$30 off During Our Annual Pro Sale. View Details »

ExpoのインダストリーブースでみたAWSが見せる製造業の未来

 ExpoのインダストリーブースでみたAWSが見せる製造業の未来

AWS re:Invent 2025のExpoでみたインダストリーブース内容の紹介と、今すぐにでも取組むべき内容などを、ハマコーなりの視点で解説しています。

・Expoインダストリーブースの全体像
・ブース展示内容の紹介
・2024年と2025年の違い
・この先を見据えて取り組んで置くべき事

Avatar for 濱田孝治

濱田孝治

December 17, 2025
Tweet

More Decks by 濱田孝治

Other Decks in Technology

Transcript

  1. 2 濱田孝治(ハマコー) 製造ビジネステクノロジー部 スマートファクトリーチーム マネージャー ブログ, SNS • 「クラスメソッド 濱田」で検索

    • はてなブックマーク累計 約15,000個 • Xアカウント:@hamako9999 コミュニティ運営 • JAWS-UG コンテナ支部運営 • Grafana Meetup Co-organizer, Grafana Champion AWS認定関連 • SAP, DOP, DBS, SOA, SAA, DVA, SCS, CLF, AIF, MLA, MLS • AWS APN Ambassador 2020 執筆書籍 • みんなのAWS • SoftwareDesign 2022年11月号 コンテナ特集
  2. 17 3Dプリンターによるコイン制作デモ • UIでテーマ選択 • Amazon Bedrockがデザイン と3Dモデルを同時生成 • 3Dプリンターで出力

    生成AIが、専門的なCAD操作の 初期段階を自動化し、アイデアから 物理的なプロトタイプへの時間を短縮
  3. 18 装置管理 • 分散配置された4台の3Dプリン ターを管理 • フリートマネジメントの観点か ら、各機器の状態を監視 • チャット機能で自動的にMCP連

    携して、メンテナンスの作業依 頼の発行なども可能 1. 製造業の運用担当者:実際に装置を運用している担当者が状態を監視 2. 装置メーカー向け:自社装置をモニタリングし、性能低下時には保守提案
  4. 19 品質検査デモ • 従来の外観検査はモデルの学習 に非常に手間がかかる • LLMを利用することで、良品と欠 陥品を比較するだけで、欠陥が 検知可能 •

    3Dプリンターの熱問題で製品が 溶けて形が異常になった場合で も、事前学習なしに結果を検出 モデルの事前学習なしに、良品と欠陥品の比較だけで即利用可能。 色の検査なども可能だが、カメラの性能やLLMに与えるプロンプトなどでも性能は 変わるので、事前の検証は必須。
  5. 20 在庫管理と生産スケジュール最適化 • 生成AIを使って、製造スケジュールに合わ せた在庫管理をチェックするデモ • 在庫が不足しそうな時にどのサプライヤー に発注すれば間に合うか、在庫切れになる かを生成AIエージェントが確認 •

    受注量と発送スケジュールの問い合わせも AIがシミューレーションして、発注計画を 立案 製造と営業の情報格差を解消し、機会損失を防ぎながら迅速な意思決定を支援。 情報共有に消極的になりがち(それぞれの組織の都合を優先しがち)な組織課題へ の技術的なアプローチ。
  6. 21 AIエージェントによる品質問題の根本原因分析 • 溶接、塗装、品質検査の流れを想定したデ モ • 品質検査で問題が検出された時の原因究明 は難しいが、AWS IoT SiteWiseにリアル

    タイムでアップロードされたデータに対し て、AIエージェントが、その根本原因の調 査を実施 • 「この不良の原因は?」と質問すると、エ ージェントがさかのぼって、製造状況を確 認 数日かかっていた根本原因分析を数分で完了。適切なデータモデリングがエージェ ントの能力を最大化させる。
  7. 23 AIエージェント活用のためのデータモデリングQA抜粋 データモデリングはものすごく重要 • エージェントを正しく機能させるには、適切なデータモデリングが重要。各データ ポイントにプロダクトIDなどの一意のIDを付与しないと、データがバラバラにな る • エージェントは賢いように見えて、知らないことも知っているように回答しがち •

    製品がどの順番で各工程を通り、どの時間帯だったのか情報があれば、正確な回答 をしてくれるとのこと • ラインの構成などの情報は、SiteWiseのアセットのディスクリプション(説明 欄)に入れて、エージェントはSiteWiseから取得したデータを元にラインの構成 を理解する
  8. 24 AWS Outpostsを活用した組込みソフトウェアテスト • 実際のデバイス開発では物理テ ストは不可欠 • AWS Outpostサーバーを利用す ることで、クラウドで作成した

    マシンイメージをシームレスに オンプレ側にデプロイ可能 シミュレーションでは代替不可能な 物理テスト環境の構築・管理を簡素化。 クラウドの俊敏性をHWがある現場に活用。
  9. 27 車載エージェントデモ • 車のコックピットの展示 • 真ん中のスクリーンにラスベガスの温度や 地図を表示 • マイクに話した内容が生成AIに送られ、会 話内容に応じて自動車のテレメトリー情報

    (温度など)や地図情報を組み合わせて回 答 • エージェントが外部情報(工事中だから別 ルートでいきます)という提案を実施 自動車が単なる移動手段から、外部世界と連 携し、ドライバーを支援する「パートナー」 となる未来像
  10. 30 NVIDIA Isaac Sim Development Workstation • NVIDIA Isaac Sim

    は NVIDIA Omniverse プラットフォーム上に構 築されたリファレンスアプリケーショ ンで、開発者は物理ベースの仮想環境 でAI主導のロボットソリューションを シミュレートしてテストできます。 • NVIDIA Isaac Sim 開発ワークステ ーション(Linux)AMIを使用すると、 ユーザーはAWS内でグラフィック機能 を備えたワークステーションをプロビ ジョニングできるため、Omniverseベ ースのアプリケーションをRTX対応の ワークステーションでローカルに実行 する必要がなくなります。 https://aws.amazon.com/marketplace/pp/prodview-bl35herdyozhw
  11. 33 re:Invent 2024から2025で変わった点① AIの役割と活用レベル:支援型から自立型へ 2024年(支援型) • 可視化と対話: 設備の異常をダッシュボードで検知し、復旧手順などを「生成AIチ ャットボット」に問い合わせる •

    受動的: 人間が状況を判断し、AIに対して質問を行うことでサポートを得るという 関係性 2025年(自律・能動型) • エージェンティックAI: AIエージェントが自らデータソース(在庫、スケジュール、 設計図など)を判断して情報を取りに行き、課題解決 • 能動的: 例えば「部品が足りない」といった状況に対し、AIがサプライヤーへの発 注シミュレーションや納期の回答案を自律的に作成するなど、単なる回答以上の 「行動」を伴うように変化
  12. 40 関連するセッションやワークショップ • IND370: Modernizing operational technology for AI-powered manufacturing

    • PEX402: Engineering intelligence: Multi-agent AI systems for industrials • IND305: AI agents in manufacturing: Building intelligent data workflows • SMB309: Build an Agent Factory: An Agent that can Create any Agent On- Demand • IND310: Build Agentic AI Solutions for Industrial Predictive Maintenance • IND339: Automate Inventory Rebalancing on AWS with Agentic AI • NTA306: Next-generation Supply Chain/Logistics with Agentic AI