運用向けAI
分析とKPI
コネクテッド・ワーカー

AIを活用した製造最適化の新たな潮流(動画)

Mike McKay

AI Summary

Operations Calling 2025 showcased how modern manufacturing depends on open ecosystems, with dozens of partners demonstrating integrated AI, hardware, and software solutions. The event emphasized that collaboration and interoperability—not single all-in-one systems—are key to scalable, future-ready operations.

ソフトウェアエンジニアは、コードに潜む問題を見つけるために、何十年もの間、デバッガーやプロファイラーを活用してきました。しかし、製造現場では、工程が停止したり遅延したりした場合、頼れるのはストップウォッチとクリップボードだけという状況がしばしばあります。

『Humans in the Loop』の最新エピソードでは、Tulip の共同創業者であるロニー・クバット氏とAIプロダクトリードのマーク・ワタベ氏が、CMOのマディ・カスティージョ氏と対談し、この状況がどのように変化しつつあるかを探ります。

建築、映画、ソフトウェア工学といった幅広い分野の知見を活かし、チームは「物理的観測可能性(Physical Observability)」 の台頭について議論しています。これは 、ビジョン言語モデル(VLM)を用いて、工場の物理的な世界をまるでコードのように「プロファイリング」し、受動的な保存媒体に過ぎなかった動画を、継続的な改善のための能動的なツールへと変えるものです。

以下のリンクから全編をご覧ください:

文脈のギャップ:おばあちゃんのために料理をする場合とテレビの場合

文脈のないデータは単なるノイズに過ぎない。その理由を説明するため、マークとロニーは誰もが理解できる例え、すなわち「料理」を挙げる。

祖母の100歳の誕生日に食事を作る場合、その過程は「気配り」「伝統」、そしておそらく「ゆったりとしたペース」によって特徴づけられます。一方、生放送の料理コンテストでまったく同じ料理を作る場合、その過程は「スピード」「パフォーマンス」、そして「ストレス」によって特徴づけられます。

コンロに取り付けられた単純な温度センサーなら、どちらの状況でも350°Fと表示されるでしょう。その違いを見分けることはできません。しかし、実際の動作状況はまったく異なります。

「建築家は、人間規模という厄介なスケールに取り組んでいる……。LLMについても同じことが言える。私たちは無限の文脈を望んでいるが、そんなものは存在しない。AIがどこへ向かえばよいかを把握できるよう、参照用の文脈を設計しなければならない。」— マーク・ワタベ

製造現場では、この「コンテキストのギャップ」にしばしば悩まされています。センサーデータ(機械が稼働していること)は得られていますが、人間に関するコンテキスト(誰が操作しているのか、なぜ苦労しているのか、周囲の状況はどうなっているのか)が欠けています。このギャップを埋めるには、全体像を把握できる新しいタイプのセンサーが必要です。

「物理的観測可能性」を入力してください

ロニーは、「ソフトウェアプロファイラ」という概念を紹介しています。これは、プログラムの実行状況を監視し、コードのどの部分が処理が遅くなったり、エラーが発生したりしているかを正確に特定するツールです。

工場現場においては、「物理的可視化」がこれに相当します。これは単に映像を記録するだけでなく、AIを活用して映像内の動作を理解することを意味します。

ビジョン言語モデル(VLMs)の台頭により、製造業者は現在、自社の映像フィードに対して「クエリ」を実行できるようになりました。人間が8時間分の映像を1コマずつ巻き戻して詰まり箇所を探す代わりに、エージェントに「シフトAでフォークリフトが通路を塞いだ場面をすべて表示して」と依頼することができるようになったのです。

これにより、業務責任者は、ソフトウェアエンジニアがコードをデバッグするのと同じ精度で、自社の物理的なプロセスを「デバッグ」することができるようになります。

監視から支援へ:「逆立ち」という比喩

現場にカメラを設置することに対するよくある反論は、「ビッグ・ブラザー」への懸念、つまり映像が労働者を懲罰するために利用されるのではないかという恐れです。マークは、逆立ちを覚えるという個人的な例えを用いて、この通説を覆します。

逆立ちを習得したいなら、最も役立つ道具はカメラです。自分を撮影するのは、他人に評価してもらうためではなく、自分では感じ取れない点を確認するためです――背中が反りすぎていないか? ひじは曲がっているか?

これこそが「人間中心のAI」の中核です。「物理的観測可能性」を正しく活用すれば、作業員に作業台に適応するよう強いるのではなく、作業台を作業員に合わせて調整することができます。これにより、人間工学的に不適切な箇所、手が届かない場所にある工具、そして作業工程が人間の動作を妨げている箇所を特定し、個人ごとにワークフローを大規模にカスタマイズすることが可能になります。

「人間第一」のAIを活用し、連携型運用プラットフォームで生産性を向上させる

各メーカーが「Tulip 」を活用して、現場のデータをリアルタイムで収集し、ワークフローを標準化するとともに、品質、スループット、意思決定の向上に不可欠なAIシステムの運用基盤をどのように構築しているかをご覧ください。

バーチャルでインタラクティブな製品ツアーを体験しましょう
「ある一日」のイラスト