製造ビジネステクノロジー部 ⽥中聖也 製造業における⽣成AIと フィジカルAIのユースケース紹介 

● ⾃⼰紹介 ● 話す内容 ● 製造設備の予兆保全のワークショップを受けて ○ ワークショップの内容 ○ 現場でのユースケース ● ExpoでみたフィジカルAIの展⽰ ○ AWSのヒューマノイドロボット ○ Intelのロボットアーム ● 製造現場と⽣成AI、フィジカルAIの今後 ⽬次 

⾃⼰紹介 

⾃⼰紹介 ● 2017.04~2021.07 製造業の⽣産技術部 ○ 設備の保全全般(事後,予防,予知) ○ IATF16949取得に向けた取り組み ● 2021.08~2025.01 SES ○ AI, OCRを活⽤した製造業向けの業務アプリ ○ AWSを活⽤したWebシステム ● 2025.02~ クラスメソッド⼊社  ○ メーカー様 担当 ■ 製品の需要予測PoC ■ 原材料管理 業務改善 ● 部署 ○ 製造ビジネステクノロジー部 ● 名前（ニックネーム） ○ ⽥中聖也(うどん) ● 好きな⾔葉 ○ 現場‧現物‧現実 ● マインド ○ とりあえず、やってみる 

話す内容 

● AWSサービスの最新情報は話しません ● 「製造業」という分野にフォーカスして以下の内容を話します ○ ワークショップや展⽰物の内容 ○ 現場で使⽤できそうか ○ ユースケース ● 製造業とAIの今後について ※ワークショップや展⽰物に関してすでにブログを出してます 話す内容 設備の予知保全ワークショップ Expo 

製造設備の予兆保全の ワークショップを受けて 

「Build Agentic AI Solutions for Industrial Predictive Maintenance」というワー クショップに参加しました。 製造設備の予兆保全のワークショップを受けて Amazon BedrockとエージェンティックAI（⾃律型AI）を活⽤し、産業現場における保全業務を「事後対応 型」から「予知保全型」へと変⾰する⽅法を実演します。過去の運⽤ログをAWS IoT SiteWiseへ⼀括インポー トし、そこで検知された異常データをもとに⽣成AIで詳細なパターン分析を⾏います。 

設備データ(仕様書、設計書)、修理履歴、センサーデータ、設備の予備品データ、 メンテナンス者のスキルデータがあれば、以下のようなことができるよ。 ● 閾値定義と異常検出ルールの⾃動作成 ○ 設備仕様に関する資料を⾃動で読み解いて重要な閾値を定義する ○ 過去のセンサーデータから⾃動で閾値を定義する ○ ⾃動でパターン分析を⾏って異常検出ルールを作成する ● 異常検出後の⾃動ワークフロー ○ 在庫管理フロー: 設備の予備品の在庫情報と⾦額をチェックする ○ 技術者⼀覧リストから修理に適したスキルをもった⼈材を確認する ○ 設備をどのように修理すべきかの⼿順をまとめる 上記に関わるレポートがA4レポートで10枚程度出⼒されます。 製造設備の予兆保全のワークショップを受けて 

製造設備の予兆保全のワークショップを受けて 

製造設備の予兆保全のワークショップを受けて 

製造設備の予兆保全のワークショップを受けて 実際に使えそうか？ ● プロセス製造(製薬、製菓)などの⻑期間‧⼤量⽣産系では使えそう 実際のところ ● 質が⾼いデータが必要となる ○ 設備データ ○ 修理履歴など(〇〇という部品を交換しました。というだけでは難しい) ● 常にリアルタイムで更新される必要がある ○ 設備の部品予備品リスト ○ 作業者のスキルマップ 実務で使えるレベルだと質の⾼いデータをどう鮮度⾼く収集するかという仕組み 作りから必要になる 

ExpoでみたフィジカルAIの展⽰ 

AWSのヒューマノイドロボット ExpoでみたフィジカルAIの展⽰ 

製造設備の予兆保全のワークショップを受けて Intelのロボットアーム 1. ⼈間が⾃然⾔語で指⽰ a. 服を掴んで 2. Edge Computerが⾃然⾔語を解 釈して座標計算 Computer(Cloud)に計算を依頼 3. 座標計算 4. Edge Computerがロボットアー ムに指⽰ 5. ロボットアームが動作 

製造現場と⽣成AI、フィジカルAIの今後 

⽣成AI ● 物と情報を可能な限り⼀致させて、質と鮮度が⾼い情報を収集できるような基 盤構築が⼤切 フィジカルAI ● あと2年すれば現場投⼊できるロボットが200万円前後で購⼊できると予測 ○ 可能なタスクは「段ボールを運ぶ」、「台⾞を押す」などの単純なタスクに限られるが製造現 場においては労災回避や夜間のちょっとした作業を頼めるなどのメリットはありそう ● ⼈間と違って経験値を引き継いだり並列化できるので教育コストが⼀気に下が る ● 使⽤する会社と使⽤しない会社で⼈材系問題の格差が広がる ○ ⼈⼿不⾜(数の問題)、後継者不⾜(スキルの問題) 製造現場と⽣成AI、フィジカルAIの今後 

No content