データ基盤・MES連携

MES連携

MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由

センサの時系列は「どのロット・品番・工程のデータか」が分からないとAIに使えません。その文脈を持つのがMESです。MESがAIに果たす3つの役割（ラベルの供給元・紐付けのキー・結果の出口）と、紐付け設計の具体例を示します。

最終更新 2026年10月12日・約8分 データ基盤

製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造

PoCで精度が出た製造業AIが本番で止まる原因の多くは、モデルではなくデータの文脈欠落・MES連携・運用体制の側にあります。McKinsey調査で障壁の上位は人材69%・ROI61%。止まる7つの理由を入口・出口・運用に分けて示します。

最終更新 2026年10月12日・約10分 データ基盤

データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ

製造業のデータ基盤は、KPI決定→タグ棚卸し→収集→MES連携→蓄積→MLOps→セキュリティ→結果の戻し、の8段階で進めます。最初のユースケースに必要な範囲だけを各段階で作り、2つ目以降で再利用できる共通部分を残すのが、PoC止まりを避ける進め方です。

最終更新 2026年10月12日・約9分 データ基盤

製造データ品質の10の問題：時刻ずれ・欠損・単位不統一をAI投入前に潰す方法

製造データには、タグ不統一・時刻ずれ・欠損・圧縮による損失・ラベル揺れなど10の典型的な品質問題があります。IPA「DX動向2026」でもデータ標準化の難しさを挙げた企業は36.8%。各問題の検出ルールと、品質ルールを基盤側に実装する方法を示します。

最終更新 2026年10月12日・約8分 データ基盤

ISA-95とAI：L0〜L4の階層ごとにAIの置き場所とデータの流れを整理する

ISA-95（IEC 62264）のL0〜L4の階層ごとに、置くべきAIと求められる応答時間・責任範囲を整理します。L2はサブ秒のリアルタイム推論、L3は秒〜日単位の品質・保全判断、L4は計画最適化。階層をまたぐデータの流れと設計上の注意点を示します。

最終更新 2026年10月12日・約7分 PoC

PoC死（パイロット煉獄）の実態：McKinsey・WEF調査で見る「7割がスケールしない」理由

WEFは2020年、インテリジェント工場の取り組みの74%がパイロット段階にとどまると報告しました。McKinsey調査でも全社展開できた企業は約30%です。各調査の数字と定義の違い、抜け出した企業が共通して行った横展開コストの見積もりとデータ基盤の共通化を整理します。

最終更新 2026年10月12日・約11分 データ基盤

産業データ基盤6製品の比較：Fabric・AWS・Google・Cognite・AVEVA・Litmus

Fabric、AWS IoT SiteWise、Google Cloud MDE、Cognite、AVEVA CONNECT、Litmusの6製品を、収集・文脈付与・保存・AI接続の4層で同じ軸に並べます。1製品で全層は賄えない前提で、組合せ方と確認点を示します。

最終更新 2026年10月12日・約12分 MES連携

AI学習に使えるMESデータ一覧：実績・停止理由・品質判定・作業者など8種類

MESに記録される8種類のデータ（作業指示、生産実績、停止理由、品質判定、検査測定値、設備状態、作業者、材料ロット）と、それぞれが使えるAI用途の対応表です。停止理由コードと品質判定の粒度がそのまま精度に効く理由と、確認方法を示します。

最終更新 2026年10月12日・約7分 データ基盤

工場向けMLOps：モデルの版をロットのトレーサビリティに記録する運用設計

工場のMLOpsで一般的なMLOpsと違うのは、どのモデル・閾値で判定したかをロット履歴に残す要件です。特徴量・モデル・閾値の版管理、シャドー運用からの切替、MESへの判定記録など、品質監査に耐える運用設計を5項目で示します。

最終更新 2026年10月12日・約7分 中小製造業

中小製造業の設備データの集め方：古い設備から少額で稼働を取る5つの方法

MESを入れる前でも、古い設備から稼働データは取れます。積層灯の信号、電流センサ、カメラでのメーター読取、PLCへの直結、タブレットでの実績入力の5つの方法を、取れるデータ・向く設備・注意点で比較し、最初の1台から始める手順を示します。

最終更新 2026年10月12日・約8分 データ基盤

Unified Namespace（UNS）とは：工場データを1か所で購読するアーキテクチャの要点

UNSは工場の設備・MES・ERPのデータをISA-95階層の名前空間に集め、必要なシステムが1か所から購読する構成です。ポイント・ツー・ポイント接続を置き換える一方、履歴保存やトランザクションの正本はUNSの役割ではありません。AIでの使い方と限界を示します。

最終更新 2026年10月12日・約8分 データ基盤

製造業のデータレイク・レイクハウス：ブロンズ・シルバー・ゴールド3層の設計

レイクハウスはオープンな形式のデータの上にDWHの管理機能と機械学習の支援を組み合わせた構成です。製造業ではシルバー層でISA-95の文脈（ロット・品番・設備）を付与するのが固有の設計です。3層それぞれに置くデータ、品質ルール、AIとの接続を具体例で示します。

最終更新 2026年10月12日・約9分 データ基盤

製造業データ基盤の費用：収集・蓄積・連携・運用の4区分で見る相場と試算方法

製造業のデータ基盤の費用は、収集・蓄積・連携・運用の4区分で見積もると漏れが減ります。大きいのは初期の設備接続とMES連携の開発、毎年の運用人件費で、クラウドの利用料は思ったより小さいことが多い。ライン数に比例する費用と比例しない費用を分けて試算します。

最終更新 2026年10月12日・約8分 IoT・エッジ

エッジAIとは：工場で推論をエッジに置く4つの理由とJetson等の機器選定

工場で推論をエッジに置く理由は、遅延・帯域・可用性・機密性の4つです。Jetson Orinの性能（最大275 TOPS、NVIDIA公表）やCPU推論の選択肢を整理し、導入後に問題になる多数台のモデル配布・版管理・監視の設計まで示します。

最終更新 2026年10月12日・約8分 IoT・エッジ

OPC UAとは：AI活用で「通信規格」より「情報モデル」が効く3つの理由

OPC UAの価値は通信より、型・階層・単位・意味を持てる情報モデルにあります。コンパニオン仕様で同じ型の設備を同じ構造で取れると、AIの横展開が速くなります。2026年4月にOPC Foundationが発表した430超の仕様のAI-ready化も含め、AI活用の観点で要点を示します。

最終更新 2026年10月12日・約8分 MES連携

トレーサビリティ×AI：ロット・シリアル履歴があると品質AIで何ができるか

ロット・シリアル単位の製造履歴があると、品質AIで不良の要因分析、影響範囲の特定、リコール範囲の最小化の3つができるようになります。前提は工程ごとに部材ロット・設備・条件・検査結果が紐付いていることで、その紐付けの粒度がAIの精度の上限を決めます。

最終更新 2026年10月12日・約7分 MES連携

AIの推論結果をMESに書き戻す：ホールド・作業指示・アンドンにつなぐ3つの設計

AIの判定を画面で見るだけでは工程は変わりません。MESのロットホールド、再検査・作業指示、アンドン表示の3つに推論結果をつなぐ設計パターンと、書き戻すデータ項目、誤判定時の解除手順、モデル版数の記録方法を実装の観点から示します。

最終更新 2026年10月12日・約7分 データ基盤

生成AIを工場データにつなぐ前提条件：MES・ヒストリアンを「AIが読める」形にする4要件

生成AIをMESやヒストリアンにつなぐと、自然言語で工場データに質問できます。ただし、意味のあるデータモデル・AI向けのビュー・権限・鮮度の4要件を満たさないと、もっともらしい誤集計の回答が返ります。4要件の中身と、つなぐ前の確認手順を示します。

最終更新 2026年10月12日・約8分 データ基盤

ヒストリアンのデータはそのままAIに使えるか：圧縮・サンプリング・タグの3つの落とし穴

ヒストリアンは長期保存のためにデッドバンド圧縮を使うため、高周波の特徴や小さな変化が消えていることがあります。AI用途では収集周期と圧縮設定を用途別に見直す必要があります。圧縮・サンプリング・タグの3つの落とし穴と、確認・対処の手順を示します。

最終更新 2026年10月12日・約6分 セキュリティ

IEC 62443とAI・データ基盤：ゾーンとコンジットで工場データをクラウドへ出す設計

工場データをクラウドのAIへ出すときは、L3.5のDMZを経由した外向き一方向の通信が基本です。IEC 62443のゾーン・コンジット・セキュリティレベル（SL1〜4）の考え方で、MQTTブローカーやエッジAI機器をどう配置し、何を要件にするかを示します。

最終更新 2026年10月12日・約8分 データ基盤

IT/OT連携の進め方：情報システム部門と生産技術が衝突する5つの論点と分担

情報システム部門と生産技術・制御の担当は、ネットワーク・責任範囲・更新周期・可用性・セキュリティの5点で価値観が違います。McKinsey調査で約3割しか全社展開できない背景にもある、この衝突をほどく分担表と共通チームの置き方を示します。

最終更新 2026年10月12日・約7分 データ基盤

AIの前にマスタ整備：品番改番・設備ID・不良コードの不整合を直す5ステップ

マスタの不整合はAIでは補正できません。品番の改番、設備IDの付け替え、不良コードの体系変更を放置すると、同じ製品・設備が期間ごとに別物として学習されます。棚卸し・対応表・正本の決定・変更履歴・品質ルールの5ステップで直す方法を示します。

最終更新 2026年10月12日・約8分 データ基盤

AIモデルのドリフト監視：材料ロット・季節・設備改造で精度が落ちる仕組みと対策

工場のAIは、材料ロットの切替、季節の温湿度、設備の改造や治具交換で精度が落ちます。入力の分布が変わるデータドリフトと、入力と結果の関係が変わるコンセプトドリフトを分け、MESの変更履歴と連携して検知する方法を示します。

最終更新 2026年10月12日・約6分 IoT・エッジ

OPC UAかMQTTか：工場データ収集プロトコルを用途別に選ぶ比較表と組合せ方

OPC UAとMQTTは対立する選択肢ではなく役割分担です。設備に近い層は情報モデルを持つOPC UA、上位システムやクラウドへの配信は軽量なMQTTという組合せが多く見られます。通信方式・情報モデル・セキュリティなど8項目の比較表と、AI用途での組合せ方を示します。

最終更新 2026年10月12日・約8分 データ基盤

紙の帳票から脱却する：チェックシート・日報をデジタル化する3段階とAI-OCRの位置づけ

紙のチェックシートや日報は、①紙のままAI-OCRで読む、②タブレットで入力する、③計測器やMESから自動で取り込む、の3段階でデジタル化します。AI-OCRは移行期の手段で、最終形は入力した時点でロットに紐付くデータにすることです。

最終更新 2026年10月12日・約8分 PoC

PoCから全ライン展開へ：横展開コストを最初に見積もる12項目チェックリスト

1ラインで成功したAIが全ラインに広がらないのは、2ライン目以降の費用を誰も見積もっていないからです。センサ追加・ラベル付け・再学習・タグ統一・MES連携・運用人員など12項目を、1ライン目のPoC段階で見積もるためのチェックリストと試算の考え方を示します。

最終更新 2026年10月12日・約7分 データ基盤

製造業のデータ基盤はクラウドかオンプレか：3つの比較軸とハイブリッド案

機密性と可用性を求める処理はオンプレミス、分析と学習はクラウドに寄せるハイブリッドが製造業では多数派です。データの機密性・工場の可用性要求・運用体制の3軸で比べる方法と、AWS AI Factoriesなど主権型の新しい選択肢を整理します。

最終更新 2026年10月12日・約8分 MES連携

DELMIA Apriso×AIの現実：MES実装者が見る連携方式・できること・制約

DELMIA AprisoをAIとつなぐ現実的な構成は、Aprisoのデータを外部のデータ基盤に出し、AIの結果をAprisoの業務フローに戻す形です。製品単体のAI機能に期待しすぎず、連携方式3つの長所と制約、カスタマイズとバージョンアップの工数を最初に見積もります。

最終更新 2026年10月12日・約8分 IoT・エッジ

MQTTとSparkplugの違い：ISO/IEC 20237を工場で使う判断基準

素のMQTTはトピックの名前空間もペイロードの形式も定めません。Sparkplug（ISO/IEC 20237）はその空白を埋め、状態管理まで定義します。Sparkplugで埋めるか独自のUNS規約で埋めるか、SCADA連携・AI連携・既存資産の観点で判断する基準を示します。

最終更新 2026年10月12日・約9分 データ基盤

設備タグの命名規則：AIで設備横断分析するための命名ルールと移行の4手順

「D100」「温度1」のようなタグ名のままでは、AIで設備を横断した分析も横展開もできません。資産階層・測定対象・物理量・単位を含む命名規則の作り方と、既存タグをマッピング表で移行する4手順、PLCを書き換えずに済ませる方法を示します。

最終更新 2026年10月12日・約7分 データ基盤

ISA-95の4つの情報モデル（材料・設備・物理資産・人員）でAI用データを設計する

ISA-95は工場の情報を材料・設備・物理資産・人員の4種類に分けます。AIの特徴量はこの4種類と工程（セグメント）の組合せで説明でき、MESマスタをこの枠組みで整理しておくと2ライン目以降の横展開が楽になります。設計手順と項目例を示します。

最終更新 2026年10月12日・約7分 MES連携

AIを見据えたMES選定：データの取り出しやすさを確認する10の質問

AIを使う前提でMESを選ぶなら、画面の機能より「データの出口」で比べます。API・データモデル・イベント通知・履歴の保持期間・ライセンス条件など10の質問をベンダーに投げ、回答を同じ表で比べると、導入後にAIへつなぐ工数の差が見えます。

最終更新 2026年10月12日・約6分 データ基盤

アセット管理シェル（AAS）とは：IEC 63278と製造業のデジタルツイン連携

アセット管理シェル（AAS）は、設備や製品などの資産をサブモデルの集まりとして標準的に表す仕組みで、IEC 63278-1（2023年12月）で国際規格になりました。装置メーカーとのデータ受け渡しや、製品単位のデータ提出に備える基盤として効きます。

最終更新 2026年10月12日・約7分 データ基盤

Microsoft Fabricの製造業向けデータソリューション：ISA-95モデルでOT/ITを統合

Microsoftは2024年4月、ISA-95の情報モデルでOTとITのデータを統合するFabricの製造業向けソリューションを発表しました。構成の考え方、Factory Operations Agentとの関係、Bridgestone事例の位置づけ、導入前の確認点を整理します。

最終更新 2026年10月12日・約8分 データ基盤

UNSのトピック設計：ISA-95階層で名前空間を切る5つのルールと失敗例

UNSのトピックはEnterprise/Site/Area/Line/CellのISA-95階層で切り、命名規則と所有者を決めてから流すのが原則です。階層の切り方、名前とペイロードの規約、データ種別の分け方など5つのルールと、現場で起きる4つの失敗例を具体的なトピック例つきで示します。

最終更新 2026年10月12日・約9分 データ基盤

AWS IoT SiteWiseとは：設備データのモデル化と生成AI保全アシスタントの構成

AWS IoT SiteWiseは、設備データを収集し、設備の型と階層でモデル化するAWSのサービスです。AWSがHannover Messe 2024で示したBedrockとの組合せによる保全アシスタントの構成を軸に、アセットモデル設計の考え方と導入前の確認点を整理します。

最終更新 2026年10月12日・約7分 IoT・エッジ

推論はエッジかクラウドか：タクト・画像サイズ・台数の3軸で決める判断フロー

タクト内に判定を返す必要があればエッジ、ライン横断の分析と再学習はクラウドが基本です。タクト・データ量・台数の3軸で置き場所を決める判断フローと、ハイブリッド構成の役割分担、費用比較で見落としやすい項目を示します。

最終更新 2026年10月12日・約8分 MES連携

MESとAIをつなぐ3方式：DB直接参照・API・イベント配信（UNS）の比較

MESとAIをつなぐ方式は、DB直接参照・API・イベント配信（UNS）の3つです。DB直結は早く始められますが、バージョンアップと性能の問題で保守が破綻しやすい方式です。本番はAPIかイベント配信でつなぎ、受け渡すデータモデルを固定するのが基本です。

最終更新 2026年10月12日・約7分 データ基盤

Cognite Data Fusionとは：産業ナレッジグラフとSchneider買収後の行方

Cognite Data Fusionは、設備・時系列・図面・文書を産業ナレッジグラフで結ぶDataOps基盤です。2026年6月にSchneider Electricが約31億ドルでの買収を発表し、AVEVA CONNECTへの統合が計画されています。強みと選定時の注意点を整理します。

最終更新 2026年10月12日・約8分 データ基盤

不良コード・停止理由コードの設計：AIで分析できる粒度に直す6つの原則

「その他」が2〜3割を占めるコード体系では、AIは不良や停止の要因を学べません。現象・部位・原因を分けた階層化、選択肢の数の上限、入力UIと入力タイミングの見直しなど6原則で、分析できる粒度に直す方法を示します。

最終更新 2026年10月12日・約6分 データ基盤

OEEデータをAIで深掘りする：停止理由・チョコ停・速度低下の分析に必要な粒度

OEE（設備総合効率）の数値だけでは改善策は出てきません。停止理由のコードの粒度と、秒単位の稼働ログがあって初めて、チョコ停や速度低下の要因をAIで分析できます。必要なデータの粒度と、MESと設備データの結合の仕方、分析の進め方を示します。

最終更新 2026年10月12日・約7分 IoT・エッジ

古い設備をつなぐレトロフィット：PLCのない設備・通信できない設備の4パターン

PLCがない、通信ポートがない古い設備でも、後付けセンサ・カメラ読取・電流計測・PLC追加の4パターンでデータは取れます。どれを選ぶかは取りたいデータの用途から逆算し、設備IDと時刻をMESと揃える設計を最初に決めます。

最終更新 2026年10月12日・約7分 セキュリティ

製造業を狙うサイバー攻撃の現状：IBM X-Force・Dragosのデータで見るAI基盤のリスク

IBM X-Forceによると製造業は2025年に攻撃全体の27.7%を占め、5年連続で最多被攻撃業種でした。Dragosは産業組織へのランサムウェアが前年比87%以上増えたと報告しています。データ収集でOTの接続点が増える中、AI基盤の設計段階で取るべき対策を示します。

最終更新 2026年10月12日・約9分 データ基盤

データウェアハウス・データレイク・レイクハウスの違い：工場データで選ぶ3つの基準

構造化されたKPIや実績の集計はDWH、画像・振動波形など非構造データの保存はデータレイク、機械学習を前提にするならレイクハウスが向きます。工場データの種類・利用者・AIの有無の3基準で選び方を示し、規模より用途で決める理由を説明します。

最終更新 2026年10月12日・約7分 MES連携

製品系譜（ジェネオロジー）で不良の真因を追う：MESデータを使った要因分析の手順

製品系譜（ジェネオロジー）は、製品1個またはロットごとに部材ロット・設備・条件・作業者・検査結果を紐付けた履歴です。この系譜を横持ちの分析表に展開すると品質AIの特徴量の母体になり、層別→多変量モデル→検証実験の6手順で不良の真因に近づけます。

最終更新 2026年10月12日・約8分 データ基盤

データ基盤を誰が持つか：データエンジニア・生技・情シスの3者の役割分担

製造業のデータ基盤は、ツールより「保守する人がいない」ことで止まります。データエンジニア・生産技術・情報システムの3者の役割を分け、最小体制（兼任を含め3〜4人）と外部委託の線引きを決めておくと、PoC後の運用で行き詰まりにくくなります。

最終更新 2026年10月12日・約8分 データ基盤

製造AIの正解ラベル：良否判定の揺れを抑えるラベル付け運用の5つのルール

検査員ごとの判定の揺れが、外観検査AIや品質AIの精度の上限を決めます。限度見本の整備、二重判定と一致率の測定、グレーゾーンの扱い、ラベルの版管理、MESの検査実績との紐付けという5つのルールで、ラベル品質を管理する方法を示します。

最終更新 2026年10月12日・約8分 データ基盤

ライトハウス工場はデータ基盤をどう作ったか：WEF選出238拠点の共通点

WEFのライトハウス工場は2026年時点で累計238拠点（McKinsey、2026年7月）。成果はAI単独ではなく、データ基盤と業務改革を組み合わせた結果で、数十のユースケースを同じ基盤の上に積み上げている点が共通しています。数値は選抜された先進工場の自己申告と理解して読みます。

最終更新 2026年10月12日・約8分 IoT・エッジ

OPC UAコンパニオン仕様の選び方：工作機械・射出成形・ロボットなど主要仕様の整理

OPC UAのコンパニオン仕様は業界・機器ごとの情報モデルで、OPC Foundationによれば430以上あります。自社設備に該当する仕様の有無でデータ収集の設計が変わります。仕様の探し方、設備カテゴリ別の考え方、装置メーカーへの要求事項の書き方を示します。

最終更新 2026年10月12日・約8分 データ基盤

AIモデルの再学習を誰がいつ回すか：工場の変更管理に組み込む4つのルール

品質判定や設備監視に使うAIの再学習は、工程変更と同じく変更管理の対象です。再学習のきっかけ、担当と承認者、切替前の検証基準、ロールバック手順の4ルールと、4M変更管理への組み込み方を役割分担表つきで示します。

最終更新 2026年10月12日・約7分 データ基盤

時系列DBとヒストリアンの選び方：PI System・クラウド時系列DB・OSSを比較する5軸

工場の時系列データの保存先は、産業用ヒストリアン、クラウドの時系列サービス、OSSの時系列DBの3系統に分かれます。書込み性能・圧縮・クエリ・OT接続・保守体制の5軸で比較し、既存ヒストリアンを残してAI用の蓄積を別に持つ構成を含め、選び方を示します。

最終更新 2026年10月12日・約8分 データ基盤

工場データの時刻ずれ対策：PLC・MES・検査装置のタイムスタンプを揃える4つの方法

PLC・MES・検査装置の時計がずれていると、時系列とロットの紐付けが崩れ、相関分析が壊れます。NTP・PTPによる時刻同期、使う時刻（発生・受信・記録）の規約、タイムゾーンの統一、ずれの監視と補正の4つの方法と、工程ごとの許容誤差の決め方を示します。

最終更新 2026年10月12日・約7分 データ基盤

振動・画像など高頻度データの扱い：保存期間・圧縮・特徴量化の設計4項目

振動や画像などの高頻度データを全量保存すると、ストレージと転送の費用が膨らみます。エッジで特徴量化して常時は要約値だけを送り、異常時と定期サンプルの生データだけを残す設計にします。保存期間・圧縮・特徴量化・異常時の切り出しの4項目を決める方法を示します。

最終更新 2026年10月12日・約7分 データ基盤

検査記録のAI-OCR：手書きチェックシートの読取精度と運用の注意点5つ

手書きの検査記録をAI-OCRで読む場合、数値の誤読は品質記録の改ざんと同じリスクになります。評価は文字単位の認識率ではなく「項目単位で修正が要らない率」で行い、信頼度による確認フロー・原本保管・修正履歴の5つの運用を決めてから使います。

最終更新 2026年10月12日・約7分 データ基盤

製造データのガバナンス：所有者・品質責任・アクセス権を決める5つのルール

製造データのガバナンスは、データごとに所有部門と品質責任者を決めることから始まります。決めないと、AI用データの修正依頼が宙に浮き、誤った値で学習が続きます。所有者・品質ルール・変更管理・アクセス権・保持期間の5つのルールを、台帳1枚で管理する方法を示します。

最終更新 2026年10月12日・約8分 規制対応

デジタル製品パスポート（DPP）と工場データ：EU規制に備えるデータ基盤の準備

EUのデジタル製品パスポート（DPP）は、製品単位で材料・工程・環境データの提出を求める仕組みです。工場側の準備は、トレーサビリティ基盤とAASの延長で進められます。対象品目と時期は規制ごとに違うため、一次情報で確認しつつ、製品とロットの紐付けから整えます。

最終更新 2026年10月12日・約7分 データ基盤

製造業の特徴量ストア：品番・設備・時間窓の3軸で特徴量を共有し横展開を速くする

特徴量ストアは、AIの入力に使う加工済みの値（特徴量）を定義ごと共有する仕組みです。製造業では品番・設備・時間窓の3軸で特徴量を管理すると、2ライン目以降のAI開発で同じ計算を作り直さずに済みます。導入すべき規模の目安と、小さく始める方法を示します。

最終更新 2026年10月12日・約8分 セキュリティ

NIST SP 800-82 Rev.3とは：OTセキュリティガイドを製造業のデータ基盤で使う要点

NIST SP 800-82 Rev.3（2023年9月）は、対象をICSからOT全般に広げた米国のセキュリティガイドです。性能・信頼性・安全性というOT固有の要件を、AIのデータ基盤設計にどう反映するかを、IEC 62443との使い分けとあわせて整理します。

最終更新 2026年10月12日・約6分 データ基盤

サプライチェーンのデータ連携：Catena-X・ウラノス・エコシステムと工場データ

日本企業の75.1%は他社とのデータ連携・提供を行っていません（IPA、米国19.8%・ドイツ27.0%）。Catena-Xやウラノス・エコシステムのような企業間連携は、自社の工場データが製品・ロット単位で整理されていることが前提で、CO2とトレーサビリティから始まります。

最終更新 2026年10月12日・約7分 データ基盤

産業データ基盤の大型再編：Schneider×Cognite買収は何を変えるか

SchneiderによるCognite約31億ドル買収の発表、AVEVAのCrosser買収、SiemensのAltair約100億ドル買収と、産業データ基盤は「データ＋AIエージェント」の統合に向かっています。導入済み・選定中の工場が確認すべき点を整理します。

最終更新 2026年10月12日・約9分