SiemensとNVIDIAは、ドイツ・エアランゲンにあるSiemensの電子機器工場で、2つの産業用AIワークフローを実際の生産の中で試験している。1つはデジタルツインから生成した画像を使い、新しい回路基板の外観検査を準備するものだ。もう1つは、人間の計画担当者が比較し、工場シミュレーションで確認できる生産スケジュールを提案する。Siemensは10月19日、これを自律製造に向けた進展として紹介する一方、エアランゲンを開発・試験拠点と説明した。

同様のシステムを検討する製造業者にとって、この区別は重要だ。報告されたワークフローが扱うのは、検査準備の前に実物の基板を待つことと、注文や材料が変わった際に生産計画を比較検討することという、2つの具体的な遅延要因だ。Siemensは工程と潜在的な利点を説明しているが、外部の人が削減効果や他工場でのシステム性能を評価できる研究は公表していない。

最初の基板ができる前に検査を準備できる

エアランゲン工場は、プリント基板アセンブリーを含む産業用ドライブや周波数変換器を製造する。Siemensの10月19日の発表によると、以前は新しいアセンブリーの検査を準備する際、実物の試作品を待ってから、ビジョンシステムを学習させ、検査装置を設定する必要があった。数週間かかることもあったという。

新しいワークフローでは、設計段階の基板のデジタルツインを基に、検査準備用の写実的な画像を作る。Siemensのイベント資料によると、NVIDIA Cosmosのワールドモデルは、潜在的な欠陥がある基板とない基板の画像生成を支援する。エンジニアは実物の試作品が存在する前に、この画像で検査装置を学習させられる。発表は画像生成をNVIDIA Cosmosによるものとしているが、完成した検査システムの学習データ、欠陥のカバー範囲、エラー率は明らかにしていない。

Siemensは、この仮想的な生産準備により、新しい基板アセンブリーのエンジニアリング作業を最大85%、市場投入までの時間を最大40%削減できる可能性があるとしている。これらは同社が報告する潜在的な利点だ。発表には、2つの数値の比較手順や独立に検証された結果は示されていない。エアランゲンに導入するすべての製品で測定された改善と読むべきではない。

エージェントが計画を示し、人が選ぶ

もう1つのワークフローは生産計画を扱う。新たな注文は、ライン能力、材料の供給可能性、費用、納期のバランスを変え得る。Siemensによると、AIエージェントは複数のシナリオを生成し、定義された主要業績評価指標で影響を示す。計画担当者が選択肢を比較して計画を選び、提案された計画は実施前に工場のデジタルツインで確認する。資料は、NVIDIA Factory Operations Blueprintで構築したSiemens Intelligence Center X Agentsを挙げ、確認を物理法則に基づくシミュレーションと説明している。発表によれば、NVIDIA Omniverseライブラリは実際の工場データを使う仮想試験を支える。

これは、工場が自ら運用上の意思決定を行うという説明より範囲が狭い。公開資料が説明するのは、エージェントによる提案、シミュレーションでの確認、人間の監督だ。システムが独自にスケジュールを承認し、装置設定を変更し、計画担当者なしでエアランゲン拠点を運営するとは述べていない。Siemensは、この計画手法が最大20%のコスト削減を可能にし得るとしており、資料では資本コストと緊急対応コストを含むとしている。同社は推計の公開基準値、測定期間、独立監査を提示していない。

大きな変化

1月に発表した提携は、エアランゲンをひな型として、全面的にAIが動かす適応型の製造拠点を構築するという目標を掲げた。10月の更新では、共同開発し、実際の生産で試験している2つの具体的なワークフローが示された。検査準備に使う基板の合成画像と、人が実行に移す前に工場ツインで計画の選択肢を確認するエージェントだ。実務上の変化は、実物の基板や修正した生産計画がラインに届く前に、チームが一部の判断を仮想的に準備・検討できることである。

他の製造業者にとって、エアランゲンはSiemensとNVIDIAがこれらの道具をどこに適用しているかを示すものであり、自律工場が大規模に実証された証拠ではない。ワークフローの再現には、正確な製品・工場モデル、生産データ、検査の妥当性確認、現地の運用管理が必要になる。両社は、報告された拠点の外で、この手法の費用、信頼性、移転可能性を判断できるだけの実装・結果データを公表していない。BIG CHANGEはどちらのワークフローも試験していない。

出典と参考資料