全体像：MES×AIの検討は5段階に分かれる
MESとAIの連携でつまずく原因の多くは、モデルの精度ではなく、データの文脈と業務への戻し方にあります。検討は次の5段階に分けると迷いません。
なぜMESが中心になるのか。センサーの時系列データは、「どのロット・品番・工程・作業者のときのデータか」という文脈がないとAIの学習に使えず、その文脈を持っているのがMESだからです。この理屈はMESとAIの関係で、本番で止まるプロジェクトの構造は製造業AIが本番で止まる7つの理由で詳しく説明しています。
第1〜2段階：AIに使えるMESデータと、先に整えるもの
MESが持つデータのうちAIに使えるのは、生産実績、停止理由、品質判定、作業者、設備条件など8種類に整理できます。それぞれがどのAI用途（予知保全、品質分析、計画最適化）に対応するかは、AI学習に使えるMESデータ一覧にまとめました。
データを取り出す前に、整備が要るものが2つあります。
| 整備対象 | 何が問題になるか | 解説記事 |
|---|---|---|
| マスタ（品番・設備ID） | 品番の改番履歴や設備IDの不統一は、AIでは補正できない | AIの前にマスタ整備 |
| 不良・停止理由コード | 「その他」に集中したコード体系は、要因分析に使えない | 不良コード・停止理由コードの設計 |
この2つを飛ばしてPoCを始めると、前処理のやり直しで時間を失います。モデルを作る前の工数の大半は、実際にはここに掛かります。
第3段階：連携方式は3つ。DB直結・API・イベント配信
MESからデータを取り出す方式は、DB直接参照、API、イベント配信（UNS）の3つに大別できます。DB直結は着手が早い一方、MESのバージョンアップでテーブル構造が変わると壊れるため、保守で破綻しやすい方式です。選び方の基準と各方式の得失はMESとAIをつなぐ3方式で比較しています。
リアルタイム推論か日次バッチかで、必要な方式は変わります。外観検査のライン横推論のように秒単位の応答が要る場合と、品質の要因分析のように日次で十分な場合を、最初に分けてください。階層ごとのAIの置き場所という観点では、ISA-95とAIが土台になります。
第4段階：推論結果をMESに戻して、初めて業務が変わる
AIの判定結果をダッシュボードで「見える」ようにしただけでは、現場の動きは変わりません。不良の疑いがあるロットを自動でホールドする、点検の作業指示を発行する、アンドンに出す——結果をMESの業務機能に戻す設計があって、初めて投資が回収できます。3つの戻し方の設計はAIの推論結果をMESに書き戻すに整理しました。
第5段階：製品の選定と、運用の設計
製品・サービスを比べる段階では、当サイトの製品・サービスDBが使えます。283件（2026年10月時点）を用途分類・地域・日本での提供状況という同じ軸で収録しており、データ基盤・IIoT分類にはMES連携を前提にした製品が並びます。個別製品の例として、DELMIA Aprisoについては実装者の視点でDELMIA Apriso×AIの現実に連携方式と制約を書きました。
本番に載せた後は、モデルの版管理とドリフト監視が運用の中心になります。どのモデルで判定したかをロットの履歴に残す工場特有の要件は工場向けMLOpsで扱っています。生成AIをMESやヒストリアンのデータにつなぐ場合の前提条件は、生成AIを工場データにつなぐ前提条件を参照してください。
MESとAIの連携設計は、MES実装の経験がないまま進めると方式選定で手戻りが起きがちです。株式会社サオスはDELMIA AprisoをはじめとするMES実装とAI連携の設計を支援しています。
よくある質問
MESが入っていない工場でも、AIは始められますか。
始められます。積層灯や電流センサーで設備の稼働データを取るなど、MES導入前にできるデータ収集はあります。方法は中小製造業の設備データの集め方にまとめています。ただし、ロットや品番と紐づく品質分析をするには、どこかの段階で実績データの仕組み（MESまたは簡易な実績収集）が必要になります。
連携方式はDB直結・API・イベント配信のどれを選ぶべきですか。
長く使う前提ならAPIまたはイベント配信を推奨します。DB直結は着手が早い反面、MESの内部構造に依存するため、バージョンアップで壊れやすく、ベンダーのサポート対象外になる場合もあります。判断の軸はMESとAIをつなぐ3方式を参照してください。
PoCは成功したのに本番化が進みません。何を見直すべきですか。
多くの場合、原因はモデルではなく、データの文脈（ロット・工程との紐付け）、連携の保守性、結果を業務に戻す設計のどれかにあります。構造的な原因の切り分けは製造業AIが本番で止まる7つの理由で確認できます。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全138本
- 中国の製造業AIの全体像：政策・主要プレーヤー・規制・日系工場への影響
- 中国が起草中の新一代智能制造政策は日系工場に関係するか：立場別の4つの問い
- Critical Manufacturing V12のAIエージェントを2026年の年表で読む
- 米国CPGで「AIを全面組込み」は29%：シュナイダー調査252人の数字をどこまで読めるか
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
