この記事の要点: 韓国のスタートアップ企業Mithril（ミスリル）は、製造プロセスの完了前に不良品の発生を予測し、製造装置の制御ソフトと連携してプロセス条件の変更や停止を支援する「産業用基盤モデル」を開発しました。従来の事後検出型AIとは異なり、センサーやモーターのデータを時系列で統合解析することで、製品完成の9分前に89%の確率で不良を予測することに成功。同社は日本への現地法人設立や北米展開を視野に入れ、製造装置の自律化ビジネスを加速させています。
ニュースのポイント
- 製品完成の9分前に89%の確率で不良発生を予測する産業用AI技術を開発
- 装置メーカーと提携し、既存ハードウェアを変更せず制御ソフト側でAIを連携
- 日本市場を最優先と位置づけ、今年から来年にかけて現地法人の設立を計画
背景
従来の製造業向けAIは、製品が完成した後に画像などで良否を判定する「事後検出」が主流でした。しかし、これでは不良が発生した際の材料や時間のロスを防ぐことができません。2023年11月に設立されたMithrilは、製造現場の安全性向上や生産効率化を目指し、プロセス中のデータから未来の異常を先回りして予測する「産業用基盤モデル」の開発に注力してきました。
何が起きたのか
Mithrilの技術は、製造装置に搭載されたセンサー、モーター、制御システムから出力されるデータを一元的に解析します。半導体材料のデモンストレーションでは、従来手法で約40%にとどまっていた異常予測精度が100%近くまで向上しました。同社はエンドユーザーである製造メーカーに直接AIを販売するのではなく、装置メーカーと共同開発するビジネスモデルを採用しています。装置メーカーは自社製品をAI搭載型へとアップグレードでき、Mithrilは装置の販売台数や使用期間に応じたライセンス・サブスクリプション収入を得る仕組みです。
製造業・生産管理への見方
生産管理や現場のオペレーションにおいて、AIによる自動停止はライン停止コストや廃棄ロスの観点から慎重な判断が求められます。そのため、同社のシステムはAIが完全に自律制御するのではなく、予測の根拠となったセンサー値やプロセス条件を人間が理解できる形で提示する「説明可能なAI（Explainable AI）」を採用しています。最終的な判断は熟練技術者が行う「ヒューマン・イン・ザ・ループ（Human-in-the-Loop）」の体制をとることで、現場の信頼性と実用性を担保しています。半導体や精密測定、セメント、食品など幅広い分野への応用が進んでいます。
現場で確認したいポイント
- 既存の製造装置のハードウェアを変更せず、制御ソフトとの連携のみでAI実装が可能か
- 異常予測時にラインを止める判断基準や、AIが提示する予測根拠の可視化プロセスがあるか
- 装置メーカーとの共同開発モデルにより、導入・保守サポートが円滑に受けられる体制か
確認しておきたい点
本記事に記載された予測精度（9分前の予測で89%、半導体材料プロセスで100%近い精度）は、特定の生産ラインやデモンストレーション環境における実績であり、すべての製造環境や異なるプロセスにおいて同様の成果が保証されているわけではありません。
出典情報
| 出典 | The Elec Inc. |
|---|---|
| 公開日時 | 2026-08-10T07:17:49+09:00 |
| 元記事 | The Elec Inc.で読む |
