書き戻さないAIは「見るだけ」で終わる
PoCの成果物は、多くの場合ダッシュボードです。不良の予兆や異常スコアがグラフで表示され、担当者が見て判断します。ところが本番では、担当者が常に画面を見ているわけではなく、見たとしても「このロットを止めるか」を判断する権限や手順がなければ、何も変わりません。結果として、AIが不良を予測しても、そのロットは後工程に流れていきます。
AIの判定を工程に効かせるには、結果を業務の仕組みに戻す必要があります。工場でその仕組みを持っているのがMESです。ロットのホールド、再検査・作業指示の発行、アンドン（異常の表示・呼出し）は、多くのMESが標準機能か拡張で持っています。
3つの設計パターン
A：ロットホールド
AIが不良と判定した、または不良の可能性が高いと予測したロットを、MESの機能でホールド（保留）します。ホールドされたロットは次工程への投入や出荷ができなくなり、品質担当者が判定するまで止まります。
向いているのは、外観検査AIの不良判定や、品質予測で規格外の確率が高いと出た場合など、流出したときの影響が大きい用途です。注意点は誤判定の影響です。過検出が多いとホールドが積み上がり、生産が止まります。導入初期は、AIの判定でホールドする条件を高いスコアに限定し、それ以外は後述のアンドンで人に知らせる二段構えにするのが安全です。
B：作業指示
AIの判定を受けて、MESから再検査・点検・条件確認の作業指示を発行します。予知保全AIが異常の兆候を検知したら保全の点検指示を出す、品質予測で傾向の悪化を検知したら抜取検査の頻度を上げる、といった使い方です。
ホールドほど強い介入ではなく、人の作業で確認する余地を残せます。作業指示の結果（異常あり・なし）がMESに記録されるため、その結果をAIの正解ラベルとして再学習に使えるのも利点です。
C：アンドン・通知
AIの判定をアンドン（ラインの異常表示）や現場端末・スマートフォンへの通知につなぎます。判断は人が行います。導入初期や、確度がまだ十分でない用途に向いています。
通知だけの設計は最も導入しやすい反面、通知が多すぎると無視されるようになります。通知のうち実際に対応したもの・しなかったものを記録し、閾値の見直しに使ってください。
| パターン | 業務への介入 | 誤判定時の影響 | 向いている用途 | 導入順の目安 |
|---|---|---|---|---|
| A ロットホールド | 強い（工程を止める） | 大きい（生産停止） | 外観検査の不良判定、規格外の予測 | 精度確認後 |
| B 作業指示 | 中（作業を追加する） | 中（工数増） | 予知保全、傾向監視 | 並行運用の後 |
| C アンドン・通知 | 弱い（人が判断） | 小さい（無視される） | 導入初期の全用途 | 最初 |
実務では、C→B→Aの順に段階的に介入を強めていく進め方が多く、シャドー運用（AIの判定を記録するだけで業務には使わない期間）から始めて精度を確かめます。
書き戻すデータ項目
MESに書き戻すときは、判定結果だけでなく、後で検証できる情報を一緒に記録します。
| 項目 | 例 | 理由 |
|---|---|---|
| 対象キー | ロットID、シリアル、設備ID、工程 | どの製品・工程の判定かを特定する |
| 判定結果 | 良・否・要確認、不良種別 | 業務処理の分岐に使う |
| スコア・確率 | 異常スコア0.87 | 閾値の見直し、後からの分析 |
| 使った閾値 | 0.80 | 閾値変更の前後を比較する |
| モデルの版数 | visual-insp-v2.3 | どのモデルで判定したかを品質記録に残す |
| 推論時刻 | 2026-10-12T09:15:32+09:00 | 処理遅延の確認、時系列との突合 |
| 入力データの参照 | 画像ファイルのパス、時系列の範囲 | 誤判定時の原因調査 |
特にモデルの版数は、品質監査やクレーム対応で「この製品はどのモデルで合格と判定されたか」を問われたときに必要になります。モデルを更新した後に旧モデルの判定に問題が見つかった場合、影響範囲のロットを版数で絞り込めます。詳しくは工場向けMLOpsで扱います。
誤判定とシステム障害への備え
書き戻しを本番で動かす前に、次の3つを決めておきます。
AIが止まったときの扱いは、品質と生産のどちらを優先するかの判断です。検査工程では「判定できなければ従来の人の検査に戻す」、予知保全では「通知が来ないだけで生産は継続する」といった形で、工程ごとに決めます。
連携方式の選び方
書き戻しの方式には、MESのAPIを呼ぶ、イベント配信（MQTTやUNS）で結果を流してMESが購読する、MESのデータベースに直接書き込む、の3つがあります。DB直接書込みはMESの整合性チェックを経由しないため、本番では避けるべきです。APIは処理の確実性が高く、イベント配信はMES以外のシステム（アンドン、ダッシュボード、ヒストリアン）にも同じ結果を同時に届けられます。方式の比較はMESとAIをつなぐ3方式、UNSの考え方はUnified Namespace（UNS）とはを参照してください。
よくある質問
MESにホールド機能がない場合はどうすればよいですか？
不良品の置き場所への物理的な仕分け（排出機構）や、次工程の着手時にAIの判定結果を照会する仕組みで代替できます。ただし、記録と解除の手順が紙や口頭になると履歴が残らないため、MESの拡張を検討する価値はあります。
AIの判定をそのまま合否判定にしてよいですか？
用途と品質保証の体制によります。最終的な合否をAIに任せる場合は、検査規格書や品質マニュアルに位置づけ、見逃し率の監視と定期的な検証を行う必要があります。初期は人の判定と並行運用し、一致率を確認してから切り替えてください。
書き戻しの遅延はどの程度まで許されますか？
タクト内で次工程に流れる前にホールドする必要があるなら、推論とMESへの反映を合わせてタクトより十分短くする必要があります。保全の作業指示や傾向監視であれば分単位の遅延でも問題ありません。工程ごとに許容時間を決めてから方式を選んでください。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
