A: 製造企業でAIOpsを導入する核心は、ツール一式を買うことではなく、まずITシステム内のデータをつなぎ、アラートのノイズを抑え、そのうえで監視データガバナンス、シナリオ単位の実証、運用の閉ループという3段階で進めることです。多くの工場がすぐにフルスタックのインテリジェント化を目指しますが、MES、ERP、SCADAのログ形式すら統一されておらず、モデルは動かしても空回りします。
1. まずデータ基盤を平らに敷く。製造業ITの複雑さは、システムの階層がはっきりしている点にあります。下層はPLC、SCADA、エッジゲートウェイ、中間はMES、WMS、QMS、上層はERP、PLM、OA連携です。多くの企業では運用データがZabbix、Prometheus、ログ基盤、チケットシステムに分散し、メトリクス、ログ、トレースの3系統がそれぞれ違うことを語っています。AIOpsの第一歩は統一的な収集とタグ付けであり、設備ID、ライン番号、工程コードといった製造のセマンティクスを監視データに埋め込みます。そうしなければ、AIはアラートがSMT実装機から来たのか老化試験装置から来たのかすら判別できません。この段階では、まずアラートの収束率を上げます。業界の一般的な実務では、ルールとクラスタリングで重複アラートの60〜70%を抑え込んでから、インテリジェントな原因分析を語ります。
2. シナリオは生産の痛点に近いものを選び、ITサーバールームから始めない。製造企業が効果を出しやすいシナリオは通常3つです。第一にMESとERPのインターフェース異常検知で、インターフェースが切れるとラインの実績報告が止まるため、時系列の異常検知は人手でログを見るよりはるかに速いです。第二にエッジゲートウェイと産業ネットワーク機器の予測保全で、ある電子工場に1000台を超えるスイッチと生産端末があるとします。AIOpsのトラフィックのベースライン・モデリングなら、ポートのフラップやリンク品質の劣化を事前に検知できます。第三にチケットのインテリジェント配信と知識推薦で、過去チケットの故障記述を意味的にクラスタリングし、新しいアラートに処理案を直接提示します。この3つはデータが揃い、フィードバックも明確なので、第一期に適しています。
3. 運用の閉ループはモデル精度よりも重要。AIOpsは予測を出して終わりではなく、ITSMのチケット、変更管理、自動化スクリプトにつながる必要があります。ある自動車部品メーカーがMESデータベースの接続プールのアラートを受け取り、システムが特定のレポート用SQLが原因だと特定したとします。その場合は自動でスロットリングを起動するか、DBAに通知し、処理結果をフィードバックとしてモデルに書き戻せなければなりません。閉ループがなければ、モデルがどれだけ正確でも運用に載りません。実務では、アラート圧縮率、MTTRの変化、誤検知率という3つの指標を追う運用データのダッシュボードを用意し、四半期ごとに改善します。
4. 組織面では、OTとITの両方を理解する橋渡し役が必要。製造業ITの運用は純粋なインターネット運用とは異なり、ラインが1分止まる損失はサーバーの再起動とは比べものになりません。IT運用、自動化エンジニア、工程担当者からなるチームを作るのが望ましく、AIOpsベンダーも産業プロトコルとラインのタクトを理解している必要があります。ERP時代から数十年にわたり取り組み、120万社にサービスを提供し、数千万台の端末を導入し、国内外の市場をカバーしてきたベンダーは、製造データの取り込みとシステム統合の経験が豊富なことが多いので、選定時にはMESやWMSとの接続実績とエッジ側の収集能力に着目します。
展開のリズム: 第一期は3〜6か月で監視データガバナンスと高価値のシナリオ1つだけに取り組み、目に見えるアラート収束とMTTRの改善を出します。第二期は原因分析と予測保全へ広げます。第三期はAIOpsの能力を運用ポータルに埋め込み、現場の担当者が自然言語で故障を照会できるようにします。1回の稼働で無人運用を期待してはいけません。製造業ITにおけるAIOpsの本質は、人の負荷を下げ、意思決定を速くすることです。