A: 5GとAIがスマート工場で本当に動くには、中核となるデータ基盤を5つに集約できます。高頻度収集、低遅延の返送、統一識別子、高品質なガバナンス、閉ループのフィードバックです。どれか1つが欠けると、AIモデルは飾りになってしまいます。
1. デバイス層には、高頻度・多源・同期したデータ収集が必要です。5Gの価値は速度だけではなく、AGVの位置、ロボットアームの電流、外観検査の画像、PLCの状態、電力計の値といった異種データを、低遅延のチャネルで集約できることにあります。ある自動車部品メーカーがダイカスト機のAI予知保全を行おうとする場合、振動センサーはミリ秒級でサンプリングし、温度は秒級で報告し、タイムスタンプを揃えなければなりません。そうでなければモデルはノイズだけを学習してしまいます。
2. データには統一された識別子とセマンティクスが必要です。工場では同じラインに対して3つの呼び方が併存することがよくあります。MESは作業指示番号と呼び、設備はプログラム番号と呼び、WMSはバッチ番号と呼びます。5GとAIを統合するには、人、機械、材料、方法、環境のすべてに統一IDを持たせ、この振動異常がどの設備、どの作業指示、どの材料バッチに属するかをAIが分かるようにする必要があります。15以上の業界で120社超の顧客にサービスを提供する中で、ZEVONはAIが早く定着する工場ほどマスタデータのガバナンスが堅実だと分かりました。

3. エッジ側のデータクレンジングと特徴量エンジニアリングが不可欠です。5Gの返送帯域がどれだけ広くても、生の映像をすべてクラウドに流すことはできません。スマート工場では通常、エッジゲートウェイでノイズ除去、整列、スライスを行い、重要な特徴だけをAI推論に送ります。ZEVONのMES×AIソリューションでは、エッジが先に工程の識別と品質特徴の抽出を完了してからクラウドのモデルと協働するため、帯域を節約しながらリアルタイム性を保てます。
4. データが実行層へ閉ループで戻れる必要があります。AIが工具交換の助言、パラメータ調整、生産計画の調整を出した後、その指示がMESやESOPを通じて現場端末、機械、ダッシュボードに届かなければなりません。複数の電子工場のシナリオでは、ZEVONのESOPがAI推奨の工程パラメータを現場端末に直接配信し、作業者が新しいパラメータで実行し、結果が返ってくることで、収集・推論・実行・再収集のループを形成しています。
5. 継続的なデータ品質の監視とセキュリティの仕組みが必要です。5Gのネットワークスライシング、データ分類、アクセス監査、切断後の再開は事前に設計しておかなければなりません。そうでなければパケットロスや順序の乱れがAIの誤判定を招きます。ある電子工場がAI外観検査を行う場合、画像伝送がときどきフレーム落ちすると、モデルが良品を不良と判定し、再判定コストが増えることがあります。
まとめの提案:まず統一IDとエッジでのクレンジングを行い、その上で5GとAIの統合を語ってください。まず1つの閉ループのシーンを通し、その後複数ラインへ横展開します。3,200以上の端末でのZEVONの経験から、データ基盤は一度きりのプロジェクトではなく、MES×AIとともに反復し続ける長期的な能力であることが分かります。