製造業のAIロードマップ：工場データからAIエージェントまで

AIのパイロットは1本のラインで成功しました。ところが1年たっても2つ目の工場にはまだ導入されておらず、最初のラインでもいつの間にか使われなくなっています。

製造業のAIロードマップは、この事態を防ぐためにあります。段階は4つです。工場データをERPデータにつなぎ、ガバナンスの効いたインテリジェンス層を加え、AIエージェントを展開し、最後にAIを工場の運営そのものに組み込みます。

多くの製造業は第3段階から始めようとします。パイロットが止まるのはそのためです。

私はプラスチック、鉄鋼、防衛の製造業でERPを導入してきました。同じパターンが繰り返されます。難しいのはモデルではないことがほとんどです。

難しいのは、3つのシステムが同じオーダーを3通りに表現していることです。

成形キャップ5,000個のオーダーを1件思い浮かべてください。ERPから見ればそれは製造指図です。MES（工場の現場を動かすシステム）から見ればプレス14号機のジョブで、プレス機自体はショット数しか知りません。

このロードマップは、基幹システムがSAP、Oracle、Microsoft、Infor、自社開発のどれであっても使えます。

私なら3年間をこのように組み立てます。

3年間、4つの段階

1. 01

   現在：データ基盤

   工場、品質、ERPのデータを1つの管理されたプラットフォームに集め、リネージとセルフサービスのレポーティングを整えます。

2. 02

   1年目：ガバナンスの効いたインテリジェンス

   工場、ライン、品目、オーダーを表す共通のビジネス言語、AIガバナンス、最初のクイックウィン。

3. 03

   2年目：AIエージェントの展開

   保全、品質、計画、調達のAIエージェントを工場横断で稼働させます。

4. 04

   3年目：全社規模でのAI定着

   AIが工場の計画、運営、改善の中に入り、人とAIエージェントが一緒に働きます。

期間は目安として考えてください。10工場で4種類のERPを使っているグループなら、第1段階にもっと時間がかかります。

工場のデータは階層ごとに存在しており、ISA-95という標準がその階層をうまく説明しています。最下層にはセンサーとPLC（各機械を動かすコントローラー）があります。その上にSCADAの画面とヒストリアン（機械の測定値を蓄積するデータベース）、さらにMESがあり、最上位にすべてを計画し原価計算するERPがあります。

AIを使うには、これらの階層が互いにつながっている必要があります。ほとんどの工場ではつながっていません。

私なら次の3つから始めます。

1. データプラットフォーム。通常はクラウドのレイクハウスかデータウェアハウスで、ERPデータ、MESの記録、ヒストリアンの測定値を取り込みます。ほとんどのユースケースで必要なのはバッチごとの平均溶融温度のような集計値です。
2. 初日からのガバナンス。データカタログ、各数値の出どころを示すリネージ、品質ルールを用意します。スクラップの数値がどこから来たのか誰も説明できなければ、それを予測するモデルも誰も信用しません。
3. セルフサービスのレポーティング。AIを入れる前に、工場長がOEE（達成可能な生産量に対する良品生産量）、スクラップ、計画遵守率を1つのソースから確認できるようにします。

最も手間がかかるのはマスタデータです。2つの工場を持つプラスチックメーカーを例にとります。

A工場は黒色ポリプロピレンのペレットをMAT-1001と呼び、キログラムで数えています。B工場は同じものをPP-BLK-25と呼び、25 kg袋で数えています。樹脂の使用量をモデルに予測させると、モデルはこれを無関係な2つの品目として扱います。

解決策は地味です。品目の責任者がコードを対応付け、単位を1つに決め、プラットフォームが毎晩そのルールを適用します。

照合の候補はツールが提案できます。どちらのコードを残すか、今後そのルールを誰が管理するかは、やはり人が決めます。

もう1つ、早めに確認しておきたいのが時刻です。圧延工場のヒストリアンは加熱炉の測定値を現地時間で記録し、ERPはUTCで転記しているかもしれません。

コイル4471の表面欠陥を、圧延したときの加熱炉温度と結び付けたいとします。時刻が4時間ずれていると、モデルは間違った温度から学習します。ここで一度直しておけば、その後のすべてのユースケースで正しく扱えます。

1. 01機械とヒストリアンセンサーの測定値をバッチ単位で集計
2. 02MESジョブ、停止時間、スクラップ
3. 03ERPオーダー、品目、原価
4. 04ランディングゾーン受け取ったままの生データのコピー
5. 05クレンジングと対応付け品目コード、単位、時刻をそれぞれ1つに統一
6. 06セルフサービスのレポートOEE、スクラップ、計画遵守率

機械から元帳まで、すべてのオーダーについて信頼できる1つのバージョン

1年目は、そのデータをAIが安全に使える形に変えます。中心となるのはセマンティックレイヤーです。工場、ライン、作業区、品目、オーダー、不良を表す共通のビジネス言語のことです。

AIエージェントに「3号ラインの停止時間」を尋ねるなら、エージェントはどの3号ラインかを知っている必要があります。A工場にもB工場にも3号ラインがあり、停止時間の数え方が違うかもしれません。

ある工場は機械が止まった時点で計測を始めます。別の工場はオペレーターが停止を記録した時点で始めます。セマンティックレイヤーは定義を1つに決めて書き残し、すべてのレポートとAIエージェントがその定義を使います。

AIガバナンスも同じ年に整えます。すべてのAIユースケースを台帳に登録し、それぞれに責任者、リスク評価、人が出力を確認するポイントを設けます。

AIシステムが機械の安全部品になる場合、EU AI Actはそれを高リスクとして扱います。安全技術者には早い段階から参加してもらってください。私は最初のワークショップから入ってもらいます。

そのうえで、現場の人が実感できるクイックウィンを2つか3つ実現します。夜勤の保全コパイロットを例にとります。

1. 技術者が、低圧のエラーを繰り返す油圧プレスに向き合っています。彼女はタブレットのコパイロットにエラーコードとプレスの番号を入力します。
2. コパイロットはプレスのマニュアルと、そのプレスの過去の作業指示を検索します。
3. 同じエラーは過去に2回発生しており、どちらもメインシリンダーのシールの摩耗が原因だったと答えます。
4. シールの部品番号を示し、交換手順が載っているマニュアルのページへのリンクを付けます。

プレスを止めるかどうかは彼女が決め、ロックアウトも彼女自身が行います。コパイロットが省いたのは、古い書類を探し回る手間だけです。

2つ目のクイックウィンはシフト引き継ぎのサマリーです。午前6時に、次のシフトの監督者はMESのイベント、停止記録、品質保留から作成された1ページを受け取ります。プレス9号機は金型交換に手間取って40分を失い、バッチ2207はショートショットで保留中、といった内容です。

監督者は保留を確認し、何を先に流すかを決めます。

3つ目の選択肢はサプライヤー書類のチェックです。S355を発注したのにコイルのミルシートにS275と書かれていれば、入庫の前にAIが警告を出します。そのコイルを受け入れるか不合格にするかは、引き続き品質部門の担当者が決めます。

最初の候補を、私はこのように順位付けします。

1. 01監督者が質問昨夜、3号ラインはなぜ時間を失ったのか
2. 02セマンティックレイヤーどの工場、どのライン、どの停止時間ルールか
3. 03管理されたデータ停止記録、MESのイベント、作業指示
4. 04コパイロットが回答すべての数値の出どころを添えて
5. 05監督者が確認承認、修正、またはエスカレーション

工場長と取締役会資料が一致する回答

ビジネス価値高中低

• 自律型スケジューリング

• 画像による品質検査

• 保全コパイロット

• サプライヤー書類のチェック

• シフト引き継ぎのサマリー

• 汎用チャットボット

低中高データの準備度

• 後回し
• 計画する
• 今すぐ始める

2年目は、アシスタントからAIエージェントへ移ります。アシスタントは質問に答えます。エージェントはシグナルを監視し、あなたが決めた範囲内で何をするかを判断し、あなたのシステムの中で実行します。

製造業で最初に投資を回収しているのは、次のようなエージェントです。

1. 予知保全。 機械の測定値をきっかけに、故障の前にERPで作業指示を作成し、予備品を引き当てます。
2. 品質。 画像検査が不良を検知すると、エージェントがバッチを保留にし、工程条件と結び付けて逸脱を起票します。
3. 計画。 機械が止まったり資材が遅れたりすると、エージェントがスケジュールを組み直し、計画担当者に承認を求めます。
4. 調達。 遅れている納品を督促し、納期短縮の依頼文を起案します。

プレス加工機の主軸受が劣化していく場面で、保全エージェントがどう動くかを見てみます。

1. 主軸受の振動が2週間かけて少しずつ上がり、温度もそれに続きます。
2. エージェントはこのパターンを同じ型式のプレスの過去の故障と比較し、一致を見つけます。
3. ERPで保全通知を起票し、予備の軸受の在庫を確認して引き当てます。
4. 土曜日の計画停止の中に作業枠を提案し、保全計画担当者に依頼を送ります。

計画担当者はその枠を承認するか、移動します。エージェントは起票と引き当てまでは自分で行えますが、ラインを止めることはできません。その制限は名前のある担当者が管理しています。

次は計画エージェントです。火曜日の午後、押出機が木曜日まで停止し、樹脂のコンテナが港で止まっています。

エージェントは未完了のオーダー、納期、どのラインでどの製品をつくれるかを確認します。そして2つの案をつくります。3件のオーダーを2号ラインに移して水曜日に残業するか、顧客オーダー1件を2日後ろにずらすかです。

計画担当者がどちらかを選ぶか、先に顧客へ電話をします。顧客との約束日をエージェントが黙って動かすことを、私は決して許しません。

2年目のより大きな変化は、責任の所在です。各エージェント、その制限、その結果に誰かが責任を持つ必要があります。私はエージェントを新しいチームメンバーのように扱い、職務記述書と定期的なレビューを用意します。

1. 01監視すべてのプレスの振動、温度、電流
2. 02検知軸受の測定値が範囲外へずれる
3. 03準備作業指示を起案し、予備品を引き当て
4. 04承認保全計画担当者が作業枠を確保
5. 05実行指示をリリースし、技術者を派遣
6. 06学習結果が次の予測に反映される

エージェントごとに責任者を1人、制限を明確に

3年目になると、AIはもう独立したプロジェクトではありません。計画、生産、品質、保全、原価計算の中に入っています。

営業、生産、財務が1つの計画に合意する月次のS&OPサイクルでは、次のような姿になります。

1. 顧客が予測を共有し、エージェントは受注履歴と比べて高すぎるように見えるものに印を付けます。
2. サプライヤーが生産能力を共有するので、エージェントは塗装の外注先が3月はいっぱいだと把握できます。
3. エージェントは両方に合う計画案をつくり、ERPで原価を計算します。
4. 会議の1時間は、本当に判断が必要な少数のトレードオフに使われます。

計画の責任は引き続き人にあります。生産部門の責任者が承認し、財務部門が利益率を確認します。

私がもう1つ注目するのは原価計算です。ある成形機が標準サイクルタイムより遅く動き続けているとします。エージェントはその差に気づき、原価への影響を計算し、標準を更新すべきかを原価計算担当者に尋ねます。

判断するのは担当者です。標準原価の変更は在庫評価と利益率に波及するからです。

1. 工場長工場の目標とエージェントのポートフォリオに責任を持つ
   AIガバナンスすべてのエージェントの台帳、テスト、停止スイッチ
2. 生産管理者エージェントが提案するスケジュール変更を承認する

• 保全エージェント責任者は保全管理者
• 品質エージェント責任者は品質管理者
• 計画エージェント責任者は計画リーダー
• 調達エージェント責任者は購買担当者

1. 04AIエージェントとコパイロット保全、品質、計画、調達のエージェントと、人による承認ポイント
2. 03ガバナンスの効いたインテリジェンス層工場、ライン、品目、オーダーのセマンティックモデルとAI台帳
3. 02データ基盤ERP、MES、ヒストリアンのデータを持つレイクハウス、カタログ、リネージ
4. 01工場と全社のシステムセンサー、SCADA、ヒストリアン、MES、ERP

次の4つは特定の年に属するものではありません。すべての年を通じて続きます。

1. OTセキュリティ。 OTとは機械を動かすコントローラーとネットワークのことです。それをクラウドのAIにつなぐと攻撃対象が広がるため、接続はIEC 62443に沿って設計し、制御ネットワークはセグメント化したままにします。エージェントが読むのはヒストリアンのデータのコピーで、PLCに書き込むことは決してありません。
2. データ主権。 防衛、政府、一部の輸出管理対象の業務では、国内またはオンプレミスのAIが必要になります。モデルを選ぶ前に、どのデータなら工場の外に出してよいかを決めてください。防衛部品の図面は公開モデルに近づけることすらできないかもしれませんが、樹脂の需要予測ならおそらく問題ありません。
3. オープンなマルチベンダー構成。 オープンなフォーマットと、OPC UA（機械データを読み取るための一般的な標準）のような標準インターフェースを使います。そうすれば作り直さずにモデルを入れ替えられます。
4. 人材。 計画担当者、エンジニア、技術者がエージェントと一緒に働けるよう教育します。エージェントの案を信頼する計画担当者はそれを使います。信頼しない担当者は、Excelで計画を作り直します。

最もよくある失敗は、拡大できないパイロットです。1本のラインで学習させ、データを手作業で集めた画像モデルは、アイデアを証明するところで終わります。

それを2つ目の工場に持っていくとどうなるか。カメラが違い、部品番号が一致せず、モデルの責任者もいません。

2つ目の失敗は、AIをITプロジェクトとして扱うことです。生産、品質、保全のリーダーがユースケースの責任を持たなければ、エージェントはつくられたあと放置されます。

私のアドバイスは、プロセスから始めることです。作業指示や品質保留が今どのように流れているかを書き出し、そのあとでシステムを選びます。誰かがコードを書く前に、各ユースケースに業務側の責任者を置いてください。

つまずく理由うまくいく方法

1. 01つまずく理由: 1本のラインでのパイロットと、手作業で集めたデータ→うまくいく方法: すべての工場のために構築したデータ基盤
2. 02つまずく理由: ITがつくり、工場は責任を持たない→うまくいく方法: ユースケースごとに生産、品質、保全の責任者
3. 03つまずく理由: コード、単位、時刻をプロジェクトのたびに直す→うまくいく方法: マスタデータを一度だけ、一元的に整備
4. 04つまずく理由: 責任者も制限もレビューもないエージェント→うまくいく方法: 責任者、制限、定期レビューを備えた各エージェント

自社の工場に当てはめて検証してみたいですか。ユースケースを1つと、ERPとMESのおおまかな構成図を用意して、通話を予約してください。あなたが実際にどの段階にいるのか、私なら最初に何をするのかをお伝えします。

製造業のAIロードマップとは何ですか？

製造業の事業全体でAIを活用するための段階的な計画です。まず工場とERPのデータをつなぐデータ基盤をつくります。次にガバナンスの効いたインテリジェンス層、AIエージェント、そして工場の運営へのAIの組み込みへと進みます。

製造業はAIをどこから始めるべきですか？

データから始めます。ERP、MES、機械のデータを1つの管理されたプラットフォームに集め、マスタデータを整え、工場長がセルフサービスでレポートを見られるようにします。最初のAIユースケースは1年目に、その基盤の上で実現します。

製造業で最初に投資を回収できるAIユースケースはどれですか？

保全コパイロット、シフト引き継ぎのサマリー、サプライヤー書類のチェックは短期間で実現できます。予知保全、画像検査、スケジュールの組み直しはより大きな効果がありますが、より質の高いデータが必要なため、通常は2年目になります。

製造業のAIロードマップにはどのくらいの期間がかかりますか？

データ基盤の整備が始まってから3年間で計画します。1年目にインテリジェンス層を加え、2年目にエージェントを展開し、3年目に主要プロセスへAIを組み込みます。クイックウィンは1年目のうちに成果を示すべきです。

AIを使う前にERPやMESを入れ替える必要がありますか？

いいえ。AIはデータ基盤を通じて既存のシステムの上で動きます。大切なのは、どのベンダーの製品を使っていても、ERPとMESのデータがきれいで、つながっていることです。