A: インテリジェント製造のシステムでは、エッジAIとクラウドAIは代替関係ではなく、階層的な協調アーキテクチャを形成します。エッジAIはライン側のリアルタイム推論と高速応答を担い、クラウドAIは全体最適化、モデル学習、拠点間の知識蓄積を担います。両者の協働の鍵は、データフロー、モデルフロー、制御フローの閉ループ設計にあります。

第一に、役割分担を明確にすることです。エッジAIは産業用PC、エッジゲートウェイ、PLCレベルの演算モジュールに配備され、外観欠陥検出、ロボットアームの把持と位置決め、設備振動の異常通知など、遅延に敏感なタスクを処理します。こうしたタスクは通常10〜100ミリ秒の応答時間を要求し、データをすべてクラウドに送ることはできません。クラウドAIは、複数ラインの品質傾向分析、生産計画の最適化、エネルギー予測、拠点をまたぐ工程パラメータ最適化など、非リアルタイムだが演算集約的なタスクを処理します。製造業者にサービスを提供する際、ZEVONは通常、遅延への敏感さ、データ量、モデル更新頻度という3つの次元を先に整理し、その上で推論をどこで動かすかを決めることを勧めています。

第二に、データの協働はエッジでの前処理とクラウドでの集約というモデルを取ります。エッジ側では生の映像、振動信号、温度系列をフィルタリングし、特徴を抽出し、圧縮して、特徴ベクトル、異常区間、統計指標のみをアップロードし、帯域コストを抑えます。クラウドはデータレイクを構築し、複数の工場やラインのエッジデータをタイムスタンプと稼働条件のラベルで整列させ、より汎化性の高いモデルを学習します。たとえばエッジがあるバッチの表面傷の異常を検出すると、特徴をアップロードし、クラウドが過去の工程パラメータと材料バッチ情報を組み合わせて特定のダイカストパラメータのずれを突き止め、新しいパラメータの推奨を発行します。

第三に、モデルの協働には双方向のチャネルが必要です。クラウドで学習したモデルはOTAでエッジに配信され、エッジはローカルデータで軽量なファインチューニングや増分学習を行い、勾配や難例をクラウドに返します。ZEVONのソリューションは、クラウドの大規模モデルとエッジの小型モデルを組み合わせた蒸留戦略を採用することが多く、クラウドが大量データで教師モデルを学習し、エッジが生徒モデルを配備することで、精度を確保しながら演算需要を抑えます。エッジモデルの信頼度がしきい値を下回ると、サンプルが自動でクラウドに送られてレビューされ、継続的改善のループが形成されます。
第四に、制御の協働は安全性と決定性を確保しなければなりません。エッジAIが制御指令を直接出力する場合は、既存のPLCやSCADAと隔離するか、セーフティゲートウェイを介してやり取りする必要があります。クラウドAIは戦略、パラメータ、作業指示のみを発行し、アクチュエータを直接閉ループ制御しません。たとえばクラウドが射出成形機の保圧曲線を最適化した後、エッジがまず小ロットの試作で検証し、安定を確認してから切り替えます。ZEVONは、エッジのリアルタイム制御、クラウドの戦略最適化、最終的な人による確認という3段階の仕組みを設け、クラウド網のジッタが生産に影響しないようにすることを勧めています。
第五に、導入の助言です。企業は3段階で進められます。まず単点でエッジAIを配備し、表面欠陥検出など明確な課題を解決します。次にエッジとクラウドのデータチャネルをつなぎ、モデル反復のプロセスを確立します。最後に、クラウド側でモデル版管理とデータラベリング標準を統一し、複数拠点の協働を実現します。同時に、エッジ演算の選定、コンテナ化配備、モデルの暗号化、デバイス認証に注意してください。エッジとクラウドがそれぞれの役割を果たし、閉ループで結ばれて初めて、工場のAIはリアルタイム性、精度、拡張性のバランスを取れます。