生成AIが製造上の課題に対処する4つの方法
製造業は不利な立場にあります。コスト圧力、サプライチェーンの不安定性、3DプリンティングやIoTのような破壊的テクノロジーの荒波に常に直面しています。業界は絶えずプロセスを最適化し、効率を改善し、全体の設備の有効性を向上させなければなりません。
同時に、サステナビリティーとエネルギー転換の大きな波が押し寄せています。製造業者は、カーボンフットプリントを削減し、循環型経済慣行を採用し、一般的に環境に優しくなるよう求められています。
そしてメーカーは、安定性と安全性を確保しながら、常に革新を続けるというプレッシャーに直面している。マーケティング・キャンペーンにおける不正確なAI予測は軽微な問題ですが、製造現場では不正確なAI予測は致命的となる可能性があります。
メーカーにとってテクノロジーと混乱は目新しいものではありませんが、最大の問題は、理論的にはうまく機能することが、実際には失敗することが多いということです。たとえば、メーカーとして私たちは知識ベースを作成しますが、コンテンツの検索と閲覧に何時間も費やさなければ、誰も何も見つけることはできません。あるいは、データレイクを作っても、すぐにデータ沼に堕落してしまいます。あるいは、アプリケーションを追加し続けるので、技術的負債は増え続けます。しかし、長年かけて開発されたロジックがそこに隠されているため、アプリケーションを近代化することができないのです。
では、最も注目を集めている機能やユースケースをいくつか見ていきましょう。
1.要約
要約は、依然として生成AI（gen AI）技術の最重要ユースケースです。検索やマルチモーダルなインタラクションと組み合わせることで、生成AIは優れたアシスタントになります。メーカーはさまざまな方法で要約を使用します。
オペレーターが、操作マニュアル、SOP、ログブック、過去のインシデントなどの膨大なレポジトリから正しい情報を迅速かつ効果的に取り出すための、より良い方法を設計するために、この技術を使用することができます。これにより、従業員は自分のタスクに集中し、不必要な遅延なく進捗を図ることができます。
IBMは、これを実現するため、製造業に特化したAIアクセラレーターを開発しました。さらに、これらのアクセラレーターは、さまざまなクラウドAIサービスと事前に統合されており、ドメインに最適なLLM（大規模言語モデル）を推奨します。
要約はまた、過酷な運用環境にも役立ちます。機械や設備が故障した場合、メンテナンス・エンジニアは、保守マニュアルとプロセス・パラメーターの分析に基づいて、生成AIを使って問題を迅速に診断することができます。
2.文脈データの理解
データシステムは、製造業においてしばしば大きな問題を引き起こします。多くの場合、それらは異種で、サイロ化され、マルチモーダルです。これらのシステムのナレッジグラフを作成するためのさまざまな取り組みは、レガシーの深さ、不完全なドキュメンテーション、数十年にわたって発生した技術的負債のために、部分的にしか成功していません。
IBMは、生成AIを使用して、コンテキスト化された産業データから新しい洞察を引き出し、データ駆動型の意思決定を加速する、AIを活用した知識発見システムを開発しました。IBMはまた、産業領域において、コンテキストを考慮した機能エンジニアリングのためのアクセラレーターを開発しました。これにより、プロセスの状態（正常・異常）をリアルタイムで可視化し、頻繁に発生するプロセスの障害を軽減し、ゴールデン・バッチを検知して予測します。
IBMは、意図検知とマルチモーダル・インタラクションによる要約とコンテキスト・データ理解を使用する労働力アドバイザーを開発しました。オペレーターやプラント・エンジニアは、これを使って問題箇所を素早く特定することができます。ユーザーは音声、テキスト、指差しで質問することができ、生成AIアドバイザーは文脈を認識しながらそれを処理し、回答を提供します。これにより、根本原因分析を迅速に行うことができるため、ユーザーの認知的負担が軽減され、時間と労力が削減されます。
3.コーディング支援
生成AIは、コードのドキュメンテーション、コードのモダナイゼーション、コーディング開発などのコーディング業務も支援します。生成AIがITのモダナイゼーションにどのように役立つかを示す例として、Water Corporation社のユースケースを考えてみましょう。Water Corporationは、クラウドベースのSAPインフラストラクチャーへの移行を支援するために、IBMの生成AI機能を活用したWatson Code Assistantを採用しました
このツールにより、自然言語インプットに基づいてAIが生成した推奨事項を使用してコード開発が加速され、デプロイメント時間と手作業が大幅に削減されました。With Watson Code Assistantにより、Water Corporationは、コードの品質と透明性を維持しながら、開発労力および関連コストを30% 削減しました。
4. 資産管理
生成AIは資産管理を一変させる力を持っています。
生成AIは資産の基盤モデルを作成することができます。同じプロセスで複数のKPIを予測しなければならない場合、あるいは同じような資産の集合がある場合。資産の基盤モデルを１つ開発し、それを何度もファイン・チューニングする方が良いでしょう。
生成AIは予知保全のためのトレーニングもできます。故障データが乏しい場合、基盤モデルは非常に便利です。従来のAIモデルは、妥当な精度を出すために多くのラベルを必要としていました。しかし、基盤モデルでは、ラベルを使用せずにモデルを事前トレーニングし、制限されたラベルを使用してファイン・チューニングすることができます。
生成AIは技術者のサポートやトレーニングを提供することもできます。メーカーは、生成AIテクノロジーを利用して、オペレーターと技術者のためのトレーニング・シミュレーターを作成できます。さらに、修理プロセスにおいて、生成AIテクノロジーはガイダンスを提供し、最適な修理手順を生成することができます。
IBMは、生成AIテクノロジーがもたらす俊敏性、柔軟性、拡張性により、製造業界におけるデジタル化の取り組みが大幅に加速すると考えています。
生成AIは、ビジネスの戦略的中核において企業に力を与えます。2年以内に、エンタープライズ環境におけるAIの約3分の1を基盤モデルが担うようになります。
基盤モデルを適用したIBMの初期の研究では、価値実現までの時間は従来のAIアプローチよりも最大70％早くなっている。生成AIは、他のAIやアナリティクス技術をより消費可能なものにし、製造企業が投資の価値を実感できるようにします。