LATEST
新着記事
全600本を更新日の新しい順に並べています。内容を改訂した記事は更新日で並びます。
2026年10月
-
製造業のAIとは？できること・できないことを5つの機能で整理する入門
-
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エージェントとは：Copilotとの違いと自律度の5段階で整理する
-
製造業の生成AI活用の全体像：業務別12ユースケースと導入の順番
-
中国「人工智能+」行動意見とは：2027年に智能体普及70%超が製造業に意味すること
-
中国「AI+製造」専項行動（2026年1月）全解説：7分野21措置と2027年目標
-
中国データ越境規定（16号令）と日系工場：製造データを日本へ送れるか
-
EU AI Actは製造業AIをどこまで縛るか：高リスク判定の分岐点と第6条の例外
-
業種別に見る製造業AI：30業種の課題と効くAI用途を1枚のマップで整理
-
製造業のAI人材育成：現場・推進・専門の3層で育てる計画の立て方
-
フィジカルAIとは：従来の産業ロボット・協働ロボットとの違いを4つの軸で整理
-
【無料Excel】製造業AI導入テーマ選定シート：4つの評価軸で20候補を採点
-
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
-
製造業の需要予測AIとは？統計手法・LightGBM・基盤モデルの使い分けと導入手順
-
製造業の設計・開発AI：生成設計・CAE代替・図面AI・設計ナレッジの4分野
-
工場の省エネAI：設備別の見える化・ベースライン回帰・最適制御の3段階
-
予知保全AIとは？異常検知・故障診断・余寿命推定の3段階と導入6ステップ
-
AI生産スケジューリングとは？APS・数理最適化・強化学習の違いと選び方3基準
-
製造業の品質AI：SPC・要因分析・ソフトセンサー・条件最適化の4領域を整理
-
工場の安全AI：保護具未着用・危険エリア侵入・転倒を画像で検知する4用途
-
技能伝承AIとは？動画分析・作業分析・RAGの3アプローチと導入の手順
-
製造業の調達・SCMのAI：需要連動発注・サプライヤーリスク・価格予測の4用途
-
時系列データの異常検知AI入門：統計・予測残差・再構成型の3方式と選び方
-
外観検査AIとは？2つの学習方式と導入5ステップを製造現場の目線で解説
-
製造業のAI活用10領域：外観検査・予知保全から設計・技能伝承まで一覧
-
AI推進体制のつくり方：CoE・事業部・工場の3者の役割分担と5つの型
-
【無料Word】AI PoC計画書テンプレート：目的・評価指標・中止条件の12項目
-
製造業がAIを導入するメリット5つとデメリット4つ：判断基準つきで解説
-
製造業のリスキリング：現場社員をAI活用人材に変える6か月プログラム
-
【無料Excel】製造業AIのROI試算シート：不良・停止・工数から回収期間を計算
-
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
-
製造データ品質の10の問題：時刻ずれ・欠損・単位不統一をAI投入前に潰す方法
-
ISA-95とAI：L0〜L4の階層ごとにAIの置き場所とデータの流れを整理する
-
PoC死（パイロット煉獄）の実態：McKinsey・WEF調査で見る「7割がスケールしない」理由
-
製造業の社内文書RAG入門：手順書・図面・品質記録を検索する5層構成
-
中国「AI+製造」が日系企業に与える影響：競争・調達・規制の3つの視点
-
中国の智能工厂梯度培育とは：基础级・先进级・卓越级・领航级の4段階
-
EU AI Omnibusで期限延期：製品組込み型の高リスク義務は2028年8月へ
-
中国の日系工場とAI：パナソニック・オムロン・トヨタの公開情報まとめ
-
美的の「智能体工厂」：荆州工場の14エージェント・38シーンと人形ロボット
-
Siemens Industrial Copilotの全体像：5系統の提供状況と狙い
-
半導体前工程のAI：ウェハ欠陥検査・バーチャルメトロロジー・装置保全の実際
-
中小町工場のAI活用：従業員50人以下で効果が出た5つの使い方と補助金
-
ヒューマノイドの工場実証一覧：BMW・Mercedes・Schaeffler・BYDなど10社の現在地
-
フィジカルAI導入の判断基準：今やるべき工場・待つべき工場を分ける5つの質問
-
フィジカルAIの全体像2026：基盤モデル・ヒューマノイド・シミュレーションの3層
-
電力データとMES稼働実績を紐付ける：製品1個あたりエネルギー原単位の算出
-
予知保全AIが失敗する6つの理由：故障事例不足・誤報・保全行動につながらない
-
品質AIの前提はトレーサビリティ：ロット・シリアルと工程データの紐付け方
-
外観検査AI製品の比較軸10項目：学習方式・撮像系の範囲・エッジ対応・再学習の手間
-
製造業のAI導入率はどこまで進んだか：白書・民間調査7本の数字を読む
-
製造業のAI人材に必要なスキル10項目：ドメイン知識とデータの扱い
-
AIベンダーへの質問リスト60問：提案比較とPoC前の確認に使えるチェック表
-
AI人材を採用するか育てるか：製造業の判断基準と採用時の4つの注意点
-
AI導入前のデータ準備チェックリスト：設備・MES・品質データの40項目
-
製造業のAI導入テーマの選び方：4つの評価軸で候補に優先順位を付ける
-
産業データ基盤6製品の比較：Fabric・AWS・Google・Cognite・AVEVA・Litmus
-
AI学習に使えるMESデータ一覧：実績・停止理由・品質判定・作業者など8種類
-
工場向けMLOps：モデルの版をロットのトレーサビリティに記録する運用設計
-
中小製造業の設備データの集め方：古い設備から少額で稼働を取る5つの方法
-
Unified Namespace（UNS）とは：工場データを1か所で購読するアーキテクチャの要点
-
生成AIの情報漏えい対策：製造業が決めるべき入力禁止情報とログ管理の7項目
-
生成AIに向く製造業務・向かない業務：5つの判定基準で仕分ける方法
-
MCP（Model Context Protocol）を工場に入れる：仕様の要点と製造業の使い方3例
-
PLC・ラダー生成AIの実力：LLM4PLC論文の成功率47%→72%が示す検証ループ
-
製造業AI市場規模は6倍違う：調査会社3社の推計と定義の差を読み解く
-
米・EU・中国の製造業AI政策比較：AIアクションプラン・AI Continent・AI+
-
「工業エージェント1000個」は原文にない：中国AI+製造目標の食い違いを検証
-
中国の工業大模型市場12.1億元（IDC）：30.7億元の数字と並べてはいけない理由
-
中国の灯塔工場101拠点：世界の45%超を占める理由と省別の分布
-
AI応用率が認定要件に：卓越級20%・領航級60%という中国スマート工場の基準
-
EU機械規則2023/1230とAI：「自己進化する安全機能」は第三者評価が必要に
-
Figure 02のBMW稼働データを検証：11か月・9万部品という数字の前提
-
NVIDIAのフィジカルAI戦略：Omniverse・Mega・Cosmos・GR00Tの関係を整理
-
中控技术TPT 2：プロセス産業の時系列大模型が工業AI収益を伸ばす理由
-
自動車メーカーのAI活用：溶接・塗装検査から生産計画・フィジカルAIまで10用途
-
化学メーカーのAI活用：ソフトセンサー・自律制御・材料開発の3領域と事例
-
食品工場のAI活用：キユーピーの原料検査から需要予測・省人化まで5用途
-
全社員向けAIリテラシー研修：製造業で教える8つのテーマと進め方
-
ISO 10218:2025改訂の要点：産業用ロボット安全規格の何が変わったか
-
VLA（Vision-Language-Action）モデル入門：RT-2からπ0.5までの技術の流れ
-
安川電機のフィジカルAI：MOTOMAN NEXT×Gemini Roboticsとソフトバンク協業
-
【無料Word】生成AI社内利用ルールひな形：製造業向け10章構成と記入例つき
-
異常検知の誤報を減らす：1日あたり誤報件数とイベント単位評価で設計する
-
省エネ効果の正しい測り方：生産量で補正するベースライン回帰とISO 50001
-
需要予測の精度指標：MAPEが壊れる3つの理由とWRMSSE・MASEの選び方
-
生成設計（ジェネレーティブデザイン）：GMのブラケット40%軽量化の条件と限界
-
手書きチェックシートのAI-OCR：認識率99%の前提と帳票設計5つのコツ
-
在庫最適化AI：安全在庫を需要と調達リードタイムのばらつきから決める
-
保護具（PPE）未着用検知AI：YOLO系モデルの精度と自社の作業服への適応方法
-
予知保全と予防保全・事後保全の違い：故障の82%がランダムという前提から考える
-
不良の要因分析AI：相関→層別→PLS・勾配ブースティングの4段階で原因を絞る
-
生産計画AIに必要なマスタ7種：ルーティング・標準時間・段取りマトリクスの整備
-
良品学習と不良学習の違い：PatchCore・PaDiMの仕組みと使い分けの判断基準5つ
-
作業動画のAI分析：姿勢推定で要素作業を分割しサイクルタイムを測る方法
-
製造業のAI導入手順8ステップ：構想からPoC・本番・横展開までの流れ
-
CDO・DX推進責任者の役割：製造業でAI投資を前に進める5つの権限
-
AI投資の補助金申請準備チェックリスト：5制度共通の確認30項目と日程表
-
製造業AIのPoC設計：目的・評価指標・期間・体制を決める5つの手順
-
FDE型の伴走支援とは：日立・富士通も採る外部人材活用の3つの形
-
外観検査AIの要件定義シート：ワーク・欠陥・撮像・タクトの25項目
-
製造業のデータレイク・レイクハウス：ブロンズ・シルバー・ゴールド3層の設計
-
製造業データ基盤の費用：収集・蓄積・連携・運用の4区分で見る相場と試算方法
-
エッジAIとは：工場で推論をエッジに置く4つの理由とJetson等の機器選定
-
OPC UAとは：AI活用で「通信規格」より「情報モデル」が効く3つの理由
-
トレーサビリティ×AI：ロット・シリアル履歴があると品質AIで何ができるか
-
作業手順書を生成AIで作る：CAD・BOM・動画から下書きする4つのパターン
-
製造業のローカルLLM・オンプレ生成AI：図面を社外に出さない4つの構成
-
MCP×OPC UA：430のAI-ready仕様は工場AIの何を変えるか
-
製造業のエージェント型AI利用は6%：Deloitte・Gartner・McKinseyの数字を比較
-
中国の具身智能・人形ロボット政策：2023年の指導意見から2026年標準体系まで
-
2025年人形ロボット出荷ランキングは一致しない：Omdiaと中国电子报の差
-
工程パラメータは「重要データ」か：中国工信領域のデータ分類分級と日系工場
-
中国工業企業の大模型利用47.5%は本当か：IDCとCapgemini 11%の定義差
-
卡奥斯（海尔）天智工業大模型：機理モデル4700超とMCP対応エージェント基盤
-
SchneiderのCognite 31億ドル買収：AVEVA CONNECTはどう変わるか
-
WEF Global Lighthouse Networkとは：累計238拠点とAI活用の読み方
-
自動車部品（Tier1・Tier2）のAI：品質保証・トレーサビリティ要求に応える5用途
-
産業機械メーカーのAI活用：受注設計・調達・組立・アフターサービスの4領域
-
医薬品製造のAI：GMP・CSVの要求とAIのバリデーションをどう両立するか
-
ファナックのフィジカルAI戦略：Google Cloud・NVIDIA・日立・富士通との4つの提携
-
フィジカルAIに必要な工場データ：MES・設備データ・動作ログをつなぐ3つの設計
-
ロボット基盤モデル5種の比較：π0・GR00T・Gemini Robotics・Helix・LBM
-
図面AI：2D図面からGD&T・寸法を読み取る技術と見積・検図への応用
-
需要予測AIの効果測定：Tüpraşの納期遵守率85%→95%に学ぶ業務KPIの置き方
-
予知保全のROI試算：停止1時間230万ドルの自動車工場と中小工場での計算例
-
外観検査AIの費用相場：カメラ・照明・ソフト・PCの内訳と3つの導入パターン比較
-
製造業AIのROI試算：効果の数え方と投資回収期間の出し方を3つの例で
-
現場の抵抗をどう越えるか：製造業AI導入のチェンジマネジメント5原則
-
予知保全のデータ収集計画シート：設備・センサー・故障履歴の整理30項目
-
AI人材の評価制度：製造業でスキルと成果を処遇に反映する3つの仕組み
-
製造業のAI人材スキルマップ：3層×12スキルで現状と育成目標を見える化
-
AI導入前の製造データ準備：棚卸しと整備で確認する7つのチェック項目
-
AIの推論結果をMESに書き戻す：ホールド・作業指示・アンドンにつなぐ3つの設計
-
生成AIを工場データにつなぐ前提条件：MES・ヒストリアンを「AIが読める」形にする4要件
-
ヒストリアンのデータはそのままAIに使えるか：圧縮・サンプリング・タグの3つの落とし穴
-
IEC 62443とAI・データ基盤：ゾーンとコンジットで工場データをクラウドへ出す設計
-
IT/OT連携の進め方：情報システム部門と生産技術が衝突する5つの論点と分担
-
AIの前にマスタ整備：品番改番・設備ID・不良コードの不整合を直す5ステップ
-
製造業の生成AI導入率はどこまで来たか：総務省・Deloitte・McKinsey調査を比較
-
生成AIのハルシネーションを業務で評価する：製造業向けテストセットの作り方4手順
-
Human-in-the-loopの設計：製造業AIエージェントの承認ゲートを置く5つの場所
-
技術伝承チャットボットの作り方：熟練者の暗黙知をナレッジ化する4つの工程
-
MESデータに自然言語で質問する：Text-to-SQLを製造業で使うための4つの前提
-
産業AIエージェントの主戦場：Siemens・SAP・Microsoftは誰が層を握るか
-
中国当局「AI投資の50〜60%はデータ工学」：工業インターネット研究院の指摘
-
中国で工場向け生成AIを使うときの「備案」：累計988件と浪潮云洲の事例
-
中国政策が「工業小モデル」を明記した理由：大小モデル協同と模数共振の考え方
-
中国初の領航級智能工厂15件：AI浸透70%超と6000の垂直モデルの中身
-
中国製造業のAI導入事例45件：用途・業種・成果を一覧で比較する
-
EU Cyber Resilience Act：2026年9月11日に報告義務開始、AI搭載設備も対象
-
华为盘古大模型5.5の工業応用：予測大模型とCV大模型の中身を読む
-
Rockwell第10回スマート製造調査：95%がAI投資、品質が2年連続で用途首位
-
SiemensとNVIDIAの「産業AI OS」提携：CES 2026の発表を読む
-
電子部品メーカーのAI活用：微小欠陥検査・歩留まり改善・多品種計画の3課題
-
鉄鋼業のAI活用：圧延の品質予測・設備保全・エネルギー最適化と宝鋼・南鋼の事例
-
AI関連資格の選び方：G検定・E資格・DS検定を製造業の役割別に比較
-
BMW×Figureの11カ月を検証：X3 3万台寄与・サイクル84秒の数字が示すもの
-
日本のフィジカルAI勢力図：安川・ファナック・Mujin・Telexistenceなど8社
-
時系列異常検知の評価の落とし穴：71手法×967系列の比較で分かった3つの事実
-
ブルウィップ効果をAIで抑える：需要情報の共有と発注平準化の4つの打ち手
-
CAE代替モデル（サロゲート）：MeshGraphNetsで解析を最大289倍速くする仕組み
-
最適化ソルバーで生産計画：OR-Tools CP-SATで解ける規模と解けない規模の境目
-
需要予測AIはナイーブ予測に勝っているか：ベンチマークの作り方と3つの罠
-
フォークリフトと人の接触防止AI：カメラ・UWB・AIの組合せ3パターン
-
空調・熱源・コンプレッサの最適制御AI：東京ガス×エイシングの約5%省エネ
-
ミルシート・検査成績書の読み取りAI：Donut等のOCRフリー方式と生成AIの比較
-
多変量SPC（MSPC）入門：Hotelling T²とQ統計量で相関のある工程を監視する
-
熟練者の暗黙知をRAGに入れる：文書にない知識を聞き取りで構造化する5手順
-
振動データの予知保全AI：ISO 20816の評価ゾーンから機械学習までの使い分け
-
外観検査AIの撮像・照明設計：同軸・ドーム・ローアングルなど照明6方式の選び方
-
AIに必要な学習データ量の目安：外観検査・予知保全・需要予測の3用途別
-
製造業向けAI研修サービスの選び方：内容・形式・費用・助成金対応の比較5軸
-
製造業AIベンダーの選び方：比較すべき8項目と提案を見比べるときの順番
-
中小製造業のAI推進体制：兼任2〜3人で回す役割分担と外部の使い方
-
AIモデルのドリフト監視：材料ロット・季節・設備改造で精度が落ちる仕組みと対策
-
OPC UAかMQTTか：工場データ収集プロトコルを用途別に選ぶ比較表と組合せ方
-
紙の帳票から脱却する：チェックシート・日報をデジタル化する3段階とAI-OCRの位置づけ
-
PoCから全ライン展開へ：横展開コストを最初に見積もる12項目チェックリスト
-
AIエージェントにMES・ERPを操作させる権限設計：読み取り専用から始める4段階
-
8Dレポート・不具合報告書を生成AIで下書きする：D1〜D8ごとの任せ方
-
生成AIのPoC設計：製造業で3か月以内に判断する評価項目と中止基準
-
中国の「智能体分類分級管理」：工場のAIエージェントにID・登録制度の可能性
-
中国灯塔工場のAIユースケース：亿纬锂能・佛吉亚・海天など12工場の数値
-
中国の工業ビジョンAI上場ラッシュ：思谋・梅卡曼德・创新奇智の財務比較
-
作業者を監視するAIはEU AI Actの高リスク：Annex III第4項と工場の動作解析
-
産業データ基盤の再編2024〜2026：Cognite・Altair・TwinThread買収の意味
-
McKinsey「State of AI 2026」：全社スケール44%でもEBIT効果は37%で横ばい
-
OPC UAコンパニオン仕様430超の「AI-ready化」：MCP・RAG対応の意味
-
電池製造のAI：CATLのセル故障率10億分の1と電極・組立・化成の品質管理
-
樹脂・成形メーカーのAI活用：成形条件・金型管理・外観検査を変える5つの方法
-
NVIDIA Isaac GR00Tとは：N1からN1.6・1.7までの変遷と商用利用の条件
-
sim-to-realとは：シミュレーションで学習したロボットを実機で動かす4つの課題
-
突発停止・特急オーダーへの再計画：MES実績連携でリスケジュールする設計
-
需要予測をS&OPと生産計画につなぐ：予測区間を安全在庫に変換する方法
-
保全ナレッジAIアシスタント：設備マニュアル×保全履歴で復旧時間を短くする
-
予知保全のセンサ選定：振動・温度・電流・音・油の5種類を故障モード別に選ぶ
-
外観検査AIの精度評価：AUROC 99%でも見逃す理由と見逃し率・過検出率の測り方
-
AIはパッケージ製品かスクラッチ開発か：製造業で使い分ける判断基準5つ
-
外国人従業員とAI：多言語の作業指示・教育を生成AIで支える4つの方法
-
AI導入と雇用・労使関係：製造業で従業員に説明すべき5つのことと合意の進め方
-
PoCで止まる製造業AIを本番に載せる6つの条件：PoC死の構造的な原因
-
製造業のデータ基盤はクラウドかオンプレか：3つの比較軸とハイブリッド案
-
DELMIA Apriso×AIの現実：MES実装者が見る連携方式・できること・制約
-
MQTTとSparkplugの違い：ISO/IEC 20237を工場で使う判断基準
-
設備タグの命名規則：AIで設備横断分析するための命名ルールと移行の4手順
-
生成AIを社内に定着させる：利用率が伸びない製造業の5つの原因と打ち手
-
設備故障診断AIエージェント：日立・ダイキン・三菱ケミカルの検証から学ぶ5点
-
作業手順書RAGの作り方：MESの品番・工程コード・改訂番号で検索を絞る3手順
-
中国「工業インターネット×AI融合」行動方案：2028年に5万社改造の中身
-
Deloitte 2026製造業見通し：フィジカルAI利用予定22%、人間主導81%の意味
-
ライトハウス選出工場のAIユースケース：2025〜2026年の20拠点の数値一覧
-
Microsoft Fabricの製造データソリューション：ISA-95でOTとITを統合する狙い
-
优必选Walker S2の工場導入：受注8億元超と自動車メーカー顧客の実像
-
米国の外観検査AIスタートアップ7社比較：Elementary・UnitX・Instrumentalほか
-
製造業の工場内物流・倉庫のAI：AMR・ピッキング・在庫配置の最適化
-
石油・エネルギープラントのAI：自動運転・予知保全・エネルギー最適化の到達点
-
製造業のAI導入に使える補助金・助成金8選：2026年の制度と選び方
-
NVIDIA Omniverseで工場デジタルツイン：Mega Blueprintとロボットフリート検証
-
Physical Intelligenceのπ0・π0.5：flow matching型VLAの限界
-
音で設備異常を見つけるAI：日立MIMIIデータセットとDCASEの結果に学ぶ導入要点
-
需要予測に必要なデータ：出荷実績を需要と見なす誤りと最低2周期分の履歴
-
多変量の設備データで異常検知：SWaTデータセットに学ぶ51センサの扱い方
-
AI-OCRの結果をMES・QMSに登録する：ロット紐付けと修正確認フローの設計
-
熟練計画者の暗黙ルールをモデル化する：計画AIが現場で使われない問題の解き方
-
PLC・ラダーのコード生成AI：Siemens Industrial Copilotとオムロンの取り組み
-
製品別CO2排出量（CFP）の算定とAI：CATL宜賓のカーボン56%減に見るデータ要件
-
安全AIの再現率と誤報のトレードオフ：警報が無視されない運用を設計する
-
ソフトセンサーとは：ラボ分析値をオンライン推定する仕組みと導入の4ステップ
-
サプライヤーリスク検知AI：ニュース・財務・地政学データで供給途絶を予兆する
-
外観検査AIの過検出を減らす7つの対策：閾値・限度見本・人の再判定フローの設計
-
作業分析AIツールの比較：Retrocausal・国内製品を5つの軸で比べる選び方
-
製造業AIの運用保守：精度劣化・再学習・モデル管理の3つの仕組み
-
デジタル化・AI導入補助金（旧IT導入補助金）2026：AIで使える枠と注意点
-
1ラインの成功を全工場へ：製造業AIの横展開を阻む4つの壁と対策
-
新事業進出・ものづくり補助金でAI設備を導入する：要件と賃上げ返還リスク
-
ISA-95の4つの情報モデル（材料・設備・物理資産・人員）でAI用データを設計する
-
AIを見据えたMES選定：データの取り出しやすさを確認する10の質問
-
製造業AIエージェントの設計：Siemensのオーケストレーター型に学ぶ5つの原則
-
製造業の生成AIコスト：ライセンス・API従量・RAG構築・運用の4区分で試算する
-
製造業の生成AI利用ガイドラインの作り方：AI事業者ガイドラインを踏まえた雛形
-
品質記録・過去トラのRAG検索：現場で使える精度にする4つの条件
-
智元・宇树・银河通用の工場向け戦略比較：精灵G2・IPO・電池工場100台
-
阿里云・腾讯云・百度・浪潮の工業AI比較：通义千问BIエージェントから开物まで
-
中国の「算力券・模型券」とは：中小製造業向けAIバウチャーの仕組み
-
MIT「生成AIの95%失敗」報告を製造業で読む：外部購入の成功率は内製の2倍
-
RockwellのAI戦略：GuardianAI・エッジSLM・自社工場の3点
-
欧米の予知保全AIベンダー9社比較：Augury・Senseye・MaintainXの違い
-
米国再工業化×フィジカルAI：1.2兆ドル投資とNVIDIA連合の実像
-
多品種少量・受注生産のAI活用：見積・計画・段取りで効く4つの使い方
-
工作機械とAI：加工条件の最適化・工具摩耗予測・機上計測の3つの使い方
-
AIばら積みピッキングの現在地：認識精度・サイクルタイム・段取りの3つの壁
-
Gemini Robotics 2・ER 2とは：身体性推論とOn-Deviceの使い分け
-
需要予測AIツールの比較：SaaS・APS付属・内製Pythonの3類型を8軸で比べる
-
マテリアルズ・インフォマティクス：材料開発の実験回数を1/9にした逐次学習
-
測定系分析（MSA）なしに品質AIをやらない：ゲージR&Rで誤差を切り分ける理由
-
新人教育のAI活用：Mideaの資格取得62%短縮に見る立ち上がり期間の縮め方
-
予知保全は閾値管理で足りるか：機械学習が要る4条件と「誤報率10%」の壁
-
生産計画AIの評価指標：納期遵守率・メイクスパン・段取り時間など6つのKPI
-
外観検査AIのPoC設計：検査仕様の明文化から合否基準まで8週間で進める手順
-
現場に使われるAIにする：製造業AIを定着させるための7つの工夫
-
中小企業省力化投資補助金でAI外観検査・ロボットを入れる：一般型とカタログ型
-
中小企業成長加速化補助金でAI・工場投資：最大5億円の要件と100億宣言
-
アセット管理シェル（AAS）とは：IEC 63278と製造業のデジタルツイン連携
-
Microsoft Fabricの製造業向けデータソリューション：ISA-95モデルでOT/ITを統合
-
UNSのトピック設計：ISA-95階層で名前空間を切る5つのルールと失敗例
-
エージェント・ウォッシングの見分け方：Gartner推定「約130社」と40%中止予測
-
製造現場の生成AIガードレール：数値・規格値を間違えさせない5つの設計
-
パナソニックコネクトのConnectAI：1万3,400人展開から学ぶ社内定着の設計
-
図面を生成AIで検索する：PDF図面・CAD・BOMを読ませる3つの方式と限界
-
AWSの製造業AI戦略：AI Factories・Nova Forge・AgentCoreの3本柱を整理
-
宁德时代のAI品質管理：セル故障率10億分の1と9シグマ目標の中身
-
中国の工業AIは「スマイルカーブ」型：生産段階の事例は19.9%→25.9%へ
-
ロボット基盤モデル企業の地図：π0・Covariant・Intrinsicの現在地
-
SAP Joule Agentの製造現場投入：Shop Floor Supervisorなど5種の中身
-
欧米製造業の生成AI事例20件：Merck・KONE・Schaefflerの成果と条件
-
電機・家電メーカーのAI：美的・海尔・格力の「AI工場」と日本勢との差
-
医薬品の外観検査AI：錠剤・アンプル・シートの検査を自動化する3つのポイント
-
人材開発支援助成金でAI研修費を賄う：事業展開等リスキリング支援コースの使い方
-
Agility Robotics Digitの商用展開：GXOとのRaaS契約の中身
-
ヒューマノイドの安全規格ギャップ：ISO 10218・TS 15066の前提外となる3点
-
異常ラベルがない工場データの異常検知：正常データだけで学習する4つの手順
-
自動検図AI：新晃工業×ABEJAの検証に見る設計レビュー自動化の範囲
-
ベイズ最適化で条件出し：射出成形16実験で最適条件に届いた研究の読み方
-
M5コンペに学ぶ需要予測：LightGBMとクロスラーニングが上位を独占した理由
-
調達価格予測AI：鋼材・樹脂・電子部品の市況を予測して購買判断に使う方法
-
余寿命推定（RUL）は工場で使えるか：NASA C-MAPSSと実工場データの3つの差
-
安全カメラAIと個人情報：映像の保存期間・目的外利用・労使協議の5原則
-
段取り替え順序の最適化：順序依存の段取り時間をAIで減らす方法と効果の測り方
-
動画マニュアルで技能伝承：天昇電気工業の組立人員75名→50名の取り組み
-
外観検査AIの学習データは何枚必要か：良品200枚・不良数十枚の目安と集め方
-
都道府県・市町村のAI導入補助金：国の補助金に上乗せできる5つの例
-
AI投資の補助金申請で採択率を上げる7つのポイント：事業計画書の書き方
-
AWS IoT SiteWiseとは：設備データのモデル化と生成AI保全アシスタントの構成
-
推論はエッジかクラウドか：タクト・画像サイズ・台数の3軸で決める判断フロー
-
MESとAIをつなぐ3方式：DB直接参照・API・イベント配信（UNS）の比較
-
生成AIのROIをどう測るか：「時間削減」だけでは稟議が通らない3つの理由
-
社内文書RAGの評価方法：検索適合・回答正確・根拠一致を測る3段階の手順
-
Siemens Industrial Copilotとは：4製品の範囲と提供状況
-
2026年度の智能工厂梯度培育通知：省別の申請上限と工業AIエージェント支援
-
ドイツ製造業のAI：Audi・Schaeffler・SiemensにみるIndustrie 4.0の次
-
Google Cloud MDEとは：Geminiエージェント3種とSI経由の販売戦略
-
人形ロボット「循環受注」の読み方：投資家が顧客を兼ねる银河通用の構造
-
欧米ヒューマノイドの資金調達2024〜2026：Figure評価額390億ドルとApptronik
-
NIST AI RMFとGenerative AI Profileを工場で使う：12リスクの読み替え方
-
食品のHACCP記録とAI：温度・異物・衛生の記録をデジタル化する4つの手順
-
ヒューマノイドか専用ロボットか：工場の工程別にコストと適性を比較する4つの観点
-
UBTech Walker S2の量産開始：受注8億元・自動車工場導入の実態を中国発表から読む
-
需要予測AIが現場で使われない5つの理由：予測値を営業が上書きする問題
-
保全記録（CMMS）を予知保全AIの教師データにする：故障ラベル整備の5手順
-
品質分析AIツールの比較：Sight Machine・Instrumental・国内勢を7軸で比べる
-
中小製造業の生産計画AI：Excel計画からクラウドスケジューラへ移る4段階
-
業種別の外観検査AI：自動車・電子部品・食品・医薬品・不織布の検査対象10例
-
補助金でAIを入れるときの落とし穴6つ：返還・対象外経費・スケジュール
-
2026年度のAI関連補助金スケジュール：公募回・締切・採択発表の一覧
-
Cognite Data Fusionとは：産業ナレッジグラフとSchneider買収後の行方
-
不良コード・停止理由コードの設計：AIで分析できる粒度に直す6つの原則
-
OEEデータをAIで深掘りする：停止理由・チョコ停・速度低下の分析に必要な粒度
-
国産LLMを製造業目線で比較：NEC cotomi・PLaMo・ELYZA・Takaneの提供形態
-
Microsoftの製造業向け生成AI：Copilot StudioとFabricの関係
-
RAGの精度が出ないときに見直す6項目：製造文書のチャンク分割とメタデータ
-
「エージェント・ウォッシング」に注意：真のエージェント型AIベンダーは約130社
-
中国AI+製造の壁は技術でなく市場：IDC杜艳泽発言と信通院「4%」の数字
-
NVIDIA GTC 2026の製造業向け発表：Cosmos 3とGR00T N1.7
-
パナソニックの「中国先行」生成AI家電：オフラインSLMと開発拠点の移管
-
製造業の「主権AI」：AWSとDassaultが示すオンプレ回帰の流れ
-
航空宇宙のAI活用：生成設計の軽量化・複合材検査・品質記録の3領域
-
中国EV工場のAI：BYD・NIOのヒューマノイド導入と上汽通用五菱の運営大模型
-
AIの用途別にどの補助金を使うか：外観検査・予知保全・生成AIの6パターン
-
中国の人型ロボット政策：工信部指針と地方の支援策が量産を押す2つの仕組み
-
ヒューマノイド市場予測の食い違い：Morgan Stanley「2050年5兆ドル」とIFRの慎重論
-
2D図面から3D CADを自動生成するAI：オリオン機械の実証と実務の課題
-
異常検知を保全・品質のアクションにつなぐ：MESとアラーム運用の設計5原則
-
時系列基盤モデルChronosは需要予測に使えるか：ゼロショット予測の実力と限界
-
予知保全システムの構成：ISO 13374の6ブロックで見るデータ取得から意思決定まで
-
強化学習AIによるプラント自律制御：横河電機×JSRの35日連続運転の中身
-
強化学習による生産スケジューリング：GNN研究の到達点と実務で使える3条件
-
SCMコントロールタワー：Lenovoの意思決定50%高速化に見るデータ統合の要件
-
外観検査AIのROI試算：検査員工数・流出不良・全数検査化の3項目で投資回収を計算
-
作業分析AIで「監視」と受け取られないために：労使合意と運用ルール6項目
-
補助金以外の公的支援：NEDO・産総研・公設試・よろず支援拠点の使い方
-
AI・DX投資に使える税制：中小企業経営強化税制など3つの制度の要点
-
古い設備をつなぐレトロフィット：PLCのない設備・通信できない設備の4パターン
-
製造業を狙うサイバー攻撃の現状：IBM X-Force・Dragosのデータで見るAI基盤のリスク
-
作業動画から手順と改善点を抽出：旭鉄工・ダイキン・TulipのVLM活用3例
-
SAP Jouleの製造業エージェント：Digital Manufacturing連携と効果数値の前提
-
中国の中小製造業とAIエージェント：宁波の金型工場と年1万元ツールの実例
-
Dassaultの「Virtual Companions」：Aura・Leo・Marieと19スキル
-
思谋科技IndustryGPT：顧客730社超・検査170億回の工業マルチモーダル
-
ベンダー発表の「最大◯%」の読み方：Siemens・SAP・ABBの効果数値を分類
-
非鉄金属のAI活用：アルミ・銅の溶解・圧延・ダイカストで効く4つの使い方
-
MujinOSとは：デジタルツインでロボットを自律制御する仕組みと製造業の導入例
-
射出成形の品質AI：成形条件データで不良を予測し条件を自動補正する方法
-
予知保全AI製品の比較：Augury・Senseye・国内勢を同じ8軸で並べる
-
外観検査AIの判定結果をMESに戻す：ロット紐付け・トレーサビリティ・再学習の設計
-
DX認定制度とAI投資：製造業が取得するメリットと申請の4ステップ
-
データウェアハウス・データレイク・レイクハウスの違い：工場データで選ぶ3つの基準
-
製品系譜（ジェネオロジー）で不良の真因を追う：MESデータを使った要因分析の手順
-
Dassaultの3DEXPERIENCE Virtual Companions：Aura・Leo・Marie 3つのAIの範囲
-
ナレッジグラフ×生成AI：日立・ダイキンの故障診断に見るGraphRAGの使いどころ
-
日立HMAX Industryの生成AI：品質ナレッジシステムと故障診断エージェント
-
PLC開発Copilot比較：Siemens・Rockwellの2製品の機能と注意点
-
中国の大規模設備更新政策と工業AI：2027年に設備投資25%増の目標
-
中国の業界別工業大模型：TCL星智・中铝坤安・上汽通用五菱EOAIの成果
-
工場のエッジで動く小型言語モデル：RockwellのNemotron-Nano採用が示すもの
-
Gartner調査：製造戦略に自信なし49%、高度自動化へ抜本変更せず3分の2
-
ヒューマノイドの安全規格ギャップ：ISO 10218:2025改訂とNVIDIA Halos
-
半導体製造装置メーカーのAI：日立ハイテクの計画自動化と装置データ活用
-
造船のAI活用：川崎重工の次世代デジタルシップヤードと溶接・塗装の自動化
-
AI推進法とは：2025年全面施行で製造業が対応すべき努力義務と適正性指針の5分野
-
組立工程のAIロボット：ねじ締め・嵌合・ケーブル配線で学習型制御が効く範囲
-
産業用ロボットの世界市場データ：IFR World Roboticsで見る設置54万台と国別動向
-
ENEOS×PFNの製油所AI自動運転：930センサ・13バルブ同時操作の設計思想
-
日立ハイテクの生産計画自動化：立案月5日→1日以内を実現した制約プログラミング
-
補修部品・少量多品種の需要予測：ゼロが多い間欠需要を扱う4つの方法
-
保全業務の生成AI：Siemens Senseye Copilotの事後保全25%短縮の中身
-
スキルマップと配置計画のAI化：配置計画の業務時間70%削減事例に見る要件
-
外観検査AIを内製するには：anomalibなどOSSで作る場合の体制と5つの壁
-
AI事業者ガイドラインを製造業向けに読む：利用者として押さえる10の要点
-
人工知能基本計画（2025年12月）の要点：製造業に関わる4つの基本方針
-
データ基盤を誰が持つか：データエンジニア・生技・情シスの3者の役割分担
-
製造AIの正解ラベル：良否判定の揺れを抑えるラベル付け運用の5つのルール
-
Cognite Atlas AIとは：Schneider 31億ドル買収で何が変わるか
-
FMEAを生成AIで支援する：故障モードの洗い出しと過去トラ照合の3ステップ
-
外観検査に生成AI（VLM）は使えるか：従来の異常検知モデルとの3つの違い
-
中国が政策で後押しする「效果付费」：先用後付・サブスク型の工業AI課金
-
現場作業者向けAI基盤の欧米勢：Tulip・Retrocausalなど4社比較
-
Honeywell・ABB・GE Vernovaのプロセス産業AI：Copilotの効果数値を比較
-
树根互联の工業AI：設備250万台の接続から時系列予測大模型への転換
-
飲料メーカーのAI活用：充填ラインの検査・需要予測・CIP洗浄の省エネ
-
金型メーカーのAI活用：見積・加工条件・金型保全とメンテナンス時期の予測
-
ロボット学習データは誰が作るか：Telexistenceの受託と権利の論点
-
中小工場の予知保全：後付けセンサとクラウド月額サービスで始める3ステップ
-
品質クレーム・不具合報告の分析AI：生成AIで8D報告と再発防止を支援する
-
生成AIと著作権：製造業の設計図面・技術文書・マニュアルで注意する5点
-
製造業AIと個人情報：作業者の映像・音声・位置データを扱う6つのルール
-
ライトハウス工場はデータ基盤をどう作ったか：WEF選出238拠点の共通点
-
OPC UAコンパニオン仕様の選び方：工作機械・射出成形・ロボットなど主要仕様の整理
-
設計レビューに生成AIを使う：DR指摘の抜け漏れチェックと過去トラ照合の3手順
-
Tulip AI Composerとは：三菱電機出資のノーコード基盤と生成AI
-
中国工場のデータを外に出さないAI：連合学習とエッジ微調整という選択肢
-
人形ロボットにもID管理：中国標準化委員会の提言と工場導入の論点
-
Siemensの産業用基盤モデル（IFM）とは：3Dモデルと図面を読むAIの狙い
-
鋳造・ダイカストのAI活用：鋳巣の予測とX線検査・型式判別の事例
-
化学のバッチプロセスAI：多品種バッチの品質予測と条件最適化の進め方
-
営業秘密・ノウハウを守るAI活用：生成AIへの入力と学習データの管理4原則
-
検査ロボット×AI：外観検査の自動化でロボットが撮像を担う3つの構成
-
設備点検のAI化：アナログメータ読取りとカメラ巡回で日常点検を省人化する方法
-
溶接・研磨など職人技のデータ化：格力の溶接ベテランAIトレーナー事例
-
新製品・品番切替の需要予測：履歴がない品目を類似品で予測する3つの手法
-
外観検査AIのエッジ実装：推論2ms〜32msの差とPC・GPU・PLC連携の設計
-
歩留まり改善AI：宝鋼の熱延幅予測で歩留まり0.5%向上の事例と再現の条件
-
AI開発契約の注意点：経産省モデル契約で確認する成果物の権利と責任7項目
-
AIの誤判定で不良品が流出したら：製造物責任とベンダーとの責任分界の3つの考え方
-
AIモデルの再学習を誰がいつ回すか：工場の変更管理に組み込む4つのルール
-
生産計画AIエージェント：SAP Joule生産計画Agentの機能と限界
-
CAD・PLMの生成AIアシスタント比較：Dassault・Autodesk・Aras・PTCの4社
-
製造業の業務別プロンプト雛形20選：品質・保全・生技・購買で使える書き方
-
AIサプライチェーン計画の欧米勢：o9・Kinaxis・Aera・SAP IBPを比較
-
中国AI産業1.2兆元（信通院2025）：応用層55%・モデル層189%増の構成
-
中国の外資系工場のAI：Schneider普陀・Siemens南京・Schneider武汉の数値
-
PTCのAI戦略：Windchill AIとServiceMaxでデジタルスレッドをエージェント化
-
医療機器製造のAI：品質システム（QMS）要求の中で検査・記録をAI化する方法
-
めっき・表面処理のAI活用：液管理・膜厚予測・外観検査を自動化する方法
-
溶接ロボットのAI：ファナックAI溶接エージェントの「ゼロ教示」はどこまで本当か
-
Figure AIのHelixとFigure 03：工場から家庭へ軸足を移した理由をどう読むか
-
EU AI Actと日本の製造業：輸出企業が確認すべき高リスク要件と適用時期
-
EU機械規則2023/1230とAI：2027年1月適用で機械メーカーが備える5点
-
時系列DBとヒストリアンの選び方：PI System・クラウド時系列DB・OSSを比較する5軸
-
Microsoft Factory Operations Agentとは：現場支援の仕組み
-
保全向け生成AIの比較：Siemens Senseye・SAP・AWSの3製品の違いと前提条件
-
中国のAI生成コンテンツ表示義務（2025年9月施行）：製造業の文書生成への影響
-
米製造業で190万人が未充足の推計とAI：Deloitte試算の前提を読む
-
欧米のプロセス分析AI比較：Sight Machine・Seeq・Braincube・Fero Labs
-
建設機械メーカーのAI：Caterpillar・徐工・中联重科のデジタルツインと事例
-
板金加工のAI活用：図面からの見積・ネスティング・曲げ順序の自動化
-
EUサイバーレジリエンス法（CRA）：AI搭載製品の輸出で求められる4つの義務
-
Apptronik ApolloとMercedes-Benz：9億ドル超調達でも「パイロット段階」の理由
-
協働ロボットにAIを足す：UR AI Accelerator・Isaac ROS 5.0の構成と用途
-
異物検査AIの選び方：食品・医薬品・樹脂の異物を画像とX線で見つける4方式
-
モータ電流で予知保全（MCSA）：センサ追加なしで軸受・回転子の異常を捉える方法
-
バーチャルメトロロジー（VM）：半導体の全数測定を推定に置き換える仕組みと精度管理
-
ISO/IEC 42001（AIマネジメントシステム）とは：製造業が取得を検討する3つの場面
-
NIST AI RMFを製造業で使う：4機能でAIリスクを管理する実務手順
-
工場データの時刻ずれ対策：PLC・MES・検査装置のタイムスタンプを揃える4つの方法
-
振動・画像など高頻度データの扱い：保存期間・圧縮・特徴量化の設計4項目
-
調達・購買業務の生成AI：富士通Kozuchiの3エージェント構成で見る見積と規約照合
-
Rockwellの生成AI：Design Studio CopilotとOptixのPhi-3活用
-
ゴム・タイヤ製造のAI：配合設計・加硫条件・外観検査で効く使い方と事例
-
TRIのLarge Behavior Models（LBM）：盲検試験で示したマルチタスク学習の効果
-
作業者を監視するAIの規制：EU AI Actの高リスク区分と日本での配慮5点
-
中国工場のAI活用とデータ越境規制：日系企業が押さえる3つの規則
-
AI・機械学習・ディープラーニングの違い：製造業の3つの例で理解する
-
検査記録のAI-OCR：手書きチェックシートの読取精度と運用の注意点5つ
-
AIエージェントが工場で失敗する6つのパターン：過剰権限からループ暴走まで
-
富士通Kozuchiの製造業向けAI：Takaneベースのエージェントと購買業務での実装
-
製造業の技術翻訳を生成AIで：マニュアル・図面注記・海外工場指示の品質管理5点
-
繊維・不織布のAI活用：反物の欠点検査で見落とし95%減の事例と染色の条件最適化
-
生成AIの社内利用ルールの作り方：製造業が入力禁止情報など定めるべき10項目
-
世界基盤モデル（WFM）とは：NVIDIA Cosmosの合成データは工場で何に使えるか
-
ポンプ・ファン・コンプレッサの状態監視AI：回転機の異常を早期に見つける設計
-
溶接外観検査AI：ビード形状・ブローホール・スパッタを0.1mm単位で判定する方法
-
生成AIと従来の予測AIの違い：製造業の業務で使い分けるための5つの基準
-
製造業のAIガバナンス体制：AI台帳・リスク評価・承認フローの3点セット
-
AIかルールベースか：製造業で「AIを使わない方がよい」4つのケース
-
経済安全保障とAIベンダー選定：製造業が調達基準に入れる5つの観点
-
製造データのガバナンス：所有者・品質責任・アクセス権を決める5つのルール
-
OWASP LLM Top 10を製造業に当てはめる：プロンプトインジェクションと過剰権限
-
窯業・ガラスのAI活用：炉の燃焼制御・板ガラス欠点検査・NGKの解析AI
-
AIロボットセルの安全認証：IEC 61508・ISO 13849とTS 22440
-
製造業AIの導入費用の内訳：構想・PoC・本番・運用の4段階で整理
-
フィジカルAI・ロボットと労働安全衛生法：現場導入で確認する安全と責任
-
AIの運用コストはいくらかかるか：クラウド・ライセンス・保守の年間費用5項目
-
製造業のAI倫理：品質・安全・公平性で現場が判断に迷う5つのケース
-
AI PoCの費用と期間はどう決まるか：見積もりが変わる5つの要因
-
デジタル製品パスポート（DPP）と工場データ：EU規制に備えるデータ基盤の準備
-
IEC 61131-3のコード生成AIを現場で使う安全ルール：レビューと試験の5原則
-
NEC cotomiを製造業で使う：128Kコンテキスト・MCP対応と業種特化モデル
-
格力が溶接ベテランを「AIトレーナー」に：中国に見る技能伝承AIの形
-
紙・印刷のAI活用：紙切れ予測・印刷欠陥検査・段取り削減の3用途
-
顧客監査・取引先からのAI利用確認への対応：製造業で準備する6つの書類
-
日本のロボット・フィジカルAI政策：経産省・NEDO・AIロボット協会の支援策整理
-
工作機械の工具摩耗をAIで予測：主軸負荷データから工具交換時期を決める方法
-
3D外観検査AIの使いどころ：レーザ変位計とステレオで凹凸・高さ不良を捉える
-
PoCの評価指標と合格ラインの決め方：精度だけで判断しない4つの観点
-
製造業AIのPoCが失敗する7つのパターンと、計画段階でできる防ぎ方
-
製造業の特徴量ストア：品番・設備・時間窓の3軸で特徴量を共有し横展開を速くする
-
現場に生成AIを広げる推進体制：アンバサダー制度とユースケース共有の3段階
-
生成AIベンダーの効果数値の読み方：SAP「最大40%」Siemens「最大50%」の前提
-
建材メーカーのAI活用：セメント・石膏ボードの焼成制御と品質予測
-
EU機械規則2023/1230とAI搭載ロボット：2027年適用で輸出機械メーカーが備えること
-
製造業のAI導入が失敗する10の理由：企画・データ・運用の段階別に分析
-
AIの「精度95%」をどう読むか：製造業で使う評価指標の基礎5つ
-
見逃しと過検出のトレードオフ：製造業AIのしきい値を決める3つの方法
-
NIST SP 800-82 Rev.3とは：OTセキュリティガイドを製造業のデータ基盤で使う要点
-
オンプレLLMのGPUと費用の考え方：7B〜70Bモデルを工場で動かす構成3案
-
PTCの生成AI戦略：Codebeamer CopilotとWindchillのAI機能
-
欧州のフィジカルAI勢：Wandelbots・NEURA・Sereactのベンダー非依存戦略
-
化粧品メーカーのAI活用：処方開発・多品種少量の計画・充填検査の3課題
-
Tesla Optimusの現在地：Fremontの量産ライン準備と公約・実績のずれの読み方
-
塗装外観検査AI：ブツ・タレ・ハジキを自動判定する撮像方式と3つの限界
-
AIと人の役割分担：製造業で「AIの判定を人が確認する」設計の3パターン
-
AIは内製か外注か：製造業での判断基準と、伴走支援を含む3つの中間モデル
-
サプライチェーンのデータ連携：Catena-X・ウラノス・エコシステムと工場データ
-
産業向けMCPサーバーの現状：Litmus・Sight Machine・Tulipなど5つの対応を比較
-
精密機器メーカーのAI活用：微細組立の検査・作業分析・校正記録のデジタル化
-
AI開発のRFP（提案依頼書）の書き方：製造業向けに記載する12項目
-
AIコンサル・SIer・AIベンチャー・メーカーの違い：製造業での使い分け4類型
-
AIサービスの料金体系：買い切り・サブスク・成果報酬の3方式を比較
-
産業データ基盤の大型再編：Schneider×Cognite買収は何を変えるか
-
外国人作業者への多言語作業指示：生成AI翻訳を現場端末で使う運用設計4項目
-
Hexagon AEONとは：計測・検査に特化した産業用ヒューマノイドの狙い
-
印字検査・OCR検査AI：ロット番号・賞味期限・刻印の読み取りを自動化する手順
-
中小製造業のAI導入：従業員50人以下でも始められる5つのテーマ
-
予算100万円以下で始める製造業AI：既製ツールと補助金を組み合わせる方法
-
AIエージェントの運用評価：成功率・介入率・誤操作件数・処理時間の4つのKPI
-
AI導入の社内稟議の通し方：経営層を説得する資料に入れる5つの要素
-
経営者が知るべき製造業AIの判断ポイント7つ：投資・体制・リスク
-
製造業AIのセキュリティ：データ持ち出し・OT接続・クラウドの3つのリスク
-
図面をどのAIに見せるか：ファナック・三菱重工の国産基盤モデル投資と経済安全保障
-
製造業R&Dの情報探索AI：ストックマークAconnectで論文・特許を調べる使い方
-
組立ミス検査AI：欠品・取付違い・配線誤りをMVTec LOCO型の論理異常として捉える
-
クラウドAIかエッジAIか：製造現場での選び方を5つの観点で比較
-
製造業AIで使うデータ6種類：画像・時系列・実績・品質・文書・音声
-
AVEVA CONNECTのIndustrial AI Assistant：データ連携3方式
-
データが少ない工場でAIを始める方法：良品学習・転移学習など4つの手
-
製造業AIのアノテーション：ラベル付けの品質を決める5つのルール
-
AI導入のKPI設定：OEE・不良率・工数で効果を測るための設計方法
-
サプライヤー情報の監視を生成AIで自動化：ニュース・決算・規制の収集3段階
-
不良画像が足りないときの合成データ：GAN・生成AIで欠陥画像を作るMerckの事例
-
製造業AIの効果測定：導入前後の比較で効果を見誤らないための4つの注意点
-
製造業のAI導入事例20選：用途別に成果の数字と対象ライン・期間の前提を整理
-
中小製造業のAI活用事例12選：少人数・低予算で成果を出した工場
-
日本の製造業AIは遅れているのか：米国・ドイツ・中国と比べた5つの公的データ
-
2026年の製造業AIトレンド7つ：AIエージェントからフィジカルAIまで
-
古い設備でもAIは使えるか：後付けセンサー・カメラでデータを取る4つの方法
-
製造業AIの市場規模：IDC・富士キメラ総研の数字が食い違う理由と読み方
-
良品0枚から始める外観検査：WinCLIPなどゼロショット異常検知の実力と限界
-
製造業AIのリスク一覧：品質・安全・法務・運用の4分類12項目と対策の担当部門
-
スマートファクトリーとAIの関係：IoT・MES・AIの3層で整理する
-
製造業AIで成果を出す企業の共通点6つ：調査データから見る成功要因
-
DXとAI導入の違い：製造業でデジタル化・データ連携・AIの順番を間違えない3段階
-
多品種少量生産でAIは使えるか：品種切替のたびに学習し直さないための4つの工夫
-
IoTとAIの違いと関係：製造現場のデータ活用を4段階で理解する
-
組立加工とプロセス産業で異なるAIの使い方：データと制御の違い3点
-
人手不足対策としてのAI：製造業の検査・点検・書類業務で省人化に効く5つの使い方
-
AI開発の見積書の読み方：工数・ライセンス・データ作業を確認する7点
-
スモールスタートで始める製造業AI：最初の90日でやる6つのこと
-
AIのベンダーロックインを避ける：モデル・データ・基盤の持ち方3原則
-
製造業のAI戦略の立て方：経営課題から工場KPI・AIテーマへ逆算する5つのステップ
-
工場長のためのAI入門：OEE・不良率など現場KPIとAI投資をつなぐ5つの視点
-
製造業AIの3年ロードマップの作り方：基盤・展開・高度化の4フェーズ
-
カイゼン・トヨタ生産方式とAI：改善活動の現場でAIをどう使うか
-
AI導入前の現状診断：工場のデジタル成熟度を紙からデータ統合まで測る5段階の基準
-
GXとAI：製造業のCO2削減・省エネにAIを使う3つのアプローチ
-
AIの要件定義：製造業で本番システムを発注する前に決めておくべき10項目
-
製造業AIの基本用語30：会議やベンダー提案で困らないための語彙集
-
説明可能なAI（XAI）とは：品質保証部門が求める根拠の示し方4つ
-
見落とされやすいAIの隠れコスト7つ：データ整備・ラベル付け・現場対応
-
生産技術者のためのAI入門：撮像・センサー・工程条件から考える10のポイント
-
品質保証部門のAI活用：検査・不具合解析・文書業務の6つの使い方
-
設備保全部門のAI活用：点検・予知保全・保全記録の検索まで5つの使い方
-
生産管理部門のAI活用：生産計画・納期回答・在庫最適化など4つの使い方
-
情報システム部門が担う製造業AI：基盤・セキュリティ・運用の3つの役割
-
設計・開発部門のAI活用：図面検索・CAE代替・生成設計の5つの使い方
-
製造業AIのよくある誤解10個：「データが多いほどよい」は本当か
-
予測AIと数理最適化の違い：生産計画・条件出しで組み合わせる3つの型
-
異常検知と分類AIの違い：不良データが少ない製造業での選び方3基準
-
教師あり学習と教師なし学習の違い：外観検査・予知保全など製造業の6用途で整理
-
Tulip、アプリ下書きを作る「Authoring Agent」とMCP接続を発表
-
デジタル化・AI導入補助金2026の採択結果：通常枠4次は採択率約44%
-
PFN、国産基盤モデル「PLaMo 3.0 Prime」をMicrosoft Foundryで提供開始
2026年09月
-
ファナックと日立がフィジカルAIで提携、茨城の工場を「カスタマーゼロ」に
-
银河通用、宁德时代から2.36億元の受注：電池工場で約100台が24時間稼働
-
労働経済白書2026：製造業の生成AI個人利用率は33.3%、米国の約半分
-
PFUの外観検査設計自動化がNEDOテーマ2で1位：照明・カメラ探索を6時間→30分
-
NVIDIA、ロボット向け安全基盤「Halos」を解説：IGX ThorでIEC 61508を目標
-
NEDO、国産汎用ロボット開発コンペの成果を初公開（フィジカルAI Summit）
-
创新奇智、「中国AI大模型工業応用優秀名録」に選定：上半期にAI+製造が81.5%
-
日立、フィジカルAI向けガードレール技術を発表：危険分析と制御補正を実時間で
-
EUサイバーレジリエンス法の報告義務が9月11日に開始：AI搭載設備も対象
-
ファナック「AI溶接エージェント」発表：図面から溶接条件とロボット動作を生成
-
梅卡曼德（Mech-Mind）が香港上場：AI+3Dビジョンで世界シェア22.1%
2026年08月
-
三菱重工とPFNが資本業務提携：出資100億円でミッションクリティカルAIを共同開発
-
McKinsey「State of AI 2026」公表：大企業のエージェント展開は40%に拡大
-
中国信通院：2025年の中国AI産業は1.2兆元超、モデル層は189%増
2026年07月
-
EU AI Omnibusが7月27日に発効：製品組込み型AIの高リスク義務は2028年8月へ
-
ファナックがNoetraに出資：国産マルチモーダル基盤モデルに製造業44社が参加
-
Dassault、Virtual Companionsを19スキルに拡張し主権クラウドで稼働
-
中国、2026年度の智能工厂梯度培育を通知：卓越級の申請は省ごとに上限
-
安川電機、Gemini Robotics連携の「エージェンティック・ロボット」を開発
-
中国の生成AI備案が累計988件に：5〜6月だけで120件増
-
BMW、スパータンバーグでFigure 03を展開開始：ライプツィヒはHexagon AEON
-
Schneider、Cogniteを約31億ドルで買収へ：AVEVA CONNECTに統合
2026年06月
2026年04月
2026年01月
記事を探す
CONSULTATION
「AIで何ができるのか分からない」段階からご相談ください
AI導入テーマの選定、PoCの設計、データ基盤・MESとの連携、本番運用と人材育成まで。株式会社サオスの実務者が、貴社の現場とデータに合わせた進め方をご提案します。
AI導入の相談をする相談は無料です。特定製品の売り込みは行いません。