PLC・ラダーのコード生成AI：Siemens Industrial Copilotとオムロンの取り組み

主要ベンダーの取り組み

PLC（プログラマブルロジックコントローラ）向けのコード生成AIは、制御機器の大手が自社のエンジニアリングツールに組み込む形で提供しています。

Siemensは2025年3月、Industrial Copilotが自然言語からPLCコード（SCL、IEC 61131-3の構造化テキスト言語）を生成でき、生成作業が約60%速くなると推定していると発表しました。2025年5月の発表では、thyssenkrupp Automation EngineeringがIndustrial Copilotを全世界に展開しており、コード品質と開発速度の向上を報告しているとしています。2024年にはSchaefflerもエンジニアリング業務に使ったとされます。

60%はSiemens自身の推定値で、測定条件は公開されていません。thyssenkruppの「品質と速度の向上」も定量値は示されていません。

素のLLMでは有効なPLCコードは作れない

汎用の大規模言語モデル（LLM）にPLCコードを書かせると、どの程度使えるのでしょうか。2024年1月に公開された研究「LLM4PLC」（ICSE 2024採録）は、GPT-4やLLaMa2がそのままでは有効なPLCプログラムを生成できないと報告しました。そこで研究チームは、文法チェッカー、コンパイラ、SMV（形式検証ツール）による検証と、ユーザーのフィードバックを組み込んだ反復パイプラインを作り、LoRAによる微調整を加えました。その結果、生成成功率は47%から72%に、専門家評価のコード品質は10点満点で2.25から7.75に上がりました（FischerTechnikの製造テストベッドで検証）。

2024年10月の「Agents4PLC」は、自然言語の要件、人が検証した形式仕様、参照PLCコードを紐付けたベンチマークを作り、LLMのマルチエージェントでコード生成とコードレベルの検証を閉ループにしています。

これらの研究から言えるのは、PLCコード生成で価値を生むのはLLMそのものより、生成したコードを検証して直すループだということです。改善後の72%も、裏を返せば4件に1件以上は有効なコードにならないことを意味します。

仮想PLCで検証してから実機に載せる

生成コードを実機に載せる前の検証には、仮想PLC（ソフトウェアで動くPLC）とシミュレーションが使われます。Audiのベリンガー・ヘーフェ工場は、TÜVの安全認証を受けたSiemensの仮想PLC（S7-1500V）を導入したと報じられています（2025年4月）。

検証で確認すべきことは次のとおりです。

• 静的検証：コンパイルが通るか、社内のコーディング規約（命名、コメント、構造）に沿っているか
• 動作試験：仮想PLCと設備シミュレーションで、正常動作、異常時の動作、非常停止からの復帰を試す
• 設計者レビュー：コードの意図が要件と一致しているか、想定外の条件分岐がないか
• 実機での立会い：試運転時に、従来と同じ手順で動作を確認する

生成AIが効く作業、効かない作業

制御設計の業務の中で、生成AIが効果を出しやすい作業と、そうでない作業があります。

効果を出しやすいのは、定型的なファンクションブロックの作成（シーケンス、アラーム処理、データ変換）、既存コードの説明とコメントの付与、他の言語や旧機種のコードからの移植の下書き、エラーメッセージからのトラブルシュートの手がかり探しです。特に、担当者が退職して誰も読めなくなった古いラダーの説明は、技能伝承の観点からも価値があります。

効果を出しにくいのは、設備固有のタイミング調整、複数の機器が絡むインターロックの設計、要件そのものが曖昧な新規設備の制御設計です。要件を言葉で正確に書けない作業は、生成AIでも正確なコードにはなりません。

よくある質問

三菱電機やキーエンスのPLCでも使えますか

主要な製品は自社のエンジニアリングツールに組み込まれているため、対応する機種や言語はベンダーごとに異なります。汎用の生成AIで他社機種のコードを書かせることはできますが、文法や命令の違いで誤りが増えるため、検証の負担が大きくなります。

ラダー図とSCLのどちらが生成しやすいですか

テキストで表現するSCL（構造化テキスト）のほうが、言語モデルにとって扱いやすい形式です。ラダー図は図形の言語のため、内部的にテキスト表現に変換して扱う製品が多いと考えられます。保守する現場がラダーに慣れている場合は、生成結果をラダーで確認できるかも選定の観点になります。

生成したコードの責任は誰が持ちますか

生成AIを使っても、コードの責任は設計者と組織にあります。生成コードをレビュー・承認した記録を残し、従来のコードと同じ品質保証の手続きを通してください。

この記事に出てくる用語

• プログラマブルロジックコントローラー（PLC）Programmable Logic Controller ／ 可编程逻辑控制器
• IEC 61131-3IEC 61131-3 PLC Programming Languages ／ IEC 61131-3 PLC编程语言标准
• PLCコード生成PLC Code Generation ／ PLC代码生成
• 大規模言語モデル（LLM）Large Language Model ／ 大语言模型
• マルチエージェントMulti-Agent System ／ 多智能体系统
• 仮想PLC（vPLC）Virtual PLC ／ 虚拟PLC
• シミュレーションSimulation ／ 仿真
• 機能安全Functional Safety ／ 功能安全
• IEC 61508IEC 61508 Functional Safety ／ IEC 61508功能安全标准
• ISO 13849ISO 13849 Safety of Machinery ／ ISO 13849机械安全标准
• 技能伝承Skill Transfer ／ 技能传承

用語集（日・英・中）をすべて見る

この特集について

製造業の生成AI、どこまで任せられるか

文書検索、手順書の生成、品質報告のドラフト。人が承認する範囲と任せてよい範囲の線引き　全91本

1. 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
2. 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
3. Siemens Industrial Copilotの全体像：5系統の提供状況と狙い
4. 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

特集の記事をすべて見る →

この記事を書いた人

株式会社サオス 製造DX部

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。

運営者情報　編集方針　株式会社サオスのサイト