人工知能（AI）は、工場の運営を変革し、生産ラインを最適化してコストを削減している。
世界経済フォーラムのグローバル・ライトハウス・ネットワークは、製造業のデジタル変革を推進するAIの役割に注目している。
6人のリーダーが、自社のライトハウス拠点がAIをどのように活用して産業の発展を牽引しているかを説明する。
AIは工場の現場を急速に変革し、よりスマートで効率的な運営への移行を加速させている。予知保全から品質管理に至るまで、AIを活用したシステムが生産ラインを最適化し、コスト削減と排出量の削減を促進している。
世界経済フォーラムのグローバル・ライトハウス・ネットワークは、最近22の新規メンバーを迎え、機械学習やデジタルツインなどのデジタル変革と最先端技術が、次世代の卓越した operational excellence を推進していることを示している。
これらの先進的な拠点は、生産性を高めるだけでなく、持続可能性と人材育成における新たな基準を打ち立て、人と機械の協働を強化し、新たな水準のイノベーションを切り拓いている。
ここでは、6人のリーダーが、自社のライトハウス拠点がAIをどのように活用して産業の発展を牽引しているかについての知見を共有する。
Nihat Bayiz、最高生産・技術責任者、Beko
AI主導の技術革新を統合したことにより、当社は製造プロセスと設計を最適化しただけでなく、従業員の力も引き出してきた。
主要なAI活用例として、リアルタイムでパラメータを調整する、機械学習を活用したスマート制御システムがある。これにより板金成形における端材や欠陥を減らし、材料コストを12.5％削減した。
決定木ベースのモデルにより、板厚のばらつきによるクリンチング不良を防止し、欠陥率を66％削減した。畳み込みニューラルネットワークのアルゴリズムを用いたクローズドループのバルブゲート制御は、プラスチック射出成形を最適化し、15万件（150K）を超えるデータポイントを分析して、サイクルタイムを18％改善した。
洗浄サイクル設計における高度な機械学習アルゴリズムにより、市場投入までの時間を46％短縮し、洗浄性能の99％の最適化を達成した。
AIの基本原理から高度な機械学習の応用までを対象とした研修プログラムにより、6か月間で3,160時間の研修が修了した。グローバルな自動化プログラムが工場規模での導入とユースケースの共有を導いており、中央および現地のデジタル変革オフィスが統括している。また、製品グループごとにライトハウス工場を設立する計画もある。
Jim Fox、スウェーデン事業担当バイスプレジデント兼デジタル担当エグゼクティブ・スポンサー、AstraZeneca
現在、AstraZenecaはAIを活用して、医薬品の開発、製造、供給のあり方を変革している。医薬品開発では、予測モデリングにより、原薬の物理的・化学的特性の最適化を支援し、製造中の製剤の性能を予測している。
生成AI（GenAI）、機械学習、大規模言語モデルはすでに、開発のリードタイムを50％削減し、実験で使用する原薬の量を75％削減することに貢献している。
製造においては、AIを活用したプロセスデジタルツインが、原材料の使用量を減らし、技術移転の要件を最小限に抑えつつ、収率と生産性の条件を最適化している。デジタルツインは、原薬の特性、プロセス条件、製品品質の関係をシミュレートし、運転条件を最適化する。
連続生産と組み合わせることで、製造のリードタイムを数週間から数時間へと短縮した。さらに、GenAIと人間の協働により規制当局への申請を加速させ、一部の文書の作成時間を70％以上削減している。
当社はネットゼロのカーボンフットプリントの実現に向けて進んでおり、AIを活用したツールもこれを後押しする。医薬品のライフサイクルデータを分析し、逸脱や排出の「ホットスポット」を可視化することで、サプライチェーン全体にわたってそれらを軽減できるようになる。
Anand Laxshmivarahan. R、最高デジタル・情報責任者、Jubilant Bhartia Group
Jubilant Ingrevia では、効率を高め、工程のばらつきを減らし、収率とスループットを最適化するため、全生産工程においてAIと機械学習を取り入れている。
当社は「デジタルツイン」（重要資産の仮想的な複製）を広く導入し、リアルタイムで運営をモデル化し、予測し、管理している。特定のAIまたは機械学習モデルが生産パラメータを最適化し、品質と資源効率を確保するために過去および現在のデータを活用している。
当社のデジタル・パフォーマンス管理モデルから得られた知見を活用し、工程のばらつきを63％削減した。
当社の製造ユニットには、予測分析を備えたモノのインターネット（IoT）ベースの監視システムが導入されており、故障が発生する前に設備の故障を予測する高度なAIアルゴリズムを活用している。このアプローチにより、ダウンタイムを50％以上削減し、運営効率を著しく高めている。
AIを活用したソフトセンサーは、データの収集と分析を強化し、製品品質の向上と工程条件の最適化に寄与している。AI主導の分析システムはエネルギー消費を管理し、運営コストを削減するとともに、スコープ1排出量を20％削減し、持続可能性の目標達成を支援している。
生産工程全体にAIを統合したことで、自動化が進み、運営効率が高まり、より持続可能で環境に配慮した未来への基盤が築かれた。全50拠点で本格的に取り組み、今年と来年にかけて、世界中の事業で新興技術を活用した10～12件のユースケースを展開する計画だ。
その第一歩として、全拠点を運用データレイクに接続・統合し、データのリアルタイムかつ統合的な把握を実現した。これにより、収率とスループットを改善するためのAIまたは機械学習に基づく施策を提供できるようになった。
当社のJUMP（Jubilant Model Plant）は、より広範な展開の前にAIモデルを完成させるためのデジタル・ライトハウスとして機能しており、デジタル・センター・オブ・エクセレンスはAI専門家と全従業員向けの「Digital 101」研修によってこの変革を推進している。
この取り組みでは評価制度も重要である。当社の報奨プログラムはデジタル推進者を育成し、DigiScoop は成功事例を広めることで、イノベーションの拡大を後押ししている。
全社的なAIの導入によって、化学製造における可能性の定義そのものが変わると確信している。
Stephan Schlauss、Siemens AG グローバル製造部門責任者
Siemensでは、AIが製造に与える変革的な影響を日々実感しており、生産性、効率、持続可能性を高めている。人件費の上昇、人材不足、環境に配慮したソリューションへのニーズが高まる中、AIは産業メタバースに関する当社のビジョンの重要な要素である。
Siemens Electronics Factory Erlangen では、バリューストリーム全体にわたってAIの応用が顕著な成果をもたらしている。たとえば、機械学習が検査手順を最適化し、初回合格率を大幅に高め、効率を向上させている。
完全自動化された組立ラインにおいて、さまざまな部品や材料をピックアップして配置するAI対応ロボットにより、自動化コストを90％削減している。また、AIによる誘導システムを活用して手作業の作業員の能力も高め、生産性と品質を向上させている。
Siemensのハードウェアとソフトウェアを基盤とした産業グレードのAIインフラは、導入を簡素化し、変更管理の負担を軽減している。
自動化された研修と展開のパイプラインにより更新作業の労力を最小限に抑え、継続的な自動監視によってAIアルゴリズムの信頼性と信用を確保している。これにより拡張性が高まり、導入の障壁が下がり、信頼の醸成につながっている。
Guoxin Yao、サプライチェーン総経理、常温事業部門、Mengniu Dairy
Mengniuの「デジタル化1.0」は、酪農場と工場のデジタル化に焦点を当て、原料乳から生産に至るまで、供給側の包括的なデジタルカバレッジを実現することを目指した。
デジタル化2.0では、デジタルマーケティングと消費者側の運営システムを構築することで管理の最適化へと移行し、精密な消費者プロファイルを作成してサービス体験とマーケティングの向上を図った。
デジタル化3.0により、Mengniuは供給側と消費者側の双方にAIを統合し、サプライチェーン工程を最適化して効率を高めている。3つの主要なAI活用シナリオが生まれている。
One-Stop Laboratory では、ニューラルネットワークによる画像認識や強化学習に基づくインテリジェントなスケジューリングなどのAIモジュールが手作業による検査に取って代わり、重要な試験工程における正確性と効率を確保している。
調達と循環的な配送において、AIはサプライヤーの発注スケジュールと車両の配車を自動化し、在庫回転率を73％、運営効率を8％向上させている。
予知保全において、AIアルゴリズムは設備データを分析して故障を予測し、ダウンタイムを防止している。これらのシステムにより、生産全体の意思決定と運営効率が高まっている。
Simon Zhang、バイスプレジデント兼最高データ責任者、Midea Group
Mideaの洗濯機事業は、エンドツーエンドでグリーンかつ持続可能な新たな能力を模索・再構築しており、製品設計、製造（品質、設備、エネルギー）、物流においてAIを統合したさまざまなデジタル技術を幅広く展開し、各サブシナリオにおけるインテリジェントな運用を促進している。
開発サイクルを25％短縮し、品質不良を53％削減し、物流経路を29％最適化した。同社は、AIの活用を通じて工場規模での導入が進んでいることを実感している。
工場全体の工程におけるAIの深い応用は457のサブシナリオにわたっており、主に自社開発の少量サンプル向け知能アルゴリズムとオープンなAIクラウドプラットフォームを通じて実現している。これにより、サンプル収集と研修時間を大幅に短縮し、規模拡大と運用のコストを抑えている。
