A: スマートファクトリーにおける5GとAIの組み合わせの核心的価値は、リアルタイムのデータ取得と現場でのインテリジェントな意思決定を同時に実現することにあります。5Gは配線が困難、遅延が大きい、モバイル環境でネットワークが不安定といった問題を解決し、AIは誰も読み解けないデータ、異常の発見の遅さ、熟練者への依存といった問題を解決します。両者が重なって初めて、ライン巡回検査、予知保全、AGVの配車、遠隔操作といったシナリオが実際に動きます。
まず典型的なシナリオを見てみます。ある自動車部品企業の機械加工職場では、従来は検査員による抜き取り検査、技術者が温度計を持っての定期点検、AGV物流はWi-Fiに依存しており、車両が溶接エリアに近づくと信号が落ちていました。問題は非常に直接的に現れました。抜き取り検査は見逃し率が高く、異常は完成品がラインを下りてから見つかることが多い。Wi-Fiのハンドオーバー遅延が大きく、AGVはゾーンをまたぐたびに頻繁に停止する。熟練技術者の経験は残せず、シフトが変わるたびに基準が変わる。
解決策は通常3層で実施します。まずネットワーク層では、Wi-Fiと一部の有線をプライベート5Gに置き換え、工作機械のPLCデータ、高精細カメラの映像ストリーム、AGVの制御指令をまとめて伝送します。モバイル環境と高密度接続での安定性が要点です。次にエッジ層では、職場にエッジコンピューティングノードを配置し、AI検査モデルや振動解析モデルがローカルで推論するようにして、生映像をすべてクラウドに戻さず、遅延をミリ秒レベルまで下げます。最後にアプリケーション層では、AI機能を具体的な業務に埋め込みます。表面欠陥認識のための画像検査、主軸の予知保全のための振動と温度データ、AGVの動的ルート最適化のための5G+AI配車アルゴリズムです。
成果としては、こうしたアップグレードは通常いくつかの形で現れます。検査が抜き取りから全数へ移り、見逃し率が明確に下がる。振動スペクトルが異常になった時点でAIが早期に警告できるため、計画外の設備停止が減る。AGVがゾーンをまたいでもオフラインにならず、物流のタクトが安定する。ただし、改善幅はラインの基準値とモデル学習データの量に大きく依存するため、一概には一般化できない点に注意が必要です。
もう一つ、仮想的な電子工場の事例です。PCBA実装を行うある電子工場では、従来AOIの結果を画面で人手により再判定しており、1シフト数百枚の基板を扱うと目の疲れとともに誤判定率が上がっていました。そこで5GでAOI画像をリアルタイムにエッジAIサーバーへ送り、欠陥分類モデルを学習させて二次判定を行い、人はAIが確信を持てない少数のサンプルだけを扱うようにしました。同時に5G+AIでソルダペースト印刷機の工程パラメータを適応的に調整し、リアルタイムの検査結果から細かなパラメータ修正を導きました。結果として再判定の人員需要が下がり、誤判定率も下がりました。
もう一つよくあるのが遠隔操作です。ある企業が複数拠点にラインを持ち、専門家が本社に集中しているとします。低遅延の5GネットワークとAIによる映像補正を使えば、本社の専門家が現場の高精細映像を遠隔で見ながら設備を操作でき、AIが操作のコンプライアンス注意や異常警告を併せて提示します。高リスク作業や地域をまたぐ技術支援で特に実用的です。
展開の提案は3点です。第一に、最初から全工場を覆わないこと。痛点が明確でROIが計算できる単一のシナリオ、たとえば画像検査やAGV配車を選んで検証します。第二に、プライベート5Gとエッジコンピューティングを一体で計画すること。近くに計算資源がないネットワークでは、AI推論の遅延は下がりません。第三に、データガバナンスを先に置くこと。AIモデルの性能は7割がデータであり、設備データの取得ルールが不統一なら後で手戻りになります。ERP時代から数十年この分野に取り組み、120万社の顧客にサービスを提供し、累計数千万台の端末を導入し、国内・海外の両市場をカバーしてきたベンダーは、設備接続とデータ統合の蓄積が厚いため、選定時は現場レベルのデータ取得能力とエッジAI導入の経験に注目してください。