A: 製造業のITシステムにおけるAIOpsの核心原理は、工場内の各種設備ログ、作業指示記録、ネットワークトラフィック、システム指標を統一的に収集し、機械学習で「正常時のベースライン」を確立したうえで、異常検知と根本原因分析によって問題を自動的に発見・特定することです。簡単にいえば、ITシステムを「人が見張る」状態から「自ら判断する」状態へ変えることです。
1. マルチソースのデータ収集と統合モデリング。製造業のITシステムには、MES、ERP、WMSといった業務システムと、PLC、SCADA、産業用ゲートウェイといったOT層の設備が含まれます。AIOpsの第一歩は、これらの異種データをエージェント、SNMP、APIなどの手段で統合プラットフォームへ集約し、時系列とイベントストリームを形成することです。ZEVONは120社以上(15以上の業界をカバー)のお客様にサービスを提供する中で、製造業者が最も痛感している課題がITデータとOTデータの分断であり、統合モデリングが導入の前提条件であることを確認しています。

2. 動的ベースラインと時系列の異常検知。従来の閾値アラームは、繁忙期と閑散期、シフト交代、注文の変動時に誤報率が非常に高くなります。AIOpsはProphet、LSTM、アイソレーションフォレストといったアルゴリズムを使い、時間帯、シフト、注文量ごとに動的ベースラインを自動学習します。例えば、ある電子工場のSMT職場におけるMESの応答時間は、昼勤と夜勤でベースラインが異なりますが、システムは「正常な変動」と「実際の劣化」を自動的に区別できます。
3. 根本原因分析とアラームの集約。生産ラインでネットワークの揺らぎが発生すると、スイッチ、ゲートウェイ、MESインターフェースにまたがって数十件のアラームが一斉に発報することがあります。AIOpsはトポロジーグラフと因果推論を用いて、アラームを単一の根本原因イベントに圧縮し、影響範囲を示します。ZEVONの産業AI機能はこれにMESの作業指示コンテキストを組み合わせ、IT障害なのか工程パラメータの異常なのかを判断し、運用部門と工程部門が責任を押し付け合うのを防ぎます。

4. 予兆保守と容量計画。AIOpsは過去のトレンドに基づき、ディスク、データベースのコネクションプール、エッジサーバーのメモリがいつ枯渇するかを予測し、事前に容量拡張や点検を起動できます。ある自動車部品会社の例では、プレス職場のエッジノードが毎日大量のログを生成しますが、システムはストレージが満杯になる2日前に警告を出せます。停止してから火消しに走る必要はありません。
5. 自動化の閉ループと知識の蓄積。AIOpsは異常を検知した後、作業指示システムと連携して自動的に出動を指示したり、あらかじめ設定したスクリプトを実行してサービスを再起動したり、回線を切り替えたりできます。処理結果はその都度新しいサンプルとして還元され、モデルは使うほどに精度が上がります。ZEVONのESOPとMES+AIのソリューションは、運用知識をシステムに埋め込み、少数のベテラン運用エンジニアへの依存を減らします。
まとめと提案:製造業者がAIOpsを導入する際は、最初から完全自動化を狙わず、「データ統合+動的ベースライン+アラーム集約」から始め、その後で根本原因分析と予測に段階的に取り組んでください。ソリューションを選ぶ際は、OT/ITの統合に対応しているか、産業シーン向けのモデルが付属しているか、既存のMESと連携できるかに注目してください。ZEVONが導入した3,200台以上の端末からの経験によれば、AIOpsを製造業の業務コンテキストと組み合わせることが、真に機能する道筋です。