画像認識によって稼働情報を収集するA-Eyeカメラが目にとまりました。 ●導入効果 ①改善すべき点が明らかに 全ての生産設備それぞれの積層信号灯をA-Eyeカメラで監視し、稼働データを収集しました。 収集したデータから、「稼働率の低い時間帯」や「機械が停止している時間帯」の存在が明らかになり、改善対象の工程や改善方法の議論が可能になりました。 ②設備のトラブルにも迅速に対応 「リアルタイムあんどん表示」で社員全員が社内のどこからでも現場状況を把握できるようになり、 またトラブル発生時も「呼び出しボタン」で手元のスマートフォンやタブレットからすぐに応援を呼ぶことが可能になりました。 こうして設備の停止時間を短縮し、生産設備の稼働率向上を実現しました。 ③製造現場と生産管理部門の連携がスムーズに 分析表で「機械が停止する時間の偏り、稼働率の変動」といった現場の傾向が『見える化』されたことで 管理部門でも機械停止の予測が可能になり、実際の作業状況に合わせた指示が可能になりました。