2016年05月25日，普利司通宣布，利用人工智能（AI）等提高轮胎成型工序效率、并可抑制品质不均的新系统“EXAMATION”已被用于彦根工厂。该系统用于13～17英寸轮胎的成型，通过调整工序流程、获取大量测量数据并利用这些数据进行控制、利用AI等实现成型工序自动化等手段，提高了轮胎的真圆度，并将轮胎成型工序的生产效率提高到了原来的2倍。
EXAMATION以“Bridgestone Intelligent Office（BIO）”和“Bridgestone Intelligent Device（BID）”两项技术为基础。BIO利用该公司的核心技术——高分子材料的材料和结构，并结合加工经验，对设计信息及来自市场的信息等大数据进行分析。并通过仿真生成新的控制算法。BID利用该算法，根据工厂的传感数据，通过AI自动控制生产设备（图2）。也就是说，由传感数据进行分析和预测，开发出算法，再检测根据该算法加工的结果以提升算法，从而提高成型工序的生产效率和品质。
举例来说，BIO通过分析成型时的胎面层 及带束层等构成材料的收缩、变形，以及搬运时的拖行等对产品品质的影响度，开发出了新的控制算法。而BID则通过感测缠绕在滚轴上时构成材料的位置和张力，一边修正一边生产，从而提高了工序能力。具体而言，对每个轮胎都测量了2000多项品质数据及设备和生产数据，用AI控制加以优化，使真圆度（均匀度）比原来提高了15％。而原来是由工人凭经验和直觉来修正的，BIO和BID是实现自动化不可缺少的。
“如果比作汽车自动驾驶的话，相当于3级”，该公司轮胎生产系统开发本部的三枝幸夫对EXAMATION如此评论道。他介绍说，“基本上是全自动工作，只在出现故障等系统无法应对时，人才会介入”。
大体来说，轮胎的制造工序包括利用橡胶材料制造中间材料的材料工序、组装中间材料并利用成型机成型的成型工序、及利用加硫机加热成型后胎坯的加硫工序构成。三枝幸夫表示说，EXAMATION的目标是通过改善“集中了所有的物质和信息来把握品质和生产效率关键”的成型工序，提高轮胎制造的竞争力。
不仅是成型工序的数据，材料工序中的材料数据、最终产品的均匀度数据等也要进行反馈，用于提升算法。不过，三枝幸夫指出，“虽然使用AI控制，但并非通过机械学习和深度学习自动提升算法。充分利用了以前积累的技术和经验是该系统的特点”。
同时处理多个滚轴，生产效率提高到原来2倍
制造方法也作了调整。原来是在单一滚轴上依次缠绕材料，而EXAMATION是在多个滚轴上缠绕不同材料并组装的“多滚轴系统”。由此，成型工序的生产效率提高到了原来2倍。获取品质保证方面数据得过程也实现了自动化。通过采用这些高效率工序，并使过去依靠工人技能的工作实现自动化，减少了人为误差，同时可将必要的工人数量减至1/3左右。具体目标是，“通过引进EXAMATION，使彦根工厂的生产效率到2020年提高到现在的1.4倍”（三枝）。普利司通还计划今后在国内外的工厂推广该系统。
