AIエージェントとPhysical AIが拓く製造業の変革（ハノーバーメッセリキャップ）

Transcript

1. 1 AIエージェントとPhysical AIが拓く 製造業の変革 - Hannover Messe 2026 recap - 堀 正義 // Sr. Industry Advisor - Manufacturing & Mobility June 18th , 2026 AI×IoTビジネス共創ラボ 10周年記念勉強会
2. 2 Agenda フロンティア組織への変革と 製造業におけるAI活用 製造業におけるAI活用事例のご紹介 - Hannover Messe 2026 - まとめと今後に向けた示唆
3. 3 フロンティア組織への変革と製造業におけるAI活用
4. 4 仕様分析の労力を 80%削減 投資収益率は4倍 コストを65% 削減しました 問い合わせ処理速度 が50%速くなる 従業員1人あたり 月額5.6時間 の節約 データ展開速度を 98%向上 データ分析 の民主化 再訪問の 50%減少 87% の組織がAIエージェント が能力拡大に 役立つと確信しています カスタマーサービスのワークフ か月ローを自動化し、 6で£1.65Mを節約 組織オンボーディングが 90%減少 700の生成AI ユースケースを特定 40%の 時間短縮を実現 1万時間 の手動作業を節約 生産性が30%向上 レイテンシーを 89%以上削減 顧客との会話で 95%の正確性 生産性向上 10倍 運用と保守費で 35%の節約 仕様の品質が 25%向上 プログラミング 時間を80%短縮 機械の利用率 30%向上 20倍の構成縮小 データ配信と解析速度 を10倍高速化 サポートエージェントの 生産性15%向上
5. 5 AIの革新的な進歩により、様々な業務が「AIネイティブ」に変革されていく Assistants すべての従業員が 自分の業務を理解した AIに支援される Collaborators すべてのチームが 自律的に業務を遂行す るAIエージェントと 協働する Orchestrators 組織全体で AIエージェントが連動しな がら業務遂行を行い、 人は監督・管理を行う Phase 1 Phase 2 Phase 3
6. 6 AIは産業の競争領域を再定義し、AIエージェントを前提としたインテリジェントな企業への進化を可能にします 製造業はいま「レガシー」から「フロンティア」への移行期にある あらゆる側面でAIエージェントを前提とした業務への変革が必要 これまでのビジネス 移り変わる風景 新たなフロンティア 接続された顧客接点とデータ 制御を前提とした設計 サイロ化・分断されたデータ AIとの協働を前提とした設計 クラウドネイティブな製品プラットフォーム 階層型オペレーション 人とAIエージェントのチームワーク 循環型・持続可能な製造 リアクティブな業務フロー AIによるリアルタイムなアクション誘導 レジリエントな地域別の サプライチェーン 手作業中心のプロセス マルチエージェント・オーケストレーション リアルタイム統合データに基づく意思決定 AI活用の製品開発
7. 7 製造業におけるAI活用事例のご紹介 - Hannover Messe 2026 -
8. 8 HMI2026 マイクロソフト ブース テーマ Industrial Intelligence Unlocked 製造業のさらなるAI活用に向けて 製品開発をより速く・賢く AIで進化する 工場・プラント運営 人とAIエージェントが協働 する現場へ サプライチェーンを リアルタイムに最適化 エンジニアリング、製造、品質、 サービスのデータをつなぎ、より良 い製品をより早く市場へ届ける 生産計画、品質、設備、ロボッ トをAIで最適化し、現場のス ループットと柔軟性を高める 現場の知識・手順・履歴をAIが 即座に活用し、問題解決と意 思決定を支援する 需要、在庫、コスト、供給リスク の変化を捉え、サプライヤー・設 備・業務を横断して調整する Redefine product lifecycle intelligence Run AI–powered factories Build trust across human– agent team Orchestrate agentic supply chains
9. 9 Microsoftが考える産業AIの重点テーマ（HMI 2026） Industrial Intelligence Unlocked 製造業のさらなるAI活用に向けて AI Agent など最新AI技術を活用した フロンティア組織への変貌を求めている 設計、生産、サプライチェーン、営業・マーケティング、保守などの業務システムを結び付け、 業務に従事する人々の仕事でのやり取りをも結びつけた製造業の知見を活かす基盤 OTとITをつなぐハイブリッド 基盤環境 OT x IT x 人の 知識・知見の活用 Adaptive Cloud + Foundry Local AIエージェント Intelligent Layer Work IQ/ Fabric IQ/ Foundry IQ AI Foundry (+ Agent 365)
10. 10 HMI2026 Recap マイクロソフト ブースでのハイライト ケース
11. 11 設計から製造までをエージェントが連携支援 ➢ 設計：CADデータからCNC加工プログラムを自動生成・展開 (Siemens) ➢ 生産オペレーション自動化：生産指示に基づき、ロボット（Kuka/Hexagon） が搬送・Pick & Place・外観検査を実行 ➢ 状況監視・管理：稼働状況やエラー情報をクラウドに集約し、AIが原因分析と 対応を支援 ロボット制御を学習・最適化させる仕組み ➢ 初期学習：熟練者の操作や既存プログラムをもとに学習（模倣学習） ➢ 仮想空間：NVIDIA Isaac Lab / Simでシミュレーション・強化学習 ➢ 稼働後：個体差・経年変化・環境変化に応じて継続的に継続学習・補正 生産 Hexagon AEON 稼働状況ダッシュボード CNC加工 監視・制御を支える仕組み：クラウド上での一元管理と「コンテキスト化」 ➢ Adaptive Cloudにより、エッジ機器・ロボット・設備・クラウドを一元管理 ➢ 品質・生産・設備データをコンテキストと組み合わせ、AIが状況を理解・判断 ➢ エッジ：Azure IoT Operations / Foundry Local ➢ クラウド：Fabric Real-Time Intelligence / Foundry 展示風景 Microsoft Factory of the Future Hero Demo – Microsoft
12. 12 Hero Demo – Microsoft エッジ×クラウドの統合管理 Foundry Local と Azure IoT Operationsで、 ロボット・設備・AIモデル・データを 現場からクラウドまで 一元管理 Key Point 1 ロボット制御の学習・最適化 NVIDIA環境とAzure Foundry を組み合わせ、模倣学習・シミュ レーション・強化学習でロボットの 動作を継続的に改善 稼働データのリアルタイム可視化 Fabric Real-Time Intelligence とFabric IQで、稼働状況・品 質・異常データをリアルタイムに 把握 AIエージェントによる原因分析・ 対応支援 TeamsやIntelligent Layerから、 現場状況の確認、トラブル原因 の把握、対応候補の提示までを 支援 Key Point 2 Key Point 3 Key Point 4 生産
13. 13 Edge Arc-enabled Kubernetes Cloud Physical Assets Microsoft Fabric Real-Time Intelligence Telemetry Eventstream Telemetry Eventhouse Fabric Jobs Telemetry Normalizer Video Cataloging NVIDIA OSMO IL Training RL Training Isaac Lab OneLake Sim / Test Eventstream Sim / Test Eventhouse GitOps Model Deployment AI Foundry Azure ML OpenUSD SIL Evaluation Isaac Sim HIL Evaluation Model Registry AKS Microsoft Entra ID RTX PRO 6000 (EA) Synthetic Data Generation Cosmos VLA Training Fine Tuning Azure IoT Operations Workloads Operations Real-Time Dashboard NVIDIA Omniverse GROOT Physical AI Developer GitHub Copilot Hero Demo – Microsoft 生産 Reference Architecture for Training Physical Intelligent GitHub - microsoft/physical-ai-toolchain · GitHub
14. 14 • メンテナンス、生産フロー、例外対応をリアルタイムで調整する物理AIに より、プラントの信頼性とスループットを向上させます。 • スケジューリング、ラインパフォーマンス、復旧の意思決定を最適化し、運 用コンテキストを早期にループに取り入れましょう。 • 労働、資産、品質、エネルギーシステム全体で自己最適化の運用を通 じて混乱を減らし、レジリエンスを向上させます。 AI エージェントと協同した工場運営 ペルソナ：工場スーパーバイザー 効率的な生産、安全な運用、品質、 資産最適化に責任を持ちます。 情報収集から実行指示までをCopilot上で統合し、停止時間の削 減、段取り替えの確実化、安全・品質リスクの早期対応を実現する。 運用・AI現場活用 Hero Demo – Microsoft
16. 16 AIエージェントが工場データを“意味ある文脈”として利用 固有の文脈を理解 データモデルは固有の製造設備に基づいて構築。 工場固有の略称を認識し、「ライン3」「マシンB17」などの現 場用語を設備・工程・センサーに正しくひも付ける。 設備・工程・履歴を横断して真因を特定 製造オントロジーに基づいて、OEE、停止履歴、品質異常、 保全履歴をつなぎ、低下要因を特定する 改善アクションまで導く 点検、条件調整、部品交換、保全優先順位変更など次 の打ち手を提示。内容に応じてアクションまで実施。 0 1 2 3 4 1 2 3 4 Scrap amount Time OEE for machine 2 in line 3 昨日、ライン3のOEEが低下しているみた い。何が起きていて、どこから手を打つべ き？ ライン3のOEE低下について調査します。 ・・・ ライン3配下のマシンと関連工程を特定し、履歴 データを参照した結果、マシン2の処理速度低下 が主要因と判断されます。 以下はその分析です。マシン2 における性能低下傾向を確 認しました。 関連する保全履歴、異常ログ、 設定変更を分析し、保全担 当者に確認を依頼します・・・ 設備・ライン・工程・品質・保全履歴を工場固有の文脈でつなぐことで、原因特定から改善提案まで一貫して支援できる 運用・AI現場活用 Hero Demo – Microsoft
17. 17 従業員の働き方を 理解する Microsoft IQ 固有業務プロセスを 理解する 内部・信頼できる 業務ナレッジを活用する 人が主導 自律的に実行 Agents People 組織の知見を、人とAIエージェントの力に変える Work IQ Foundry IQ Fabric IQ 運用・AI現場活用 Hero Demo – Microsoft
18. 18 Hero Demo – Microsoft Industrial assets Agent Execution Console Operations Control Surface (agent in Teams) Copilot Studio – Operational Guidance AI Foundry Eventhouse Eventstream OneLake Fabric IQ Microsoft Fabric Real-Time Intelligence Activator Edge Cloud M365 Copilot – Planning & Coordination Work IQ 2 Digital Twin Builder MLOps RTI Real-Time Dashboard 6 5 3 4 Fabric Data Agent Foundry IQ Agent Services Agent Framework Azure Storage 8 Coordination & Dispatch Agent Fleet Orchestrat ion Agent 7 9 Arc-enabled Kubernetes Azure IoT Operations Operational Systems (3P) (MES, EAM, CMMS, ERP, QMS, OT platforms) SCADA / BMS Identity, Security & Governance Entra ID | Purview | Platform Governance Operator Planner Plant Manager 1 Robot & Fleet Execution - Robot controllers (ABB, KUKA, etc.) - AMR fleet managers - PLC / OT execution endpoints - Skill execution interfaces Physical Operation s Agent Simulation, training, and validation loop Reference Architecture for Operationalizing Physical Intelligence 運用・AI現場活用
19. 19 AIエージェントで実現する保守サービスの効率化 - TK Elevator 「Digital Native Elevator」を起点に、グローバルなIoTデータと業務知見をAIエージェントで結び、Reactive な保守から Proactive な保守へ。 01 Digital Native Elevator 提供価値の向上 電力消費 最大 −28% カメラ・各種センサーを活用したエコ運転 安全性の向上 子供・車いす等を検知しドア開閉スピードを自動調整 Reactive → Proactive ユーザー定義のイベント発生時にエージェントへ発信 02 Global データ基盤 IoT・サービス履歴・企業内データの文脈化 10年超のIoTデータを活用 膨大なエレベータ運行データを一元管理 セマンティック(知識)層 Databricks 上に関連性と属性を整理した知識層を 構築 部門横断の暗黙知連携 サービス／設計・施工／管理の知見をシームレスに統 合 03 5 つの AI エージェント Human in the Loop 型の業務支援 Profiler / Aggregator / Dispatcher 状況把握とタスクの割当を自動化 Coach / De-briefer 現場技術者を支援し、ナレッジを蓄積・洗練 Digital Operation Center 膨大なデータを現場で活きる知見へ変換、最終判断 は人 K e y T a k e a w a y IoT × 企業内ナレッジ × AIエージェントの組み合わせにより、保守は「故障対応」から「価値創出」へ。 人間が最終判断を担う Human-in-the-Loop で、業務ナレッジを継続的に磨き続ける運用モデルを実装。 Hero Demo – TK Elevator 運用・AI現場活用
20. 20 5つのAIエージェントと人が連携する新たな保守サービスのプロセス AI AIエージェント ─ 分析・集約・提案・支援 人 人 (技術者・オペレーター) ─ 判断・実行・承認 ※ 最終判断は常に人 I N P U T IoT・センサー イベント発信 画像認識 運行データ ユーザー定義イベント 1 Profiler 状況把握 AI 現場・機器の状態 を分析し 課題の特徴を抽出 人 異常の重大度・優 先度を 確認し対応要否を 判断 2 Aggregator 知見集約 AI 過去事例・暗黙 知・ 関連データを集約・ 文脈化 人 集約結果をレビュー し 不足情報を補足 3 Dispatcher 割当 AI 最適な技術者と 対応プランを提案 人 割当案を確認・承 認 顧客調整は人が実 施 4 Coach 現場支援 AI 手順・参考事例を リアルタイムで提示 人 現場での最終判断 と 実作業の遂行 5 De-briefer ナレッジ蓄積 AI 対応内容を整理し 知識ベース更新案 を生成 人 更新案を検証し ナレッジを承認・公 開 F O U N D A T I O N グローバル統合データ基盤 ＋ セマンティック(知識)層 IoT 運行データ 10年超の蓄積データを一元管理 サービス履歴・図面・仕様 設計・施工・管理の文書を関連付け 現場の暗黙知 ベテランの判断・対応知見を構造化 提 供 価 値 / O U T C O M E 予知保全 故障前に部品交換・調整を実施 現場の即応支援 ベテラン知見を全技術者で共有 危険回避 事故・ダウンタイムの未然防止 ナレッジ循環 対応のたびに知識層が成長 Hero Demo – TK Elevator 運用・AI現場活用
21. 21 AIエージェントが設備状態を常時監視し、異常を未然に防止 ➢ エネルギー・プロセス製造産業では、安全性・信頼性への要求が高く、停止コス トも大きい ➢ 狙い：運用効率、信頼性、エネルギー効率の向上 – 設備状態監視 ー 不具合の未然防止 ー 運用効率向上 – エネルギー効率向上 ー CO2排出量最適化 ーエンジニア支援 ➢ ABBの140年の経験・ノウハウに基づき、製品として提供中 Genix Industrial IoT & AI Suite と Genix Copilot ➢ IoTデータ、保全履歴、設計図書などをAzure上のGenix AIプラットフォーム に統合 ➢ AIエージェントが、原因分析・対応策の立案・エンジニア作業を支援 ➢ 最終判断は人が行う Human in the Loop により、安全性と説明責任を 担保 定量効果の例 ➢ データセンターの運用効率を 25%向上 ➢ セメント工場のエネルギー使用量を 15〜18%削減 ➢ 原因分析にかかる時間を 60〜80%短縮 プラント運用の意思決定の質とスピードの革新 設備状態の監視とエンジニア作業支援 ガスクロマトメーター Genix Copilot Hero Demo – ABB 運用・AI現場活用
22. 22 製造リアルタイムインテリジェンスの活用 豊田自動織機 様 長草工場 Booth Session – 豊田自動織機 運用・AI現場活用 出典: Microsoft Customer Stories — Toyota Industries (microsoft.com) 課題 ➢ 従来型IoTの部分最適の分析では、未知の不良要因を見つけにくい ➢ データが分断され、相関関係の把握や事後分析に時間がかかる ➢ 担当者ごとに必要なデータが異なり、活用が進みにくい ➢ データ整備に時間がかかり、AI活用につながりにくい Sight Machine × Microsoft の取り組み ➢ 製造データを統合・標準化し、工程・設備・品質情報を意味付け ➢ 現場データをリアルタイムに可視化し、誰もが活用できる状態へ ➢ データに基づく改善活動を推進し、品質課題の早期発見・対策を支援 ➢ AI Agentsにより、分析準備・要因探索・復旧作業の効率化を目指した 効果 ➢ 分析前のデータ準備時間を 約80%削減 ➢ 不良発生から対策までのリードタイムを 約1/4に短縮 ➢ 復旧作業時間を 最大1/2に短縮可能 ➢ 冬季のCO2排出量を 約18%削減見込み（バンパー塗装工程）
23. 23 設計BOMの再利用時に、AIエージェントが影響範囲を分析し、開発を高速化 (Aras Innovator Edge AI/ Variant BOM Agent) Partner Solution – Aras 設計 Variant BOM AgentによるBOM流用・変更分析 ➢ 既存BOMを再利用して新仕様BOMを作成する際の影響を自 動分析 ➢ 変更が必要な部品、影響範囲、制約条件や不整合を提示 ➢ ドイツSICK社の事例では、ビジョンセンサーの仕様変更(5M Picの 処理画像を 12M Pic)に伴うBOM影響分析を紹介 期待効果 ➢ 従来、人手で確認していたBOM差分・依存関係・実現可否の 確認を短縮 ➢ 設計変更時の手戻りや見落としを削減 ➢ BOM再利用による新製品開発のスピード向上に貢献 エージェント型PLMフレームワーク：Aras Innovator Edge AI ➢ PLM業務にAIエージェントを組み込むためのフレームワークを提供 ➢ Aras InnovatorのSaaSユーザーが利用可能 ➢ 設計変更、BOM分析、影響範囲確認などの業務を支援
24. 24 PLM内の類似図面をAIが検索し、重複設計を削減 (Celebal Technologies – Drawing Match AI) Partner Solution – Celebal Technologies 設計 設計者の判断をAIが支援 ➢ 再利用候補、在庫、サプライヤー、リードタイム、コストを提示 ➢ 既存部品を使えるかを設計段階で即座に確認 ➢ 図面検索・比較・確認作業を効率化 期待効果 ➢ 重複する図面作成や部品設計を削減 ➢ 既存資産の再利用を促進 ➢ 設計スピード向上とコスト削減に貢献 図面照合AIによる既存図面の再利用支援 ➢ 新規作成前に、既存の類似図面・部品をAIが検索 ➢ 複数PLMやファイルサーバーに分散した図面も横断的に探索 ➢ 図面から属性情報を抽出し、検索・再利用しやすい形で管理
25. 25 まとめと今後に向けた示唆
26. 26 AIエージェント × AI Ready Data Platform × Edge/Cloud連携で、製造業変革を次の段階へ 自律実行・現場データ／デジタルツイン・ガバナンスを一体で進めることが次の変革を加速する 01 AIを「補助」から「実行」へ 人を支援するAIから、業務を前 に進めるAIへ AIは単なるツールではなく、業務プロ セスに組み込まれ、判断・実行・完 了までを支える存在へ進化。 Physical AIとの連携によりその影響 と重要性が増しています。 02 自社資産をAIの力に データ、文脈、デジタルツインを つなぐ 企業固有の業務知識、現場データ、 3D／デジタルツインを活用すること で、他社が模倣しにくいAI活用が 可能になります。 03 安全に広げる基盤を整える 適用拡大とガバナンスは 車の両輪 AIを全社・現場へ広げるには、セ キュリティ、権限管理、監査、ポリ シーを実装と一体で設計することが 重要です。
27. 27 Thank you 堀 正義 // Sr. Industry Advisor - Manufacturing & Mobility June 18th , 2026