映像を集めるだけでは、現場改善にはつながらない
建設、製造、物流、設備保全などの現場では、多くの情報が人の目と手作業で管理されています。
たとえば、
* 作業員の稼働実績を日報から集計している
* 作業内容の記録に入力ミスや集計漏れがある
* 不安全な状態を現場管理者が目視で確認している
* 過去の不具合写真は蓄積しているが、再発防止に十分活用できていない
* カメラを導入したいが、固定カメラ、ドローン、ロボットのどれが適切か分からない
といった課題です。
こうした現場に対して、単に「AIカメラを導入する」だけでは十分ではありません。
重要なのは、
**何を把握したいのか。
どの程度の即時性が必要なのか。
どこを撮影するのか。
AIが何を検知し、人間が何を判断するのか。**
を整理した上で、現場に合う仕組みを設計することです。
Sekimosoft合同会社では、映像AIを活用した現場業務改善について、映像取得、AI分析、異常検知、通知、実績集計までを一つのシステムとして捉え、実用化を想定した設計を行っています。
> 本事例について
>
> 本記事は、Sekimosoft合同会社が映像AIを活用した現場業務改善の可能性を検討するために行った、自社開発検討・システム設計事例です。
>
> 特定の顧客企業から受託したプロジェクトではありません。
>
> 実際の導入時には、対象現場、撮影条件、通信環境、対象物、必要な検知精度、運用ルールなどを確認した上で個別に設計します。
映像AIシステムを考える上で、最初に分けるべきなのは処理の目的です。
現場で扱う情報には、大きく二つあります。
一つは、
今すぐ知る必要がある情報。
たとえば、
* 不安全な状態
* 侵入禁止区域への立ち入り
* 危険な姿勢や行動
* 設備や製品の異常候補
* 過去の不具合と似た状態
などです。
これらは、数時間後や数日後に分かっても意味がありません。
できるだけ早く検知し、現場管理者が確認できる必要があります。
もう一つは、
後から整理できればよい情報。
たとえば、
* どの作業が、いつ行われていたか
* 作業員がどのエリアで稼働していたか
* 作業時間の傾向
* 日別、工程別の実績
* 日報作成に使う集計情報
などです。
これらは秒単位の即時性よりも、正確に整理し、後から確認しやすいことが重要です。
そのため、映像AIシステムは一つの処理にまとめるのではなく、
安全管理のためのリアルタイム処理
と、
実績管理のためのバッチ処理
に分けて設計する必要があります。
カメラの種類は、目的から逆算する
映像AIを検討するとき、
「固定カメラを使うか」
「ドローンを使うか」
「4足歩行ロボットを使うか」
という話から始まりがちです。
しかし、最初に機材を決めると、現場に合わない構成になることがあります。
必要なのは、先に目的を整理することです。
たとえば、
* 常時監視したい場所はどこか
* 現場内に死角はあるか
* 対象エリアは固定か、日々変化するか
* 人が立ち入れない場所があるか
* 屋内か屋外か
* 夜間撮影が必要か
* 通信環境は安定しているか
* 移動しながら撮影する必要があるか
* 即時検知が必要か
* 撮影頻度はどの程度か
によって、最適な映像取得手段は変わります。
固定カメラが向いている場合
固定カメラは、
* 常時監視したい場所が決まっている
* 出入口や危険エリアを継続的に確認したい
* 通信環境と電源を確保できる
* 比較的安定した画角で分析したい
場合に向いています。
設置後の運用が比較的安定しており、リアルタイム検知との相性も良い方法です。
ドローンが向いている場合
ドローンは、
* 広い範囲を短時間で確認したい
* 高所や人が入りにくい場所を撮影したい
* 定期巡回で十分
* 上空から全体状況を把握したい
場合に向いています。
一方で、飛行条件、安全管理、運用者、飛行可能な時間帯などを考慮する必要があります。
移動ロボットが向いている場合
カメラを搭載した移動ロボットは、
* 人が入りにくい場所を巡回したい
* 定められたルートを繰り返し確認したい
* 複数地点を同じ基準で撮影したい
* センサー情報も合わせて取得したい
場合に適しています。
ただし、走行可能な床面、段差、通信環境、充電、保守なども含めて判断する必要があります。
重要なのは、
最新の機材を使うことではありません。
現場の目的、予算、運用負荷に対して、最も実用的な取得手段を選ぶことです。
映像AIによる安全管理では、誤検知を完全になくすことは困難です。
そのため、AIに最終判断まで任せる設計は避ける必要があります。
想定する流れは次の通りです。
映像を取得
↓
AIが不安全状態の候補を検知
↓
該当場面の画像を保存
↓
現場管理者へ通知
↓
管理者が画像を確認
↓
必要に応じて現場作業者へ対応を指示
この設計では、AIの役割は、
異常を確定すること
ではありません。
人が見落とす可能性のある状態を、早く見つけること
です。
たとえば、
* 危険エリアに人がいる
* 保護具が確認できない
* 通常と異なる物体配置がある
* 過去の不具合画像と似た状態がある
* 通常時と異なる動きが発生している
といった状況を、確認候補として管理者へ知らせます。
最終判断は人が行います。
これにより、AIの誤検知を前提にしながら、現場の見落としを減らす支援ができます。
安全管理では、検知から確認までの時間が重要です。
そのため、リアルタイム系の処理では、必要な機能をできるだけ絞ります。
基本構成は次の通りです。
映像取得
固定カメラや移動体から映像を受け取ります。
AI分析
映像から、人、物体、行動、状態などを分析します。
対象によっては、
* 物体検出
* 画像分類
* 姿勢推定
* 行動認識
* 類似画像検索
* 異常検知
などを組み合わせます。
検知イベント作成
一定の条件を満たした場合だけ、検知イベントとして記録します。
該当画像の保存
管理者がすぐ確認できるように、検知した時点の画像を保存します。
通知
現場管理者へ、
* 検知日時
* 検知場所
* 検知内容
* 該当画像
を通知します。
人間による確認
管理者が画像を確認し、
* 対応が必要
* 誤検知
* 継続監視
などを判断します。
この確認結果も蓄積することで、将来的な検知ルールやAIモデルの改善につなげられます。
安全検知とは異なり、作業実績の集計では即時性を最優先する必要はありません。
そこで、取得した映像を一定期間ごとにまとめて分析します。
たとえば、
映像を蓄積
↓
対象時間帯を抽出
↓
作業内容や対象物を分析
↓
時間帯ごとに整理
↓
作業実績データを生成
↓
表、CSV、日報候補として出力
という流れです。
想定できる出力例には、
* 日付
* 時間帯
* 作業エリア
* 作業種別
* 稼働状況
* 対象物
* 確認が必要な箇所
などがあります。
重要なのは、AIの分析結果をそのまま正式な日報にするのではなく、
人が確認しやすい下書きや集計情報として提供すること
です。
これにより、
* 手作業での集計負担
* 転記ミス
* 記録漏れ
* 担当者ごとの記載差
を減らせる可能性があります。
現場には、過去のトラブルや不具合写真が蓄積していることがあります。
しかし、写真が保存されているだけでは、再発防止には十分活用できません。
映像AIでは、現在の画像と過去の不具合画像を比較し、
似た状態が発生していないか
を確認する方法も考えられます。
たとえば、
現在の映像から対象画像を抽出
↓
過去の不具合画像と比較
↓
類似度の高い事例を検索
↓
確認候補として提示
という流れです。
この仕組みでは、
「異常です」
と断定するのではなく、
過去のこの事例に似ています
という形で、管理者の判断材料を増やします。
これにより、熟練者の経験や過去事例を、現場全体で活用しやすくなります。
映像AIシステムでは、検知件数を表示するだけでは不十分です。
現場で必要なのは、
何が起きて、誰が確認し、どう対応したか
です。
そのため、管理画面では次のような情報を扱います。
検知イベント一覧
* 検知日時
* 検知場所
* 検知内容
* 該当画像
* 確認状況
確認結果
* 対応が必要
* 誤検知
* 要継続確認
作業実績
* 日別
* 時間帯別
* 作業種別
* エリア別
改善状況
* よく発生する検知
* 誤検知の傾向
* 繰り返し発生している場所
* 対応済み、未対応
AIの性能を見るだけでなく、
現場の安全管理や業務改善につながっているか
を確認できる設計が重要です。
映像AIは、実際の現場環境によって結果が大きく変わります。
たとえば、
* 照明
* 天候
* カメラ位置
* 人の重なり
* 作業服
* 背景
* 対象物の大きさ
* 時間帯
などの影響を受けます。
そのため、最初から現場全体へ導入するのではなく、小さく検証することが重要です。
第1段階：対象を絞る
まず、
* 1つの現場
* 1つのカメラ
* 1つの検知テーマ
から始めます。
第2段階：検知可能性を確認する
実際の映像を使って、
* どの程度検知できるか
* 誤検知はどの程度あるか
* 通知速度は十分か
* 管理者が確認しやすいか
を確認します。
第3段階：運用を検証する
AIの精度だけでなく、
* 誰が通知を見るか
* 何分以内に確認するか
* 誤検知をどう記録するか
* どこまで自動化するか
を確認します。
第4段階：対象を広げる
効果が確認できた範囲から、
* カメラ台数
* 現場数
* 検知対象
* 作業実績分析
を広げます。
この進め方によって、大規模投資の前に実用性を確認できます。
映像AIの検討では、
「何％の精度で検知できるか」
が注目されます。
しかし、実際の業務では、それだけでは判断できません。
見るべきなのは、
* 見落としをどの程度減らせるか
* 管理者の確認負担が増えすぎないか
* 通知が現場対応につながるか
* 日報作成時間を削減できるか
* 記録の正確性が改善するか
* 導入、運用コストに見合うか
です。
仮にAI精度が高くても、通知が多すぎて誰も見なくなれば意味がありません。
反対に、完全自動化できなくても、
確認すべき映像を絞り込めるだけで、現場負担を大きく減らせる
場合があります。
BizDXAIでは、AI単体の性能ではなく、
業務全体がどう改善するか
を基準に設計します。
今回のような映像AIシステムでは、次の二つの処理を分けて構成します。
リアルタイム処理
映像取得
↓
AIによる危険候補・異常候補の検知
↓
該当画像の保存
↓
管理者へ通知
↓
人間が確認
↓
現場対応
バッチ処理
映像蓄積
↓
作業内容の分析
↓
時間帯・作業別に集計
↓
実績データ生成
↓
表・CSV・日報候補として出力
↓
人間が確認
この二つを分離することで、
安全管理に必要な即時性
と、
実績集計に必要な正確性・処理効率
を両立しやすくなります。
映像AIによる現場分析は、特定の業界だけに限られません。
建設
* 不安全状態の検知
* 立入状況の確認
* 作業実績の整理
* 工程記録
製造
* 製品異常候補の検知
* 作業工程の確認
* 設備状態の監視
* 過去不具合との比較
物流・倉庫
* 危険エリアの監視
* 荷役状況の確認
* 作業量の把握
* 異常行動候補の検知
設備保全
* 巡回点検
* 外観異常の確認
* 過去画像との比較
* 変化の記録
施設管理
* 巡回業務
* 異常状態の早期発見
* 定期確認業務の効率化
重要なのは、業界名ではありません。
現場に映像として観測できる課題があり、人が確認や集計に時間を使っているか
が導入検討のポイントです。
Sekimosoft合同会社は、AIを導入すること自体を目的にしていません。
固定カメラ。
ドローン。
移動ロボット。
画像認識。
異常検知。
AIエージェント。
これらはすべて手段です。
重要なのは、
現場の何が改善されるのか
です。
安全確認の見落としを減らしたい。
日報集計の負担を減らしたい。
過去の不具合事例を再発防止に活かしたい。
現場の状況を、より正確に把握したい。
その目的に合わせて、
映像の取得方法を考え、
AIの役割を決め、
人間の確認工程を設計し、
必要なシステムを組み立てます。
映像AIの導入では、最初から大きなシステムを作る必要はありません。
まず確認すべきなのは、
* どの現場を対象にするか
* 何を検知したいか
* どの程度の即時性が必要か
* どのような映像を取得できるか
* 誰が確認するか
* 何が改善すれば成功とするか
です。
そこから、
**取得手段の選定
→ 小規模検証
→ AI分析
→ 通知・確認
→ 効果検証
→ 段階的な拡張**
へ進みます。
Sekimosoft合同会社では、映像AIや現場DXについて、技術ありきではなく、課題整理と導入設計から支援します。
映像AI・異常検知・現場業務改善についてご相談ください
次のような課題がある場合は、ご相談ください。
* 映像AIを導入したいが、何から始めるべきか分からない
* 固定カメラ、ドローン、移動ロボットのどれが適切か判断できない
* 現場の不安全状態を早く把握したい
* 過去の不具合画像を再発防止に活用したい
* 日報や作業実績の集計を効率化したい
* AIの誤検知を前提とした運用を設計したい
* 小さく検証してから本格導入したい
AIの話から始める必要はありません。
現場で何が起きていて、何を改善したいか。
まずは、そこから整理します。
Sekimosoft合同会社は、課題整理、映像取得手段の検討、AI分析、システム設計、PoC、運用設計、改善までを一気通貫で支援します。
