この記事の要点: 株式会社日立製作所とハンガリーのSZTAKIは、需要変動や設備故障などの変化に応じて、生産ラインの運用・改修方針の策定から具体的なライン構成案の導出までを一貫して自動立案する技術を開発しました。生成AIと数理最適化技術を連携させることで、自然言語による現場の要請を適切なパラメータへ自動変換し、実行可能な複数案を定量的に提示。これにより、従来熟練者に依存していたライン見直し業務の効率化と迅速な意思決定を支援します。
発表内容のポイント
- 生成AIと数理最適化の連携により、現場の要請を適切なパラメータへ自動変換
- 分散した製造知識を構造化・階層化して参照する「階層型ナレッジ参照技術」を採用
- バッテリー製造ラインでの検証において、見直し業務の工数を最大87.3%削減
発表の背景
製造現場では、需要変動や人員不足、設備故障へ柔軟に対応するため、生産ラインの構成を迅速に見直す必要があります。しかし、最適なライン構成を導き出すには、製造現場の知識と数理最適化技術の知識の双方が求められます。これらの知識を併せ持つ熟練者は限られており、さらに必要な情報が複数の部署やシステムに分散しているため、変化に応じた迅速なライン構成の見直しが困難という課題がありました。
何が発表されたのか
今回開発された技術は、生成AIの処理を「方針決定」「パラメータ項目決定」「パラメータ値決定」の3段階に分割し、現場の要請を段階的に数値条件へ落とし込みます。さらに、分散していた製造知識を構造化して階層的に参照する技術により、担当者の個人知に依存しない情報集約を可能にしました。導出された複数の構成案は、コストや生産性の観点から比較評価できるため、意思決定者は各案の選定理由を容易に確認できます。
製造業・生産管理への見方
生産管理や製造技術の現場において、増産対応や設備トラブル時のライン再編成は、時間と工数がかかる複雑な業務です。本技術は、熟練者のノウハウや分散したデータをシステム上で統合し、最適な工程分割や設備割り付けを自動で算出します。バッテリー製造ラインを用いた検証では、熟練者が作成した案と同等の品質を維持しながら、工数を大幅に削減できることが実証されており、製造業DXにおける実用的な意思決定支援ツールとしての活用が期待されます。
現場で確認したいポイント
- 自社の生産ラインにおける工程分割や設備割り付けのルールが、システム化可能なレベルで整理されているか
- 部署やシステムごとに分散している製造知識や設備データを、一元的に集約・構造化できるか
- PoC（概念実証）を通じて、自社の製造品目やライン規模に対してどの程度の工数削減効果が得られるか
確認しておきたい点
本技術は現時点で開発段階にあり、今後はバッテリー、自動車、医薬機器、産業機械などの分野でPoC（概念実証）や現場適用を進める段階です。自社の既存システムや生産ラインへ即座に導入できるパッケージ製品としての提供時期や、具体的な導入コストについては明記されていません。
関連リンク
- 発表企業サイト：株式会社日立製作所の公式企業サイトです。
- 発表企業のPR TIMESページ
出典情報
| 出典 | PR TIMES |
|---|---|
| 発表企業 | 株式会社 日立製作所 |
| 発表日時 | 2026-08-04 17:00:01 |
| 元記事 | PR TIMESで読む |
