A: 工場でエッジAIとクラウドAIが連携する場合の導入サイクルは、通常、パイロット検証、単一シナリオの稼働、複数シナリオへの展開という3つの段階に分かれます。初回のパイロットは最短4〜8週間で完了でき、ライン横断の展開には3〜6か月かかることがあります。単点の検査や設備の予知保全だけであれば約4週間で閉ループが見えますが、MES、スケジューリング、工程最適化を複数システムにまたがって連携する場合は、一般に3か月以上かかります。以下では役割分担とサイクルのリズムの両面から見ていきます。
1. 工場におけるエッジAIとクラウドAIの役割分担

エッジAIは速さを担います。ミリ秒単位の応答が求められるタスク、すなわちラインサイドの外観検査、振動監視、PLCの時系列データの異常検知、AGVのスケジューリングと障害物回避などは、エッジボックスや産業用PC上で動作させる必要があります。クラウドAIは深さを担います。複数工場のデータを集約した後の工程パラメータ最適化、ライン横断の品質原因分析、大規模モデルによるスケジューリング提案、設備寿命予測モデルの学習などは、クラウドまたはプライベートクラウドに置くほうが適しています。両者の連携の要点は、エッジがリアルタイム推論とフィルタリングを担い、クラウドがモデルの反復と全体最適化を担い、更新されたモデルをエッジへ配信するという役割分担にあります。
2. 導入サイクルは通常3つの区間に分かれる

1. パイロット検証、約4〜8週間。1本のラインまたは1つのステーションを選び、エッジ推論ノードを配備して、データサンプリング、モデル配備、アラームのループを動作させます。この段階の重点はエッジAIのリアルタイム性と精度を検証することであり、クラウドはデータ保存と簡易ダッシュボードのみを担います。
2. 単一シナリオの稼働、約8〜12週間。パイロットシナリオを安定させ、エッジモデルが定期的にクラウドから更新を取得し、クラウド側で小規模なデータラベリングと再学習を開始します。たとえばリフロー後のAOI再判定を行う電子部品工場では、エッジが疑わしい基板をまずふるい分け、クラウドが類似の欠陥を集約してモデルを調整します。

3. 複数シナリオへの展開、約3〜6か月。エッジAIノードを複数ラインへ拡張し、クラウドがモデルのバージョン、データパイプライン、AIタスクのスケジューリングを一元管理します。ここで通常必要になるのがMES+AIの連携であり、エッジのアラームとクラウドの分析結果を作業指示、工程パラメータ、保全計画へ書き戻します。ZEVON ESOPは産業AIとMES+AIにおいて能力を蓄積しており、エッジ推論の結果とクラウド最適化の提案を実行層まで通し、システム分断による余分な工程を削減できます。
3. サイクルに影響する3つの現実的な要因
第一はデータ基盤です。設備の接続率やデータ取得のカバー率が低い場合は、まずデータパイプラインを構築するために2〜4週間の追加が必要です。第二はシナリオの複雑さです。単点の外観検査は、複数工程が連動するスケジューリングよりもはるかに速く進みます。第三は組織の協力体制です。IT、OT、工程、品質が1週間以内にモデルの受け入れ基準で合意できるかどうかが、パイロットの遅延を直接左右します。たとえば自動車部品企業がダイカストの表面欠陥を検査する場合、エッジを先行させクラウドでモデルを反復する体制なら、最初の閉ループは通常6週間程度で完了します。
まとめ:最初からエッジとクラウドの完全な連携を目指さないでください。エッジAIが単独で閉ループを回せて、クラウドが継続的にデータを供給できるシナリオを選び、4〜8週間でパイロットを実証してから、四半期のリズムで展開します。ZEVONは120社以上(15業種以上)の顧客、3,200台以上の端末の実績があり、エッジAIとクラウドAIの連携における導入リズムについては、工場全体のインテリジェンス化計画ではなく、単一シナリオの閉ループを第一段階の目標に設定することを推奨しています。