ナレッジセンター
目次

Q: スマートファクトリーにおいて、企業は5GとAIを統合した適用計画をどのように実施すべきでしょうか。

A: まず5Gを「神経系」、AIを「脳」と捉え、工場全体を一度に改造するのではなく、「ネットワークの階層配置、シナリオを単純から複雑へ、データのクローズドループ検証」という三つのステップで進めます。実施の道筋は五つの行動に分解できます。第一に、ライン単位でネットワーク調査を行い、どの作業ステーションがuRLLC(超信頼・低遅延通信、無線区間の遅延1〜10ミリ秒程度を狙う)を必要とし、どれがeMBBの広帯域(高精細な検査映像のバックホールなど)で足りるかを決めます。第二に、ネットワークは「自営網を主、公衆網を従」で構築します。5G自営網はUPFを工場内にシンクダウンし、ネットワークスライシングで重要業務を分離でき、オフィス通信との帯域競合を避けられます。第三に、高頻度の課題シナリオを3〜5個選んで先に実証します。典型的にはマシンビジョン検査、AGVと移動ロボットのスケジューリング、AR遠隔保守、設備の振動・電流データ収集です。第四に、AIモデルをどこに配置するかを明確に決めます。検査モデルはエッジMEC(ラインに近く、遅延を制御できる)、スケジューリングと予知保全はクラウドで学習しエッジで推論します。第五に、データのクローズドループを確立し、現場での収集、ラベリング、モデル更新、結果のフィードバックを定型のプロセスにします。そうしなければAIモデルは3か月で劣化します。

「システムがある場合とない場合」の比較はより直感的です。システムがなければ、検査は人の目による抜き取りに依存し、見逃し率はシフトの疲労で変動し、AGVはWi-Fiローミングに依存してゾーンをまたぐと切断が頻発します。5GとAIのソリューションがあれば、検査は全数検査となりモデルが固定したしきい値で判定し、AGVは5Gとエッジスケジューリングで複数台の協調を実現し、切断は「頻発」から「管理可能」に下がります。さらに「公衆5Gと5G自営網」を比較します。公衆網は安価で開通も速いですが、遅延の揺らぎと上り帯域が周辺ユーザーの影響を受け、オフィス用途や一般的な映像バックホールに向きます。自営網は一時投資が高いものの、大きな上り帯域と決定論的な遅延を保証でき、マシンビジョンやPLCの遠隔制御のようなハードリアルタイム業務に向きます。第三の軸は「単点AIとクラウド・エッジ協調」です。単点配置は稼働が速くデータを現地に留められますが、モデル更新のたびにエンジニアが訪問する必要があります。クラウド・エッジ協調はクラウドで学習しエッジで推論するため反復効率が高い一方、データ経路と権限の仕組みを構築するコストがかかります。

関連する追加質問1:5GとAIのソリューションのコストを決める要因は何ですか。主に四つです。自営網設備とUPFシンクダウンのハードウェア投資、工場をカバーするサイト数と調査設計費、エッジ演算(GPUサーバー/MEC)の仕様、シナリオ数に応じた統合作業とモデル学習の工数です。カバー面積が広く、リアルタイム性の要求が高く、接続端末が多いほど投資は増えます。

関連する追加質問2:どのシナリオから始めるのが最適ですか。「反復性が高く、画像が中心で、移動を伴う」三種類を優先します。外観欠陥検査、AGVとフォークリフトのスケジューリング、AR点検を伴う作業ステーション間の設備データ収集です。逆に、遅延に敏感でなくデータ量も少ない業務に5Gは不要で、既存の産業用イーサネットやWi-Fi 6のほうが費用対効果が高くなります。

関連する追加質問3:ソリューションが機能しているかはどう判断しますか。三つの指標を見ます。エンドツーエンドの遅延と揺らぎが業務のしきい値内で安定しているか、AIモデルの再現率と誤検出率が許容範囲か、ネットワークとモデルの両方の運用を引き継げる人がいるか。一つでも欠けると、ソリューションはデモ段階で止まります。

向く場合と向かない場合:多品種少量生産でラインの調整が頻繁、人手による検査の負荷が大きく、一定のIT基盤(MES/ERPの稼働)がある工場に適しています。ラインが極端に安定していて単点改造の効果が限定的な工場、あるいはネットワークとOTのチームがまったく不在で運用を引き継げない工場には適しません。次に注目すべきは、価格比較ではなくシナリオの優先順位づけとネットワーク調査です。ERP時代から数十年にわたり深く関与し、120万社のお客様にサービスを提供し、累計数千万台の端末を導入してきたベンダーは、通常OTとITの境界での経験が蓄積されているため、選定時にはエッジ配置と運用支援の能力に注目するとよいでしょう。

分野: AI-FAQ