人工知能（AI）は、製造業の変革を支援する強力なツールとして、その実力を証明し続けています。パート1で説明したように、従来型AIと生成型AI（GenAI）は多くの点で類似していますが、それぞれ異なる目的、出力、結果を達成するために設計されたツールを製造業者に提供します。

ここでは、従来型AIとGenAIがどのように連携して、オペレーターと保守担当者に必要なものを必要な時に正確に提供するのかを詳しく見ていきます。また、これらのツールがデジタルツイン、データ分析、持続可能性、生産性、品質管理にもたらす付加価値についても説明します。

## 資産保守

従来型AIは、長年にわたり資産保守において貴重なツールとなっています。通常、製造資産からの大量の履歴データでトレーニングされ、リアルタイムデータからパターンを検出できます。これらのパターンは、オペレーターと保守担当者が潜在的な問題を未然に防ぎ、解決するのに役立ちます。

AIはリアルタイムデータに基づいて具体的な予測を行い、適切なタイミングで保守活動を実施できるようにします。長年にわたり、従来のAIは予防保全、予測保全、指示保全、そして状態基準保全を支える重要な技術の一つでした。

しかし、従来のAIの分析結果は、オペレーターや保守チームにとって解釈や対応が難しい場合があります。そこでGenAIの出番です。

GenAIは従来のAIと連携し、データ結果の解釈とパターン分析を支援します。GenAIは分析結果をオペレーターや保守チームにとって分かりやすい言葉に要約します。その結果は、オペレーターに問題点とその解決方法を明確に示します。

GenAIは、操作マニュアル、修理マニュアル、技術図面、その他の機器関連資料を解析します。従来のAIが特定した特定のパターンを用いて、詳細な図面や段階的な保守手順書などの文脈に沿ったコンテンツを生成します。これらのコンテンツは、オペレーターや保守担当者に現状を明確に説明し、適切な是正措置を講じるのに役立ちます。

これは、従来のAIとGenAIが連携し、オペレーターや保守担当者に必要な情報を必要な時に正確に提供している好例です。

## デジタルツイン

デジタルツインとは、物理的な製造資産、製造ライン、または工場をコンピューター上で再現した、実際に機能するレプリカです。その目的は、現実世界のオペレーションを可能な限り正確に反映することです。デジタルツインは多くの場合、動的なリアルタイムモデルであり、製造設備の設計、運用、保守において特に有用です。従来のAIとGenAIの両方を統合することで、その効果はさらに高まります。

製造オペレーションとトレーニングにおいて、デジタルツインは設備と生産ラインのオペレーションを最適化し、従業員のトレーニングを支援します。従来のAIとGenAIを組み合わせることで、リアルタイムの意思決定を可能にする強力なツールとなります。

従来のAIは設備データを分析して運用上の非効率性を特定します。GenAIはこれらの洞察を解釈し、エンジニアリング図面、運用手順、運用マニュアルを参照することで、オペレーターに明確なガイダンスを提供します。

## データ分析

製造業は常に豊富なデータ源を有してきましたが、膨大なデータ量の中で、重要な情報とそうでない情報を区別することが困難な場合が多くあります。幸いなことに、従来のAIは教師あり学習と教師なし学習を通じて大きな進歩を遂げてきました。それでも、データサイエンティストでない人にとっては、その結果は圧倒的に感じられるかもしれません。まるで、結果を理解するために別のAIレイヤーが必要なかのようです。

この時点で、GenAIは従来のAIが生成した結果を解釈し、明確に説明することができます。何が起こっているのか、なぜ起こっているのか、次に何が起こる可能性があるのか​​、そして何をすべきかを明確にすることで、オペレーター、監督者、管理者、エンジニアが理解し、行動を起こせるようになります。

## 持続可能性

エネルギーとユーティリティの使用、廃棄物と排出物の管理という観点から、真の持続可能性を実現することは非常に困難です。結局のところ、製造施設のほぼすべての平方インチが、エネルギーやユーティリティを消費し、排出物、廃棄物、あるいはそのすべてを排出しています。

従来のAIは、膨大な量のデータを取り込み、エネルギーとユーティリティの使用を最適化しながら、排出物と廃棄物を最小限に抑えます。しかも、これらはすべてリアルタイムで行われます。しかし、これらの最適化を行っても、何が起こっているのかを理解するのは難しい場合があります。ほとんどの人にとって、あまりにも多くのデータとあまりにも多くの意思決定が、迅速かつ容易に理解できないのです。

GenAIはそのギャップを埋めます。従来のAIの出力を明確で実用的な洞察に変換し、オペレーターや管理者が現状、対処すべきこと、どのような意思決定が行われているか、そしてそれらの意思決定がエネルギー使用量、公共料金、排出量、廃棄物にどのような影響を与えるかを理解するのに役立ちます。また、分かりやすい要約を提供することで、全体像を把握し、情報に基づいた行動をとるための支援を提供します。

## 生産性と品質管理

製造業における品質管理は複雑な取り組みです。その目的は、施設を最高の効率で稼働させながら、最高品質の製品のみを出荷することです。従来、製造業者は品質を向上させるために生産速度を落とすか、品質低下のリスクを負って生産速度を上げるかのどちらかでした。

現在、従来のAIがこのプロセスの変革に貢献しています。AIは、データを取り込み、潜在的な不具合を示唆するデータパターンを検出することで、品質管理テストと検査を実行できます。また、生産活動によって生成される大量のデータを分析し、非効率性を特定してオペレーションを最適化します。これらの機能を組み合わせることで、AIは品質と生産性の両方を同時に最適化できます。より多くのデータと調整が必要になりますが、そのメリットは努力に見合う価値があります。

GenAIはこれらの出力を分析し、オペレーターが理解しやすい形で提供します。従来のAIでは、品質と生産性を個別に、あるいは両方を最適化することは非常に複雑になる可能性があります。GenAIは結果を明確に説明することで、これらの問題を解決します。何が起こっているのか、なぜ起こっているのか、そして品質と生産性の両方を望ましいレベルに維持するためにはどのような対策が必要なのか、具体的な情報を提供します。どちらか一方を犠牲にすることなく、両方を望ましいレベルに維持することができます。

## 結論

従来のAIとGenAIは、技術、運用、目的が異なりますが、製造業において併用することで、はるかに強力な効果を発揮します。最も効果的なアプリケーションの中には、両方を統合し、大きな利益を生み出すものがあります。今日の製造業において、企業は適応と進化への準備を整えなければなりません。従来のAIとGenAIの融合は、間違いなくこの変革の重要な推進力となるでしょう。