FUNCTION
製造・生産管理のAI活用
「製造・生産管理」に関する記事 155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。
-
AGCOがヘストン工場でDigitを2027年に試験:Agilityとの商用契約で何が変わるか
-
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
-
MES×AIの始め方:使えるデータ・3つの連携方式・製品選定までの実装ガイド
-
Siemensエアランゲン工場の「最大85%」:発表文の3つの言い回しを読む
-
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
-
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
-
Poka AI StudioとTulip AI Agents:現場エージェント基盤を9項目で比べる
-
Infor 2026.10の製造・品質エージェント:是正を任せる前に避ける4つの失敗
-
Xometry調査の51%・47%・32%:見積・検査・現場実行のどこからAIを入れるか
-
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
-
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
-
フィジカルAIとは:従来の産業ロボット・協働ロボットとの違いを4つの軸で整理
-
【無料Excel】製造業AI導入テーマ選定シート:4つの評価軸で20候補を採点
-
製造業の需要予測AIとは?統計手法・LightGBM・基盤モデルの使い分けと導入手順
-
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
-
AI生産スケジューリングとは?APS・数理最適化・強化学習の違いと選び方3基準
-
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Word】AI PoC計画書テンプレート:目的・評価指標・中止条件の12項目
-
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
-
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
-
美的の「智能体工厂」:荆州工場の14エージェント・38シーンと人形ロボット
-
Siemens Industrial Copilotの全体像:5系統の提供状況と狙い
-
ヒューマノイドの工場実証一覧:BMW・Mercedes・Schaeffler・BYDなど10社の現在地
-
フィジカルAI導入の判断基準:今やるべき工場・待つべき工場を分ける5つの質問
-
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
-
品質AIの前提はトレーサビリティ:ロット・シリアルと工程データの紐付け方
-
製造業のAI導入率はどこまで進んだか:白書・民間調査7本の数字を読む
-
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
-
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
-
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
-
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
-
Figure 02のBMW稼働データを検証:11か月・9万部品という数字の前提
-
VLA(Vision-Language-Action)モデル入門:RT-2からπ0.5までの技術の流れ
-
安川電機のフィジカルAI:MOTOMAN NEXT×Gemini Roboticsとソフトバンク協業
-
省エネ効果の正しい測り方:生産量で補正するベースライン回帰とISO 50001
-
在庫最適化AI:安全在庫を需要と調達リードタイムのばらつきから決める
-
生産計画AIに必要なマスタ7種:ルーティング・標準時間・段取りマトリクスの整備
-
作業動画のAI分析:姿勢推定で要素作業を分割しサイクルタイムを測る方法
-
製造業AIのPoC設計:目的・評価指標・期間・体制を決める5つの手順
-
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
-
製造業のローカルLLM・オンプレ生成AI:図面を社外に出さない4つの構成
-
工程パラメータは「重要データ」か:中国工信領域のデータ分類分級と日系工場
-
WEF Global Lighthouse Networkとは:累計238拠点とAI活用の読み方
-
ファナックのフィジカルAI戦略:Google Cloud・NVIDIA・日立・富士通との4つの提携
-
フィジカルAIに必要な工場データ:MES・設備データ・動作ログをつなぐ3つの設計
-
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
-
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
-
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
-
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
-
Human-in-the-loopの設計:製造業AIエージェントの承認ゲートを置く5つの場所
-
MESデータに自然言語で質問する:Text-to-SQLを製造業で使うための4つの前提
-
産業AIエージェントの主戦場:Siemens・SAP・Microsoftは誰が層を握るか
-
中国初の領航級智能工厂15件:AI浸透70%超と6000の垂直モデルの中身
-
中国製造業のAI導入事例45件:用途・業種・成果を一覧で比較する
-
AI関連資格の選び方:G検定・E資格・DS検定を製造業の役割別に比較
-
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
-
最適化ソルバーで生産計画:OR-Tools CP-SATで解ける規模と解けない規模の境目
-
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
-
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
-
AIエージェントにMES・ERPを操作させる権限設計:読み取り専用から始める4段階
-
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
-
需要予測をS&OPと生産計画につなぐ:予測区間を安全在庫に変換する方法
-
AIはパッケージ製品かスクラッチ開発か:製造業で使い分ける判断基準5つ
-
DELMIA Apriso×AIの現実:MES実装者が見る連携方式・できること・制約
-
作業手順書RAGの作り方:MESの品番・工程コード・改訂番号で検索を絞る3手順
-
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
-
Microsoft Fabricの製造データソリューション:ISA-95でOTとITを統合する狙い
-
优必选Walker S2の工場導入:受注8億元超と自動車メーカー顧客の実像
-
NVIDIA Omniverseで工場デジタルツイン:Mega Blueprintとロボットフリート検証
-
Physical Intelligenceのπ0・π0.5:flow matching型VLAの限界
-
AI-OCRの結果をMES・QMSに登録する:ロット紐付けと修正確認フローの設計
-
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
-
作業分析AIツールの比較:Retrocausal・国内製品を5つの軸で比べる選び方
-
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
-
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
-
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
-
製造業の生成AI利用ガイドラインの作り方:AI事業者ガイドラインを踏まえた雛形
-
智元・宇树・银河通用の工場向け戦略比較:精灵G2・IPO・電池工場100台
-
多品種少量・受注生産のAI活用:見積・計画・段取りで効く4つの使い方
-
AIばら積みピッキングの現在地:認識精度・サイクルタイム・段取りの3つの壁
-
Gemini Robotics 2・ER 2とは:身体性推論とOn-Deviceの使い分け
-
需要予測AIツールの比較:SaaS・APS付属・内製Pythonの3類型を8軸で比べる
-
生産計画AIの評価指標:納期遵守率・メイクスパン・段取り時間など6つのKPI
-
現場に使われるAIにする:製造業AIを定着させるための7つの工夫
-
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
-
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
-
製造現場の生成AIガードレール:数値・規格値を間違えさせない5つの設計
-
SAP Joule Agentの製造現場投入:Shop Floor Supervisorなど5種の中身
-
段取り替え順序の最適化:順序依存の段取り時間をAIで減らす方法と効果の測り方
-
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
-
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
-
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
-
UBTech Walker S2の量産開始:受注8億元・自動車工場導入の実態を中国発表から読む
-
中小製造業の生産計画AI:Excel計画からクラウドスケジューラへ移る4段階
-
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
-
パナソニックの「中国先行」生成AI家電:オフラインSLMと開発拠点の移管
-
強化学習AIによるプラント自律制御:横河電機×JSRの35日連続運転の中身
-
強化学習による生産スケジューリング:GNN研究の到達点と実務で使える3条件
-
作業動画から手順と改善点を抽出:旭鉄工・ダイキン・TulipのVLM活用3例
-
SAP Jouleの製造業エージェント:Digital Manufacturing連携と効果数値の前提
-
中国の中小製造業とAIエージェント:宁波の金型工場と年1万元ツールの実例
-
MujinOSとは:デジタルツインでロボットを自律制御する仕組みと製造業の導入例
-
外観検査AIの判定結果をMESに戻す:ロット紐付け・トレーサビリティ・再学習の設計
-
半導体製造装置メーカーのAI:日立ハイテクの計画自動化と装置データ活用
-
造船のAI活用:川崎重工の次世代デジタルシップヤードと溶接・塗装の自動化
-
組立工程のAIロボット:ねじ締め・嵌合・ケーブル配線で学習型制御が効く範囲
-
日立ハイテクの生産計画自動化:立案月5日→1日以内を実現した制約プログラミング
-
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
-
飲料メーカーのAI活用:充填ラインの検査・需要予測・CIP洗浄の省エネ
-
ロボット学習データは誰が作るか:Telexistenceの受託と権利の論点
-
Tulip AI Composerとは:三菱電機出資のノーコード基盤と生成AI
-
営業秘密・ノウハウを守るAI活用:生成AIへの入力と学習データの管理4原則
-
外観検査AIのエッジ実装:推論2ms〜32msの差とPC・GPU・PLC連携の設計
-
AI開発契約の注意点:経産省モデル契約で確認する成果物の権利と責任7項目
-
生産計画AIエージェント:SAP Joule生産計画Agentの機能と限界
-
Microsoft Factory Operations Agentとは:現場支援の仕組み
-
建設機械メーカーのAI:Caterpillar・徐工・中联重科のデジタルツインと事例
-
Apptronik ApolloとMercedes-Benz:9億ドル超調達でも「パイロット段階」の理由
-
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
-
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
-
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
-
PoCの評価指標と合格ラインの決め方:精度だけで判断しない4つの観点
-
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
-
化粧品メーカーのAI活用:処方開発・多品種少量の計画・充填検査の3課題
-
Tesla Optimusの現在地:Fremontの量産ライン準備と公約・実績のずれの読み方
-
AI開発のRFP(提案依頼書)の書き方:製造業向けに記載する12項目
-
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
-
外国人作業者への多言語作業指示:生成AI翻訳を現場端末で使う運用設計4項目
-
印字検査・OCR検査AI:ロット番号・賞味期限・刻印の読み取りを自動化する手順
-
クラウドAIかエッジAIか:製造現場での選び方を5つの観点で比較
-
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AIの効果測定:導入前後の比較で効果を見誤らないための4つの注意点
-
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
-
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
-
多品種少量生産でAIは使えるか:品種切替のたびに学習し直さないための4つの工夫
-
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
-
AI開発の見積書の読み方:工数・ライセンス・データ作業を確認する7点
-
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
-
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
-
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
-
GXとAI:製造業のCO2削減・省エネにAIを使う3つのアプローチ
-
生産管理部門のAI活用:生産計画・納期回答・在庫最適化など4つの使い方
-
予測AIと数理最適化の違い:生産計画・条件出しで組み合わせる3つの型
-
ファナックと日立がフィジカルAIで提携、茨城の工場を「カスタマーゼロ」に
「製造・生産管理」の導入事例
-
美的厨热の芜湖工場がAI計画とコントロールタワーで納期39%短縮、灯塔工場に選出
-
美的通用制冷の重庆工場が79のデジタル施策で製品構成のリードタイムを81%短縮
-
海尔の中央空調互聯工場がAI自動スケジューリングで設計周期62%短縮、領航級に
-
徐工が領航級智能工厂で受注から納品までの周期を55%短縮した事例
-
恒力重工が2人で2週間超かかった計画業務をAIソフトで約30分に短縮
-
西门子数控の南京工場がデジタルツインと50超のAIでリードタイム78%短縮
-
联想がサプライチェーンのコントロールタワーで意思決定を50〜60%速めた事例
-
云南白药の昆明工場が衛星センシングとLLMで原料返品78%減、灯塔工場に
-
日立ハイテクが半導体製造装置の生産計画を自動立案し、計画時間を約5分の1にした事例
-
ロート製薬がスキルパズルを使った再生医療分野のDXで工数を75%減らした事例
-
トヨタモビリティパーツ茨城支社が配置計画AIで計画業務の時間を約70%減らした事例
-
Caterpillarが工場とサプライチェーンのデジタルツインを保全と計画に使う事例
「製造・生産管理」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。