ジョエル・スカッチフィールド氏、Koh Young America, Inc. SMT・半導体事業部門ゼネラルマネージャー
製造業における人工知能（AI）をめぐる議論は、興味深い転換点を迎えている。AIが業界を変革するという点では誰もが同意しているようで、企業はAI機能に多額の投資を行っている。しかし、こうした活動にもかかわらず、多くのメーカーが期待していた変革的な成果は、依然として実現していない。
AIの可能性と実際の成果との間にあるギャップは、根本的な誤解に起因している。あまりにも多くの企業が、AIを単独で取り組むべきものとして捉えており、独自に開発し、単独で実装し、競争優位性を獲得するために使用できると考えている。
このアプローチは根本的に欠陥がある。製造業のAIには、あらゆるレベルで徹底的な協業が必要だ。
専門知識の必要性
製造業における効果的なAI活用には、深い専門知識、信頼性の高いデータ、明確な目標という3つの必須要素が求められる。ほとんどの企業は、そのうちの1つしか豊富に持っていない。
装置メーカーは、特定のプロセスに関する豊富な専門知識を持っている。私の会社の場合、検査と測定について多くのことを知っている。はんだペーストの塗布、部品実装の検証、リフロー後の検査について理解している。しかし、我々の専門知識は専門分野に限定されている。完全な製造ラインにおける印刷、実装、リフロー、その他のプロセス全体にわたる同等の専門知識は持っていない。
EMS（電子機器受託製造サービス）企業は、逆の課題に直面している。彼らは製造プロセス全体と、異なる段階がどのように相互作用するかを理解しているが、各装置の基礎となる物理学や工学に関する深い技術的知識を欠いていることが多い。同様に、ソフトウェア企業はAIの専門知識を持っているかもしれないが、製造に関する専門知識と、効果的なモデルを訓練するために必要な生産データへのアクセスの両方を欠いていることが多い。
包括的な製造業AIを提供するために必要なすべてを持っている単一の事業体は存在しない。協業は選択肢ではなく、不可欠なのだ。
データのジレンマ
AIシステムは、それを訓練するデータと同程度にしか優れていない。製造業において、最も価値のある洞察は、複数のプロセスステップと装置タイプにわたるデータの相関から生まれる。
リフロー後の検査で部品のずれが明らかになったケースを考えてみよう。根本原因は、はんだペーストの塗布、部品実装、コンベアの振動、リフロープロファイル、またはそれらの組み合わせにある可能性がある。真の原因を特定するには、複数のシステムからのデータを総合的に分析する必要がある。
各装置メーカーが自社のデータを保護し、独立したAIソリューションを構築すると、顧客は断片的な洞察しか得られない。何が問題なのかは分かるが、なぜそうなったのか、どう修正すればよいのかを理解するのに苦労する。AIはアラートを生成するが、メーカーが必要とする実用的なインテリジェンスを提供しない。このサイロ化されたアプローチは、製造チームに対し、異なるAIシステムを統合し、矛盾する推奨事項を調整し、洞察を手動で統合するという不合理な負担を課すことになる。
統合の課題
インダストリー4.0の動きは、統合の複雑さについて我々に痛烈な教訓を与えた。多くのメーカーが接続された装置とデータ収集に多額の投資を行ったが、データを収集することとそこから価値を引き出すことは全く異なる課題であることを発見した。我々はAIでこの過ちを繰り返すリスクがある。
すべての装置サプライヤーが独自のインターフェースとデータ形式を持つ独自のAIシステムを開発すれば、メーカーは圧倒的な統合の課題に直面し、プロセス改善ではなく配管工事にリソースを費やすことになるだろう。ここでも、業界の協業が不可欠だ。製造業のAIシステムがどのように通信し、データを共有し、推奨事項を調整するかについての共通フレームワークが必要だ。CFXのような取り組みは装置通信の基礎を築いたが、AI相互作用についても同様の標準が必要だ。
実践的な協業から学ぶ
私は自社のパートナーシップを通じて、協業型AIの力を目の当たりにしてきた。検査システムが実装装置と通信し、より広範なプロセスの文脈を理解するソフトウェアと連携すると、単一のシステムが達成できる結果を超える成果が得られる。異なる技術と専門知識を結集することで、実際の製造上の課題に対処する統合ソリューションを開発している。これらの協業が機能するのは、各当事者が独自の専門知識を提供しながら、パートナーの洞察に対してオープンであり続けるためだ。
競争のパラドックス
協業に対する躊躇は理解できる。競争優位性を保護し、独自の知識を守りたいという自然な本能がある。この考え方は重要な点を見逃している。製造業AIを成功裏に実装する企業は非常に大きな優位性を獲得するため、真の競争はAIプロバイダー間ではなく、AIを効果的に採用するメーカーとそうでないメーカーの間にあるのだ。
自動車メーカーはすべて同様の製造装置を使用している。彼らの競争上の差別化は、秘密の製造技術ではなく、設計、エンジニアリング、ブランド、実行から生まれる。製造業AIにも同じことが当てはまる。競争優位性は、独占的なアクセスではなく、それをうまく実装することから生まれる。
協業の出発点
メーカーはどのようにして協業型AI機能の構築を始めればよいのか。
第一に、装置サプライヤーにオープン性を求めることだ。データのアクセシビリティ、統合機能、他のシステムとの連携意欲について尋ねる。第二に、AI統合とデータ共有の標準を開発する業界の取り組みに参加することだ。第三に、明確な価値を提供する焦点を絞った協業プロジェクトから始めることだ。複数ベンダーの協業が測定可能な改善をもたらせる具体的な課題を選ぶ。第四に、まず自社の内部業務にAIを適用することだ。見積もり、顧客フォローアップ、リソース配分の改善に使用する。これにより、即座の価値を提供しながら、組織のAIリテラシーを構築できる。
今後の道筋
我々は製造業AIの進化の初期段階にある。今犯す過ちは、今後数十年にわたって業界を形作ることになる。AIを単独で追求することは安全に感じるかもしれないが、それは最適でない結果とリソースの浪費につながる。
協業を受け入れ、共通標準に貢献し、統合されたAIエコシステムを構築するメーカーとサプライヤーは、業界の未来を定義できる。単独で進むことに固執する企業は、印象的に聞こえるAI機能を持ちながらも、現実世界では期待外れの結果をもたらすことになるだろう。
製造業は常に協業的な取り組みであった。AIはこの基本的な真実を変えるものではなく、それを増幅するのだ。
