プリント基板 (PCB) 産業における金めっき膜厚の予測、貴金属などの材料コストをAIによって削減ーProfet AI社ケーススタディ

製造業DX向け機械学習ツール「Profet AI AutoML」を活用することで、過去数十年にわたり蓄積された製品データが、機械学習による研究開発の知識と経験の継承に役立ちます。

現状

プリント基板（PCB）産業は「電子部品の母」と呼ばれます。プリント基板がなければ、電子製品はその機能を発揮することはできません。PCB産業は先進産業ではありませんが、電子産業とハイテクノロジー産業において重要な役割を担ってきました。米国の国際マーケティングリサーチ機構Prismarkは、2021年の世界のPCB市場は前年比8.5％成長し、2021 ～2024年の間で5％以上の成長率を維持すると予測しています。ハイパフォーマンスコンピューティング（HPC）の普及による各種チップと基板の需要増加に加え、アフターコロナのスマートフォンやノートパソコン、ウエアラブルデバイス、サーバー、EV、ネットワーク設備など各種製品の需要拡大によって、PCB産業は今後も大きく成長するとみられています。

課題

PCB産業は、製造プロセスが複雑でありながら生産技術の世代交代は速く、かつ品質とコストに対する要求が高い産業です。さまざまな問題の解決に取り組む中で、重要な問題をスピーディーに特定し効果的に最適化することがPCB産業の課題となっています。

応用シーン

応用製造プロセス - 無電解金めっき、エッチング、穴あけ、現像などに利用できます。

仮想計測

ほとんどの生産設備には、リアルタイムのネットワーク接続機能があります。しかし、少量多品種生産で製造プロセスが複雑になると、連続した製造プロセスで発生した異常は事後に検出・報告されることが少なくありません。

機械学習の導入効果：
このプロセスに機械学習を使用することで、製造工程の途中で最終製品の状態を予測することができます。もし何か問題が見つかった場合は、残りの工程で調整することで、不良品の発生防止・歩留まり改善といった効果が期待できます。

設備の予知保全

毎日、毎週、毎月の工場のメンテナンスは、一定の労働力とコストがかかるため、多くの企業が過度なメンテナンスや備品在庫による労働時間とコストの無駄に注目するようになりました。

機械学習の導入効果：
設備異常や故障を引き起こす可能性のある重要な特性値を探し出すことが可能になります。このため、異常診断メカニズムを介して重要設備の予知保全を行う企業が増えてきています。

材料配分の最適化

貴金属の使用比率など、製品と設備の組み合わせるに際して適切だと考えられる生産パラメーターが過去の経験に基づいて決定されることはよくあります。しかし、これだと最適化のための設備のパラメーターや各製造プロセス間で使用される材料配分の数値に明確な根拠がないことになります。

機械学習の導入効果：
数値をベースとした明確な根拠を持つパラメーターを算出することができます。

AIデモクラシーの実現

AIに関する課題は、社内のチーム単体だけでなく、企業全体がかかわるものとなりました。各分野のプロフェッショナルがデータに基づいてAI応用の可能性を探求し、従来のBIからAIによる予測モデル確立へのレベルアップを目指しています。

Profet AIは、「企業の80%の人材が活用できるAI」をコンセプトとし、AIの専門知識を持たない人でも使える機械学習ツールを提供することで企業全体でのAIリテラシー・活用度の向上に貢献できるものと考えています。

採用製品：

Profet AI AutoML