要約：厳しい作業環境と深刻な人手不足に直面する重工業・造船所の現場において、ロボット自動化はもはや生存のための必須条件になっています。自律溶接や塗装など、スマートヤード（Smart Yard）時代の第一歩は、熟練工の暗黙知をロボットが理解できる定量データへ変換し、さらにビジョンAI（Vision AI）によってロボットに現場を認識する「目」を与えることです。テレオペレーション（Teleoperation）を活用したロボット学習設計から、AIモデル向けデータパイプライン構築まで、グローバル造船所がSuperb AIとともにどのようにスマートヤード転換を進めたのかをご紹介します。

重工業における「スマートヤード」時代――選択ではなく、生き残りのための課題

造船・重工業業界は現在、歴史上かつてない規模とスピードで進むデジタル転換のただ中にあります。グローバル市場調査会社Mordor Intelligenceの最新レポートによると、世界のデジタル造船所（Digital Shipyard）市場は、2025年の20億6,000万ドルから2030年には47億ドルへと拡大し、年平均約18％の高い成長率を維持すると予測されています。

企業各社が多額の投資を行い、スマートヤード構築に注力する最大の理由は、熟練人材の不足です。実際、近年では造船所内の外国人労働者数が4年で50倍に増加するほど、韓国造船業界における熟練工不足は深刻化しています。

なかでも、船舶建造の中核を担う溶接や塗装は、高負荷かつ高度な技能を要する工程であり、長年にわたって人の手に大きく依存してきました。人手不足を補いながら生産性を維持するうえで、ロボット導入は不可欠です。実際に韓国の大手造船所では、溶接・加工ロボットの導入拡大によって、生産自動化率を70％まで引き上げる目標を掲げています。

ただし、単に工場へロボットアームを導入しただけで、スマートヤードが完成するわけではありません。

導入背景と直面した課題：「ロボットを導入したのに、なぜ自社工程では使えないのか」

多くの重工業企業がロボットを導入しても十分な成果を上げられない理由は、現場の複雑さにあります。造船所の作業環境は、管理された屋内工場とは異なり、変数が極めて多い環境です。ブロックの大きさや形状は毎回異なり、照明や天候といった外的要因も常に変化します。

従来の単純反復型ロボットでは、こうした環境に対応することができませんでした。スマートヤードへの転換に向けて、顧客企業が直面していた主な課題は以下の通りです。

1. 熟練工の「勘」をデータ化できるか。数十年の経験を持つ溶接・塗装の熟練工は、火花の色、わずかな音、表面の質感などをもとに、その場で作業方法を調整します。こうした暗黙的なノウハウを、機械が学習可能な定量データへ変換する必要がありました。
2. ロボットが変化する環境を自ら認識できるか。ロボットアームがいかに精密であっても、目を閉じたまま動くのと同じであれば、実用にはなりません。多様な環境変数の中でも対象物を正確に認識し、軌道を補正できる高度なビジョンAI技術が求められました。

こうした課題を解決するため、世界最高水準のあるグローバル造船所は、AIデータパイプラインおよびビジョンAIの専門企業であるSuperb AIに支援を求めました。

Superb AIのソリューション：ビジョンAIを核としたロボット学習パイプラインの構築

スマートヤード構築に向けた、最も確実で実効性の高い第一歩は何か。Superb AIは、単なるデータラベリングにとどまらず、ロボットが自律的に判断し動作できるよう、「目」となるビジョンAIと、「経験」となる高品質データを組み合わせた統合型ロボット学習パイプラインを設計しました。

1段階目：データ資産の診断と、目的別の収集計画策定

まず、顧客企業が既に保有していた設計図面、品質検査画像、工程映像などの大量データを診断しました。既存データを活用して学習可能な領域と、新たに収集が必要な高難度作業領域を明確に切り分けることで、不要なコストを抑えつつ、AI学習のビジネスインパクトを早期に確認できるロードマップを策定しました。

2段階目：テレオペレーションを活用した熟練工データ収集ラボの構築

Superb AIソリューションの中核にあるのが、この「データ収集ラボ」です。熟練作業者が、カメラとセンサーを搭載した産業用ロボットを遠隔操作し、実際の溶接・塗装作業を行います。この際、ロボットに搭載されたビジョンAIカメラが対象物と周辺環境を高解像度で取得し、同時にロボットアームの軌跡、速度、角度情報もリアルタイムで記録します。

言葉では説明しにくかった熟練工のノウハウが、完全に同期されたマルチモーダル（Multi-modal）時系列データへと変換される仕組みです。

3段階目：高品質データの「二重資産化」

このようにして収集された高品質データは、Superb AIのプラットフォーム上で体系的に整備・管理されます。そして、このデータは二つの重要な資産として活用されます。

• 第一に、自律ロボットモデル学習用のAIデータです。ビジョンAIを搭載した自律ロボットを学習させるうえで、最も有効な教材になります。
• 第二に、新規人材向けのオンボーディングコンテンツです。熟練工の減少が進む現場において、新規作業者を教育するための、正確かつ直感的なガイドラインとして活用できます。

4段階目：ビジョンAI基盤の現場実装

ロボットアームやヒューマノイドなど、多様なハードウェアに適用してきた大規模データ構築の知見をもとに、ビジョンAIモデルを顧客の実際のスマートヤード環境へ安定的に実装しました。ロボットはカメラを通じて作業対象の状態をリアルタイムで認識し、学習済みデータパイプラインに基づいて最適な作業を実行できるようになりました。

ビジネスインパクト：ロボット導入の成否を分けるのはデータ

ロボットを学習させるための高品質なデータパイプラインを先行して構築したことで、このグローバル造船所の顧客企業は、次のような具体的成果を得ることができました。

• ロボット導入時の試行錯誤と時間を大幅に削減：従来は、ロボットを現場仕様に合わせて調整するのに数カ月を要していましたが、標準化されたビジョンAI学習データにより、導入および安定化までの期間を大幅に短縮しました。
• 自動化範囲の拡大：単純な反復作業にとどまらず、熟練作業者にしか対応できなかった曲線溶接や複雑構造物への塗装作業にまでロボット自動化の適用範囲を広げ、「生産自動化率70％」という目標へさらに近づくことができました。
• 持続可能な品質維持能力の確保：作業者のコンディションや熟練度によってばらついていた品質から脱却し、一貫して高い品質を保証できる体制を整えました。

スマートヤードへの転換は、Superb AIとともに

造船業の人手不足を乗り越え、デジタル造船所へ進むうえで重要なのは、ハードウェアとしてのロボット導入だけではありません。そのロボットを賢く動かすためのソフトウェア能力、すなわちビジョンAIとデータこそが中核になります。

確保されたデータの品質とビジョンAIの精度が、将来どのロボットを、どのタイミングで、どの工程へ導入できるかを左右します。スマートヤードの構築を本格的に検討しているのであれば、多様な産業分野でAI導入とデータパイプライン構築を支援してきたSuperb AIの専門チームと、ぜひ一度ご相談ください。