各メーカーにはそれぞれ独自の産業用インテリジェンスがあります。その一部は文書化されており、もう一部は熟練作業者の経験知に依存しています。
熟練したオペレーターが段取り替え後にラインを再稼働させようとしている場面を考えてみましょう。機械の設定も重要ですが、特定の材料がどのように挙動するか、前シフトで何が起きていたか、そして一見些細な変動がいつこそ詳細な確認が必要なのかを把握することも欠かせません。手順書は作業の流れを示すことができますが、その実行を成功に導くのは、経験から得られる判断力と、組織が蓄積してきたノウハウに依存します。
その組み合わせこそが産業インテリジェンスであり、メーカーが蓄積してきたノウハウ、運用上の慣行、生産データ、そして自社事業に対する理解を指します。
今こそ、意思決定が行われるあらゆる場でその知見をさらに活用し、それを製造という物理的世界と結びつける好機です。戦略的な目指すべき先は、単なるエージェントの増強ではなく、既存のビジネスインテリジェンスを収益性の高い成長を牽引するエンジンへと転換することにあります。
個人の知識は組織の優位性へと転換できる
専門知識は、一人の人物や一つのシステム、あるいは一つの工場に留まっている限り、その影響力には限界があります。現在、リーダーたちは、その知識を有用にする文脈を失わせることなく、いかにしてその影響力を拡大するかを模索しなければなりません。
例えば、プロセス変更を評価するエンジニアには、単なる生産記録だけでは不十分です。彼らは、その背後にある状況――設備の構成、品質要件、そしてオペレーターが行ったトレードオフ――を理解する必要があります。これらの要素をつなぎ合わせることで、人々はその経験を発生した現場にとどまらず、広く活用できるようになります。
個々の知識が広くアクセス可能になると、イノベーションは保守作業場、企画室、エンジニアリングチーム、そして生産現場へと広がります。組織が持つ知見を活用できる人が増えるため、より多くの人々が貢献できるようになります。
しかし、知識へのアクセスは機会の一部にすぎません。製造業は究極的には物理的なものであり、素材、機械、そして製品に依存しています。
知能が行動に参加するとき
フィジカルAIとは、物理的な世界において状況を感知し、それらを推論し、行動を取ることができるシステムを指します。機械とプロセスを連携させることで、製造業者は工場現場で何が起きているかをより明確に把握できます。その上でエージェントは、得られた情報を基にパターンを特定し、問題を予測し、最適な対応策を決定することが可能になります。フィジカルAIは、ビジネスインテリジェンスを物理的プロセスの中に取り込み、機械やシステムが変化する状況に迅速に対応できるようにします。
ロボットによるハンドリング工程において、作業ステーションに到着する部品にばらつきが生じる場合を想定してみましょう。ビジョン技術は、システムが部品の位置を評価するのに役立ちます。材料や作業内容に基づいて学習したモデルによって、適切な動作を決定できます。その後、連携された制御システムが、検証済みの許容範囲内で調整を実行します。重要なのは、単にばらつきを認識することではなく、それに応じて適切に対応することです。
同様の原則は品質管理業務にも適用されます。トヨタインダストリーズが従来は分散していた塗装工程のデータを統合したところ、エンジニアリング部門と運用部門のチームは、不良の要因を理解するために必要な文脈を得ることができました。同社によれば、分析サイクルは従来の5日間から4時間未満に短縮され、パイロットプロジェクトでは関連する塗装不良が約25％削減されました。この飛躍的進歩は、単に新たな指標を特定したことではなく、人々が不良発生の原因を理解し、結果が固定される前に適切に対応できるように支援した点にあります。
これは、産業インテリジェンスが不可欠となる状況です。データは現状を明らかにしますが、産業インテリジェンスは、何が起こるべきか、どの制約を破ってはならないか、そして不確実性が人間の判断を必要とするタイミングについての文脈を提供します。
シミュレーションは、設備に実施する前に提案された対策を検証する手段を提供します。メーカーは、デジタル環境において変更がプロセスに与える影響を事前に検討できます。これは物理的な検証の必要性をなくすものではありませんが、生産ラインを最初の実験の場として扱うことなく学習を行う余地を生み出します。
したがって、責任ある展開は運用上の規律から始まります。リーダーは、どのシステムを変更できるかについて明確な権限を定め、設備との信頼性の高い接続を確保し、安全境界を明確に設定するとともに、意思決定と行動の記録を整備する必要があります。人々は不確実性を認識し、適切に介入して設備を安全な状態へと回復できるようにしなければなりません。信頼は、モデルへの単なる信頼ではなく、こうした実務的な取り決めに基づいてこそ築かれるのです。
より高性能なマシン、より優れた人材
製造業は長らく、人間の創意工夫とますます高性能化する工具を組み合わせてきました。フィジカルAIはその関係性をさらに拡張します。知能を備えた設備は、適切な反復作業や体力を要する作業を担い、エージェント支援型の運用は、情報過多な意思決定や変化する状況において人々の判断をサポートします。
目的は、機械をより賢くすることではなく、知識が移動し、知性が行動し、野心が現実となる余地を広げたときに、人々が何を生み出せるかを見ることです。
ロックウェル・オートメーションがその一例を示しています。同社のシンガポール工場では、技術者が製造データ、機械の取扱説明書、そして熟練作業者から得た知見を統合したメンテナンス・コパイロットを活用しています。このシステムにより、新入社員が数百台の機械のトラブルシューティング方法を習得するのに要する期間は、従来の9か月から3か月へと短縮されました。エンジニアは、変更を実施する前に、より多くのプロセス代替案を検討できるようになりました。オペレーターは、同じ例外を繰り返し対処するのではなく、システムの応答性能の向上に寄与できるようになりました。
このような進歩には、設備への投資に加えて人材への投資も必要です。すなわち、研修や習得に要する時間、そしてシステムの運用方法を形作る上で意義ある役割を果たすことです。機械がより高度になることで、人々もより高い能力を発揮できるようになります。
産業インテリジェンスは、持続可能な成長への答えです
産業インテリジェンスは、メーカーが持つ知見――従業員の経験、オペレーションから得られる各種信号、そして長年にわたり蓄積されてきた教訓――をつなぎます。フィジカルAIは、そのインテリジェンスに物理世界で行動する手段を与え、知識を意思決定へ、意思決定を実行へと変えるのです。
産業界が直面する次の課題は、単に生産量を増やすことではなく、複雑さの増加を同じペースで抑えたまま成長を実現することです。インテリジェンスは、製造企業が経験をスケーラブルな能力へと変換し、生産性の向上、イノベーションの加速、生産能力の拡大を実現するとともに、従来は解決が困難だった課題の解決を可能にするのに役立ちます。
産業の次のフロンティアは、よりスマートな機械やより自動化された工場ではなく、継続的に学び、適応し、行動できる企業です。その機会とは、あらゆる業務に組み込まれた知能を、成長に向けた複利的な優位性へと変えることです。
動画シリーズをご覧いただき、産業のお客様がバリューチェーン全体でインテリジェンスをどのように活用しているかをご確認ください。また、Microsoft Ignite では、産業向けインテリジェンスの今後の展望をご体験いただけます。
このコンテンツはマイクロソフトによって作成されました。MITテクノロジー・レビューの編集部が執筆したものではありません。