FUNCTION
設備・保全のAI活用
「設備・保全」に関する記事 148本・導入事例 12件・製品 12件。業務の切り口でまとめています。
-
塔底ポンプの振動が上がった深夜:Honeywell Forge Plant Cognitionを想定のプラントに置く
-
FactoryTalk Conductorを試す前の確認表:2027年第1四半期の提供までに揃える12項目
-
Booz Allenの実験でAIは16分でOT制御網へ:深刻に受け取る理由と割り引く理由
-
Honeywell Forge Cognitionは工場で使えるか:「不要アラーム90%減」を疑う5つの問い
-
ウェハテストで1サイトだけ不良が増えた夜:Advantest・NVIDIAの診断AIを想定の工場に置く
-
Schneider×PTC買収で点検する12項目:WindchillとMES連携の確認表
-
製造業のAIとは?できること・できないことを5つの機能で整理する入門
-
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
-
製造業のAIエージェントとは:Copilotとの違いと自律度の5段階で整理する
-
製造業の生成AI活用の全体像:業務別12ユースケースと導入の順番
-
EU AI Actは製造業AIをどこまで縛るか:高リスク判定の分岐点と第6条の例外
-
業種別に見る製造業AI:30業種の課題と効くAI用途を1枚のマップで整理
-
工場の省エネAI:設備別の見える化・ベースライン回帰・最適制御の3段階
-
予知保全AIとは?異常検知・故障診断・余寿命推定の3段階と導入6ステップ
-
時系列データの異常検知AI入門:統計・予測残差・再構成型の3方式と選び方
-
製造業のAI活用10領域:外観検査・予知保全から設計・技能伝承まで一覧
-
【無料Excel】製造業AIのROI試算シート:不良・停止・工数から回収期間を計算
-
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
-
製造業の社内文書RAG入門:手順書・図面・品質記録を検索する5層構成
-
Siemens Industrial Copilotの全体像:5系統の提供状況と狙い
-
電力データとMES稼働実績を紐付ける:製品1個あたりエネルギー原単位の算出
-
予知保全AIが失敗する6つの理由:故障事例不足・誤報・保全行動につながらない
-
AI導入前のデータ準備チェックリスト:設備・MES・品質データの40項目
-
産業データ基盤6製品の比較:Fabric・AWS・Google・Cognite・AVEVA・Litmus
-
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
-
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
-
生成AIに向く製造業務・向かない業務:5つの判定基準で仕分ける方法
-
MCP(Model Context Protocol)を工場に入れる:仕様の要点と製造業の使い方3例
-
自動車メーカーのAI活用:溶接・塗装検査から生産計画・フィジカルAIまで10用途
-
化学メーカーのAI活用:ソフトセンサー・自律制御・材料開発の3領域と事例
-
異常検知の誤報を減らす:1日あたり誤報件数とイベント単位評価で設計する
-
予知保全と予防保全・事後保全の違い:故障の82%がランダムという前提から考える
-
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
-
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
-
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
-
MCP×OPC UA:430のAI-ready仕様は工場AIの何を変えるか
-
予知保全のROI試算:停止1時間230万ドルの自動車工場と中小工場での計算例
-
製造業AIのROI試算:効果の数え方と投資回収期間の出し方を3つの例で
-
予知保全のデータ収集計画シート:設備・センサー・故障履歴の整理30項目
-
AI導入前の製造データ準備:棚卸しと整備で確認する7つのチェック項目
-
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
-
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
-
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
-
中国政策が「工業小モデル」を明記した理由:大小モデル協同と模数共振の考え方
-
EU Cyber Resilience Act:2026年9月11日に報告義務開始、AI搭載設備も対象
-
BMW×Figureの11カ月を検証:X3 3万台寄与・サイクル84秒の数字が示すもの
-
時系列異常検知の評価の落とし穴:71手法×967系列の比較で分かった3つの事実
-
空調・熱源・コンプレッサの最適制御AI:東京ガス×エイシングの約5%省エネ
-
振動データの予知保全AI:ISO 20816の評価ゾーンから機械学習までの使い分け
-
AIに必要な学習データ量の目安:外観検査・予知保全・需要予測の3用途別
-
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
-
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コンパニオン仕様430超の「AI-ready化」:MCP・RAG対応の意味
-
sim-to-realとは:シミュレーションで学習したロボットを実機で動かす4つの課題
-
突発停止・特急オーダーへの再計画:MES実績連携でリスケジュールする設計
-
保全ナレッジAIアシスタント:設備マニュアル×保全履歴で復旧時間を短くする
-
予知保全のセンサ選定:振動・温度・電流・音・油の5種類を故障モード別に選ぶ
-
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
-
設備故障診断AIエージェント:日立・ダイキン・三菱ケミカルの検証から学ぶ5点
-
中国「工業インターネット×AI融合」行動方案:2028年に5万社改造の中身
-
ライトハウス選出工場のAIユースケース:2025〜2026年の20拠点の数値一覧
-
石油・エネルギープラントのAI:自動運転・予知保全・エネルギー最適化の到達点
-
音で設備異常を見つけるAI:日立MIMIIデータセットとDCASEの結果に学ぶ導入要点
-
多変量の設備データで異常検知:SWaTデータセットに学ぶ51センサの扱い方
-
ソフトセンサーとは:ラボ分析値をオンライン推定する仕組みと導入の4ステップ
-
製造業AIの運用保守:精度劣化・再学習・モデル管理の3つの仕組み
-
1ラインの成功を全工場へ:製造業AIの横展開を阻む4つの壁と対策
-
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
-
製造業AIエージェントの設計:Siemensのオーケストレーター型に学ぶ5つの原則
-
RockwellのAI戦略:GuardianAI・エッジSLM・自社工場の3点
-
欧米の予知保全AIベンダー9社比較:Augury・Senseye・MaintainXの違い
-
工作機械とAI:加工条件の最適化・工具摩耗予測・機上計測の3つの使い方
-
予知保全は閾値管理で足りるか:機械学習が要る4条件と「誤報率10%」の壁
-
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
-
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
-
欧米製造業の生成AI事例20件:Merck・KONE・Schaefflerの成果と条件
-
異常ラベルがない工場データの異常検知:正常データだけで学習する4つの手順
-
余寿命推定(RUL)は工場で使えるか:NASA C-MAPSSと実工場データの3つの差
-
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
-
Siemens Industrial Copilotとは:4製品の範囲と提供状況
-
Google Cloud MDEとは:Geminiエージェント3種とSI経由の販売戦略
-
食品のHACCP記録とAI:温度・異物・衛生の記録をデジタル化する4つの手順
-
ヒューマノイドか専用ロボットか:工場の工程別にコストと適性を比較する4つの観点
-
保全記録(CMMS)を予知保全AIの教師データにする:故障ラベル整備の5手順
-
Cognite Data Fusionとは:産業ナレッジグラフとSchneider買収後の行方
-
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
-
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
-
AIの用途別にどの補助金を使うか:外観検査・予知保全・生成AIの6パターン
-
異常検知を保全・品質のアクションにつなぐ:MESとアラーム運用の設計5原則
-
予知保全システムの構成:ISO 13374の6ブロックで見るデータ取得から意思決定まで
-
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
-
SAP Jouleの製造業エージェント:Digital Manufacturing連携と効果数値の前提
-
非鉄金属のAI活用:アルミ・銅の溶解・圧延・ダイカストで効く4つの使い方
-
予知保全AI製品の比較:Augury・Senseye・国内勢を同じ8軸で並べる
-
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
-
ナレッジグラフ×生成AI:日立・ダイキンの故障診断に見るGraphRAGの使いどころ
-
日立HMAX Industryの生成AI:品質ナレッジシステムと故障診断エージェント
-
中国の大規模設備更新政策と工業AI:2027年に設備投資25%増の目標
-
工場のエッジで動く小型言語モデル:RockwellのNemotron-Nano採用が示すもの
-
AI推進法とは:2025年全面施行で製造業が対応すべき努力義務と適正性指針の5分野
-
ENEOS×PFNの製油所AI自動運転:930センサ・13バルブ同時操作の設計思想
-
補修部品・少量多品種の需要予測:ゼロが多い間欠需要を扱う4つの方法
-
保全業務の生成AI:Siemens Senseye Copilotの事後保全25%短縮の中身
-
AI事業者ガイドラインを製造業向けに読む:利用者として押さえる10の要点
-
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
-
Cognite Atlas AIとは:Schneider 31億ドル買収で何が変わるか
-
FMEAを生成AIで支援する:故障モードの洗い出しと過去トラ照合の3ステップ
-
树根互联の工業AI:設備250万台の接続から時系列予測大模型への転換
-
金型メーカーのAI活用:見積・加工条件・金型保全とメンテナンス時期の予測
-
中小工場の予知保全:後付けセンサとクラウド月額サービスで始める3ステップ
-
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
-
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
-
設備点検のAI化:アナログメータ読取りとカメラ巡回で日常点検を省人化する方法
-
製造業の業務別プロンプト雛形20選:品質・保全・生技・購買で使える書き方
-
中国の外資系工場のAI:Schneider普陀・Siemens南京・Schneider武汉の数値
-
保全向け生成AIの比較:Siemens Senseye・SAP・AWSの3製品の違いと前提条件
-
モータ電流で予知保全(MCSA):センサ追加なしで軸受・回転子の異常を捉える方法
-
バーチャルメトロロジー(VM):半導体の全数測定を推定に置き換える仕組みと精度管理
-
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
-
AI・機械学習・ディープラーニングの違い:製造業の3つの例で理解する
-
ポンプ・ファン・コンプレッサの状態監視AI:回転機の異常を早期に見つける設計
-
生成AIと従来の予測AIの違い:製造業の業務で使い分けるための5つの基準
-
製造業のAIガバナンス体制:AI台帳・リスク評価・承認フローの3点セット
-
AIかルールベースか:製造業で「AIを使わない方がよい」4つのケース
-
AI PoCの費用と期間はどう決まるか:見積もりが変わる5つの要因
-
工作機械の工具摩耗をAIで予測:主軸負荷データから工具交換時期を決める方法
-
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
-
生成AIベンダーの効果数値の読み方:SAP「最大40%」Siemens「最大50%」の前提
-
AIコンサル・SIer・AIベンチャー・メーカーの違い:製造業での使い分け4類型
-
中小製造業のAI導入:従業員50人以下でも始められる5つのテーマ
-
製造業AIで使うデータ6種類:画像・時系列・実績・品質・文書・音声
-
AI導入のKPI設定:OEE・不良率・工数で効果を測るための設計方法
-
製造業のAI導入事例20選:用途別に成果の数字と対象ライン・期間の前提を整理
-
古い設備でもAIは使えるか:後付けセンサー・カメラでデータを取る4つの方法
-
スマートファクトリーとAIの関係:IoT・MES・AIの3層で整理する
-
DXとAI導入の違い:製造業でデジタル化・データ連携・AIの順番を間違えない3段階
-
IoTとAIの違いと関係:製造現場のデータ活用を4段階で理解する
-
人手不足対策としてのAI:製造業の検査・点検・書類業務で省人化に効く5つの使い方
-
スモールスタートで始める製造業AI:最初の90日でやる6つのこと
-
AIのベンダーロックインを避ける:モデル・データ・基盤の持ち方3原則
-
工場長のためのAI入門:OEE・不良率など現場KPIとAI投資をつなぐ5つの視点
-
カイゼン・トヨタ生産方式とAI:改善活動の現場でAIをどう使うか
-
AI導入前の現状診断:工場のデジタル成熟度を紙からデータ統合まで測る5段階の基準
-
見落とされやすいAIの隠れコスト7つ:データ整備・ラベル付け・現場対応
-
生産技術者のためのAI入門:撮像・センサー・工程条件から考える10のポイント
-
設備保全部門のAI活用:点検・予知保全・保全記録の検索まで5つの使い方
-
教師あり学習と教師なし学習の違い:外観検査・予知保全など製造業の6用途で整理
-
EUサイバーレジリエンス法の報告義務が9月11日に開始:AI搭載設備も対象
「設備・保全」の導入事例
-
特变电工沈变が設備異常を8〜12時間前に警告する予知保全で卓越級工場に
-
山东金信空调が浪潮云洲のスマートファンで設備保守の周期を40%短縮
-
国内鉄鋼企業が西门子中国研究院と約2万データ点をつなぐ保全エージェントを構築
-
日立が鉄道架線の点検を車両屋根カメラの映像AIで行い、10日の作業をほぼ即時にした事例
-
日立が産業プラント保守の熟練者の知見をオントロジー化し、OJT時間を9割減らした事例
-
ダイキン工業がLiLzに出資し、設備点検から省エネ提案までの工場向け仕組みを共同開発
-
アイ・エル・シーとエイシングが振動データでベルトコンベアの異常を検知するデモを開発
-
東芝が四国電力送配電向けにWAOTのAPM機能で設備リスクを可視化する運用を開始した事例
-
Cintasが保全管理システムMaintainXを200拠点に9週間で展開した事例
-
Michaelsが保全管理システムMaintainXを使い、平均修復時間を70%短縮した事例
-
US LBMが40超の工場の保全業務をMaintainXで標準化した事例
-
DuPontがAuguryの機械ヘルス監視を使い、設備故障の予測に取り組んだ事例
「設備・保全」に関わる製品・サービス
記事を探す
CONSULTATION
「AIで何ができるのか分からない」段階からご相談ください
AI導入テーマの選定、PoCの設計、データ基盤・MESとの連携、本番運用と人材育成まで。株式会社サオスの実務者が、貴社の現場とデータに合わせた進め方をご提案します。
AI導入の相談をする相談は無料です。特定製品の売り込みは行いません。