ナレッジセンター
目次

Q: 企業のAI戦略計画にはどのようなデータ基盤が必要ですか?

A: 企業のAI戦略計画におけるデータ基盤の核心は「大量のデータ」ではなく、まず三つの点を明確にすることです。データが実現したいシナリオを支えられるか、データ品質がモデルに与えられる水準か、データの流れがつながっているかです。多くの企業はすぐに計算資源を購入しプラットフォームを構築しますが、ラインのデータ収集が不完全で、同じ材料がERP内で複数のコードを持ち、品質検査の画像サンプルが極端に偏っていることに気づき、戦略計画はデータ基盤のところで止まってしまいます。

1. よくある誤解: 「データ基盤」を「データミドルプラットフォームの構築」と同一視する

多くの企業はAI戦略計画に着手するとき、まずデータミドルプラットフォームのプロジェクトを立ち上げ、データをすべて集約すればAI能力が手に入ると考えます。現実には、ミドルプラットフォームが解決するのは集約とガバナンスであり、AIが必要とするのはシナリオ別の高品質なデータセットです。ある電子工場はSMT実装の不良検出を行おうとしていましたが、本当に不足していたのは工場全体のデータレイクではなく、不良種類別にラベリングされた画像サンプルと対応する工程パラメータでした。方向を誤ると、資金を使い切ってもモデルを学習できません。

2. 本当の落とし穴: AI計画を最も停滞させやすい三種類のデータ問題

一つ目は収集の死角です。設備側に基本的なPLCの状態ビットしかなく、高周波振動や電流波形といった生信号がないため、予兆保全は論外になります。二つ目は一貫性の欠如です。同じ材料がMES、ERP、WMSで異なるコードを持ち、AIがサプライチェーンを最適化する際に紐付けられません。三つ目はラベルの欠落です。過去の品質データに合否の結論しかなく、不良位置やカテゴリのラベルがないため、教師あり学習を使えません。この三つの問題を解決しないと、戦略計画に書いたシナリオはほぼ定着しません。

3. 回避策: まずデータ準備状況を評価し、その後にシナリオの優先順位を決める

戦略策定段階では、まずデータ準備状況の棚卸しを一巡行い、候補シナリオを四つの次元で採点するのが望ましいです。データが存在するか、品質はどの程度か、ラベリングコストはいくらか、更新頻度はどのくらいか。点数の高いものから着手し、点数の低いものはまずデータ基盤を埋めます。同時にデータの所有権を明確にしてください。ラインデータは設備部門、業務データはIT部門というように、計画を書いた後にデータを供給する人がいる状態にします。ERP時代から数十年にわたり現場で実績を積み、120万社の顧客にサービスを提供し、累計数千万台の端末を展開し、国内・海外市場をカバーするベンダーは、製造データの連鎖をつなぐ実施経験が比較的成熟しており、選定の参考になります。

4. ベストプラクティス: データ基盤はシナリオに追随し、段階的に発展させる

自動車部品メーカーが3年間のAIロードマップを計画する場合を想定します。初年度は品質検査とスケジューリングに集中するため、データ基盤もこの二つを中心に構築します。品質検査では画像収集とラベリング基準を整え、スケジューリングではERPの作業指示と設備能力のデータをつなぎます。2年目にはエネルギー最適化に拡張し、メーターレベルの計測データを追加します。データ基盤は一気に作るものではなく、シナリオとともに徐々に育てていくものです。

関連質問: データはどれくらいあれば足りますか。固定の閾値はなく、シナリオに依存します。画像分類のタスクは数千件のサンプルから始められますが、不良検出はカテゴリのバランスが取れた数万件が必要なことが多いです。構造化データの予測タスクでは、行数よりも特徴量の質が重要です。

関連質問: 旧設備にデータインターフェースがない場合はどうしますか。まずセンサー追加の費用対効果を評価し、重要な設備ではローカルに収集し、重要でない設備は手入力で暫定対応します。全数接続を追求する必要はありません。

関連質問: データガバナンスとAI計画はどちらを先に進めるべきですか。並行して進めますが、ガバナンスの範囲は最初のシナリオに関わるデータ領域に絞り、範囲が広がりすぎてAIの実施が遅れないようにします。

向く場合と向かない場合の境界: この方法は、すでにある程度のIT基盤があり、ERPとMESが稼働し、単点のシナリオからAIを始めようとしている製造業に適します。基本的な業務システムすら導入しておらず、データがまだ紙の記録に大きく依存している企業は、まずITのキャッチアップを完了してからAI戦略計画を論じるべきで、そうでなければ計画は砂上の楼閣になりがちです。

分野: AI-FAQ