メーカーや製造業者向けのトレーニングビデオへの新しいアプローチ

誰かが機械の専門家がタスクを実行していることを記録しました。この後、ビデオは AI エンジンに自動的にアップロードされ、コンテンツにインデックスが付けられ、わかりやすいセグメントに編集されます。

金属製造業界の深刻な労働力不足は今に始まったことではなく、指摘される問題も同様だ。子供たちはキャブレター付きエンジンではなく、スマートフォンやコンピューターをいじって育ちました。職業教育はここ何年も減少傾向にあります。製造業にはイメージの問題があります。

経験を見つけることができないファブショップは、人々の学習意欲などのソフトスキルに基づいて人材を雇用する可能性があります。しかし、これらの人々は具体的にどのように教えられているのでしょうか？多くの場合、学習プロセスは明らかに古いものです。経験豊富なプレスブレーキやレーザー切断機のオペレーターを誰かが付き添い、時間をかけてゆっくりとコツを学びます。問題は、新人が質問をし、彼がフォローしているベテランが焦り始めたらどうなるかということです。結局のところ、彼には生産すべき部品があり、新人のせいで彼のペースが遅くなっているだけだ。

この時点で多くの人は、企業文化、リーダーシップ、その他の漠然とした概念について話しますが、具体的な解決策には至りません。 DeepHow の CEO、Sam Zheng 氏は、彼の会社がそれを見つけたと述べています。

2018 年に Zheng、Wei-Liang Kao、Patrik Matos によって立ち上げられた DeepHow は、一種の自動ビデオインデックス作成と編集を提供します。モバイルアプリを開くと、フロアで特定のタスクを実行している専門家を記録できます。録画されたコンテンツは安全なクラウドに自動的にアップロードされ、そこで人工知能 (AI) エンジンがタスクのさまざまなステップを識別し、ビデオをわかりやすいセグメントに分割します。新入社員は、Web サイトまたはモバイルアプリでビデオを視聴 (および複数回確認) できます。視聴行動が AI エンジンに供給されるため、時間の経過とともにコンテンツをより効果的に編集できるようになります。

これは、製造現場向けの AI 主導のカーンアカデミーのようなものだと考えてください。ただし、カーンとは異なり、DeepHow は一般的な知識ではなく、タスク固有のノウハウに基づいて構築されています。その考えは、人々がただシャドーイングするだけでなく、有益なビデオコンテンツを繰り返し視聴して復習することによって、より良く学ぶことができるかもしれないということです。そのコンテンツは、ランダムなインターネットビデオのように単に作成され、投稿されるわけではありません (常に安全なサーバー上にあります)。同社によれば、コンテンツは独自の方法でセグメント化および編集され、AI がデータポイントから抽出して、視聴者がどのように学習するのが最適であるかを明らかにします。この高度にカスタマイズ可能なコンテンツライブラリが構築されるにつれて、製造業者が製造現場の人材を育成する能力も強化されます。

学術界およびニュージャージー州プリンストンのシーメンスコーポレートリサーチイノベーションラボの研究者として、Zheng は工学心理学のバックグラウンドを持ち、人間と機械がどのように相互作用するかを研究しています。

「私がデジタルイノベーションプロジェクトを主導していたとき、これらすべての複雑な自動化システムがどのように製造現場に導入されているかを基本的に見てきました。実際の人間が対応する代わりに、自動化がすべての問題を解決できるという考えがありました。それはうまくいきませんでした。」

ファブショップでは、老若男女問わず機械や人が働いています。製造業者は、3D 曲げシミュレーションを表示するタッチスクリーンコントロールを備えた新しいプレスブレーキを備えている場合があります。しかし、ほんの数フィート離れたところで、他の誰かが恐竜のようなプレスブレーキを操作しているかもしれません。特定の部分では今でも問題なく動作しており、さらに、ショップのベテランの何人かは快適に操作しています。しかし、新しい従業員は古い機械を触ろうとしませんし、店のベテランも新しい機械に慣れていません。この人間と機械の不一致は、運用上で山ほどの頭痛の種を引き起こしており、自動化された機械だけでは解決できない問題だと Zheng 氏は説明しました。

さらに悪いことに、トレーニング計画は店舗ごとに大きく異なります。 FABRICATORのコラムニストで、オレゴン州セーラムに本拠を置くプレスブレーキトレーニング会社ASMA LLCの社長であるスティーブ・ベンソン氏は、すべてを見てきた。一部の企業では、設計図の読み取りや精密測定ツールの使用に関するしっかりとしたトレーニングを提供しています。部品を作り始めるときはまだ初心者です。しかし、彼らは機械のマニュアルにも精通しており、ノギスやその他の測定ツールの読み方と校正方法を知っています。

さらに他の製造業者は、試験による訓練の哲学に従っています。ベンソンが今月のベンディングの基本コラムで述べたように、一部の新人は、リーダーが「このボタンを押して、このペダルを 300 回踏んでください」という非常に短いオリエンテーションの後に一日を始めることがあります。

DeepHow の CEO 兼共同創設者である Sam Zheng は、工学心理学のバックグラウンドを持ち、人々がテクノロジーとどのように相互作用するかを研究しています。

金属製造におけるすべての機械とプロセスには独自の学習曲線があり、人によってその学習曲線は異なります。あらゆる製造業者がデジタル変革を遂げるにつれて、生産パターンと隠れた非効率を分析し始めています。

このような追跡はますます細分化されています。実稼働ソフトウェアは、実際のマシンのサイクルタイム (エンタープライズリソースプランニングソフトウェアのジョブの出勤時間と退勤時間だけではなく) を明らかにし、その情報をマシンを実行している人に関連付けることができます。このようにして、マネージャーや監督者はデータを深く掘り下げて、製品の流れだけでなく人々のパフォーマンスのパターンを認識し始めることができます。これらの人々は特定の仕事を他の誰よりも早く処理します。なぜ？

トレーニングソフトウェアプラットフォームが登場すると、マネージャーは質問をし始めることができます。この人たちはどのようにして他の人たちを上回ったのでしょうか? 彼らはどのようにしてそのプロセスを学び、これほど早く熟練するまでにどのような道をたどったのでしょうか? 今日、管理者は単なる直感ではなく、実際のデータに基づいて答えを導き出すことができます。

Zheng 氏は、アンハイザー・ブッシュ工場を訪れたとき、工場内の全員の顔が経験に基づいて並べられた大きな掲示板を見たときのことを思い出しました。「2～3年の経験をもつ大規模な集団と、20～30年の経験を持つ大規模な集団があり、その多くは明らかに退職間近だった。そして、その中間には誰もいなかった。」

鄭氏によると、こうした年齢差は多くの製造業であまりにも一般的になっており、これが労働力不足にさらなる課題をもたらしているという。これは、製造業者がノウハウをできるだけ早く次世代に確実に継承する必要があることを意味します。

それにしても、そもそもその年齢差はなぜ、どのようにして生まれたのでしょうか？多くの人がグローバリゼーションと自動化を指摘していますが、Zheng 氏が指摘したように、自動化の性質も影響を及ぼしました。「過去 20 年間でスキル要件は変化しました」と彼は言いました。「以前は、貿易スキルを持つことについて皆が話し合っていました。今では、HMI (ヒューマンマシンインターフェイス) について知る必要があります。」

最新の金属製造機械の一部には、少なくとも家庭用電化製品、特にスマートフォンからグラフィック要素を借用した HMI が搭載され始めていますが、常にそうであったわけではなく、多くの不格好な HMI が残っています。

「私たちはこれらの HMI がひどいものであることを知っています」と Zheng 氏は言いました。「人々が日常生活で経験する典型的なユーザーエクスペリエンスとはかけ離れています。」

分析によって採用のハードルも上がっています。「今日のあらゆる業務はデータドリブンになっています。誰もが『生産性を測定する必要がある』と言います。人々はそれに関するスキルを開発する必要があります。」

製造業では、人間または機械の観点から考える傾向があります。操作は手動または自動のいずれかです。もちろん、製造は実際には人間と機械に関するものであり、いくつかのユーザーフレンドリーな HMI を超えて、人間と機械の関係は精査されたり改善されたりしていません。機械と人間はシステムとして連携します。

ヘッドセットを装着した専門家が視聴者にマシンのセットアップ手順を案内します。

非常に速く製造する機械は印象的に見えるかもしれませんが、その操作を習得できる人がほとんどいない場合、あまり実用的ではありません。専門家が最新の制御を備えたプレスブレーキで簡単なジョブを設定した場合、比較的初心者でもおそらくそのジョブを実行できるでしょう。しかし、その初心者はどのようにして最終的に専門家になるのでしょうか?

「若い従業員は、店の周りで専門家を尾行するために数週間から数か月を費やすかもしれませんが、その専門家が持つノウハウをキャプチャすることはできますか? そして、それをデジタル化し、専門家がいつでも対応できるようにすることはできますか? 私たちはデジタル化して地図を作成したいと考えています。ノウハウなので共有するのは非常に簡単です」と鄭氏は語った。

DeepHow は、同社が「Stephanie」と呼ぶ AI エンジンを使用して、ユーザーがアップロードしたオーディオおよびビデオコンテンツを読み取ります。「ステファニーは音声とビデオを入力として受け取ります」と Zheng 氏は言います。「そして、彼女が最初に行うことは、複雑さを理解してワークフローをモデル化しようとすることです。次に、彼女は [情報] にインデックスを付け、その複雑さを理解しやすい塊に分割して、ステップを提供します。ステップごとのガイダンス。ステファニーは、さまざまな言語や強いアクセントで話す専門家を理解することができ、後で配布するために音声をさまざまな言語に翻訳することもできます。

「学習面では、私たちは AI を良い方法で活用しています。AI がソーシャルメディアでのレコメンデーションを最適化し、ユーザーの注意を引いて中毒にさせる代わりに、すべてはより多くの広告を販売するためだけに AI を使用して、プレゼンテーション方法を改善しています。学習者がスキルトレーニングのどの段階にあるかを考慮しながら、学習者に情報を提供します。これは、パーソナライズされたトレーニングの作成に役立ちます。」

AI エンジンは、人間の脳のニューラルネットワークを (過度に単純化して) 模倣する AI の分野であるディープラーニングに基づく研究を使用しています。このテクノロジーは、Zheng 氏が「事前トレーニングモデル」と呼んだものを産業環境に適応させます。事前トレーニングは高校のようなものだと考えてください。「そこで、一般的なトピックをすべて学ぶことができます」と Zheng 氏は言います。「その後はさらに集中力が高まり、特定の分野を学ぶ必要があります。」これは事実上、ステファニーが特定の製造タスクを分析する際に行っていることです。

鄭氏は知識とノウハウを区別します。知識は一般的なものですが、ノウハウは特定のタスクを達成するために適用される知識です。両方を備えていれば、ファブショップで成功し、充実したキャリアを築く可能性が高くなります。

ここで、鄭氏が「ノウハウマップ」と呼ぶものが登場します。彼はそれをGoogleマップと比較した。長年のデータにより、地図アプリはますます賢くなっています。「目的地を入力するだけで、現在の状況に基づいてそこに着く方法が段階的に表示されます。」

同じ考え方がノウハウマップにも当てはまります。プレスブレーキのオペレータが、別の種類のコントローラを使用して別のプレスブレーキを操作する方法を知りたいとします。ステファニーは、自分の現在のステータス、つまりオペレータがすでに持っているノウハウと、それをどのように学んだのか（どのビデオを見たか、どの部分を繰り返したか、どのくらいの頻度で、どのくらいの時間か）を知っています。ステファニーは、ノウハウの「消化しやすい塊」が詰まったビデオライブラリを基に、オペレータに他の制御を学習するための最適な「ルート」を提供します。

そのルートの性質、つまり長さや紆余曲折の回数は、テクノロジーがどの程度類似しているかによって決まります。パネルの曲げを学ぶには、もう少し長い別のルートが必要になる場合があります。レーザー切断を学ぶには、さらに長いルートが必要になる場合があります。

現在、DeepHow テクノロジーは、スタンレーブラックアンドデッカー、アンハイザーブッシュなど、米国内および海外の工場で使用されています。ほとんどの場合、ユーザーはスマートフォンで専門家を記録しますが、より高度なカメラを使用する人もいます。ウェアラブルビデオ録画デバイスの使用は、オペレーターの視点が指示を伝えるのに役立つ場合に特に役立ちます。この技術には、説明的なグラフィックスを組み込むこともできます。

さらに、全社的なパフォーマンスと生産性のダッシュボードに接続できます。最終的には、そのような AI がスマートファクトリーの「欠けている部分」になり、刻々と変化するテクノロジーとそのテクノロジーを最大限に活用する必要がある人々の調整に役立つものになると Zheng 氏は見ています。

「インダストリー 4.0 のことになると、誰もがテクノロジーや機械のスマート化について話します」と Zheng 氏は言います。「しかし、人々はどうですか？」