【 クランクシャフトのバラ積みピッキングにおける「絡み」解消への挑戦 】

自動車部品製造の現場のバラ積ピッキングにおいて大きな障壁となる、通い箱内でのワーク同士の絡み。本PoCでは、形状が複雑で絡みやすいクランクシャフトを対象に、実用的な自動化の可能性を検証しました。

検証当初、すべての絡みを完全に回避して取り出すことは困難であることが浮き彫りになりました。しかし、トライアンドエラーを重ねる中で、「ピック直後に特定の軌道動作を加える」ことで、付随するワークを振り落とし、絡みを解消できるという具体的な解決策を突き止めました。

この知見に基づき、単なる理想論ではない「現場で機能するピッキング成功率」の目安を算出。最適なロボットハンドの再構想等、発生しうるトラブルへの対処法を明確化したことで、自動化導入への現実的な道筋を立てることができました。

さらに、解消動作を含めたトータルのサイクルタイムを精緻に計測することで、カタログスペックではない実稼働ラインを想定した投資対効果（ROI）の判断材料を提示しました。

このトライのように弊社の自動化PoCサービスは「 トライでの100%の完遂 」に固執せず、現実に即した本当の運用パフォーマンスを事前に把握できます。これによって設備導入の際の投資対効果を正しく見極めることができるリアルな検証結果をお伝えします。これこそが弊社のPoCが設備導入を検討されている皆様の意思決定にもたらす最大の価値です。

【 3工程連結システムにおけるサイクルボトルネックの可視化と最適化 】

複数工程を跨ぐ自動化において、最大の懸念は「机上の計算と実機の乖離」です。
本PoCでは、3工程を連結した複雑なシステムを対象に、シミュレーションでは再現しきれないロボットのリアルな挙動と干渉リスクを実機で徹底検証しました。
従来のサイクルチャート（タイムチャート）では、ロボットの加減速や微細な軌道修正に伴う「動的なロス」を正確に把握することは困難です。
しかし、今回の実機検証により、全体のサイクルを停滞させている真のボトルネック工程を明確に特定することに成功しました。

特筆すべき成果は、ボトルネックによって生じる「待ち時間（空き時間）」を視覚的に確認できた点です。この余裕時間に「どの付帯作業（検品や清掃など）を組み込めるか」、
あるいは「次工程への先行動作をどう配置すべきか」といった、稼働効率を最大化するための具体的アクションを実機ベースで導き出しました。

「おそらく回るだろう」という推測を、実機による「 これなら回る 」へと確実性をもったものに変革しました。
確実なデータに基づいた、精度の高い設備投資の意思決定を強力にサポートすることができました。

【 40年超のレガシー設備×最新協働ロボットの「物理連携」 】

「古すぎて自動化は無理だ」と諦めていた40年前の加工機。今回のPoCでは、このレガシー設備と最新協働ロボットのマッチングに挑みました。

最大の壁は、通信インターフェースを持たない「リレー盤」制御であること。そこで電気通信に頼らず、ロボットが「手動で扉を開ける」「起動ボタンを指で押す」という、
あえて人に近い動作を行うことで自動化を実現しました。

検証の結果、旧式機でもその他のセンサーによって安全性を担保することができれば、最新ロボットと遜色なく連携できることを証明。
さらに実機を動かしたことで「切り子の堆積がワーク着座を妨げる」という現場固有の課題も浮き彫りになりました。
これに対し、エアブローの追加設置といった具体的な解決フローを事前に策定。導入後の「想定外」を最小化することに成功しました。

▼ トライによる投資対効果（ROI）予測 ▼
・人件費削減効果： 年間 約600万円（1名分の削減 / 1直体制）
・投資回収期間： 約2.5年