日立製作所とハンガリーの研究機関SZTAKIは2026年8月4日、生成AIと数理最適化技術を連携させ、生産ラインの構成を自動で立案する技術を開発したと発表した。「生産量を20%増やしたい」といった現場の要請に対し、運用・改修方針の策定からライン構成案の導出までを一貫して自動化する。バッテリー製造ラインでの検証では、見直し業務の工数を従来の手作業と比べて最大87.3%削減できることを確認した。

数理最適化は、与えられた条件や数値のもとで、コストや生産性などの目的関数を最大化・最小化する最適解を数学的に求める手法だ。生産ラインの条件を数式で表し、最適な工程分割や設備割り付けを求める用途に使われている。

開発の背景には、生産ライン見直しの難しさがある。製造業では、需要変動や人員不足、設備故障などの変化が続く中でも、安定供給と生産効率の向上を両立する生産体制が求められている。ただし、現場の要請を踏まえた運用・改修方針の策定から、工程分割や設備割り付けといった具体的なライン構成の検討までには多くの判断が必要になる。現場に即した方針を定めるには製造現場や生産技術の知識が要り、その方針を最適なパラメータ設定へ落とし込むには数理最適化技術の知識も求められる。両方の知識を横断的に持つ熟練者は限られるうえ、検討に必要な情報が複数の部署やシステムに分散していることもあり、変化に応じた見直しを迅速に進めにくい状況にあった。

開発した技術の特長は3点ある。第1に、生成AIと数理最適化技術の連携だ。従来、現場の要請を数理最適化モデルのパラメータへ変換する作業は人手で進めており、情報形式の違いから誤ったパラメータが設定されることがあった。本技術では、生成AIの処理を「運用・改修方針決定」「パラメータ項目決定」「パラメータ値決定」の3段階に分け、自然言語で入力された要請を適切なパラメータへ自動変換する。その上で、数理最適化技術により、現場で実行可能な範囲の複数のライン構成案を定量的に導く。

第2に、階層型ナレッジ参照技術だ。運用・改修方針に関する知識、方針とパラメータ設定の対応関係、パラメータ設定そのものの知識は、複数の部署やシステムに分かれて存在している。本技術では、製造に関する知識を集約して生成AIが利用しやすい形に構造化し、前述の3段階の処理に対応する形で階層的に整理した。これにより、生成AIが各段階で必要な情報を効率的に参照できる。

第3に、評価・説明技術だ。作業者や設備といったリソースの違いが、労務費・設備費などのコストや作業量へ与える影響を知識として組み込んだ。生産可能な案を示すだけでなく、コストや生産性の観点から複数案を比較でき、各案の違いや選定理由を確認しやすくする。

日立は今後、製造業の顧客との実証を通じて適用範囲や導入効果の検証を進めるとともに、自社での実践で得た知識を蓄積し、バッテリー、自動車、医薬機器、産業機械など幅広い分野への展開を目指す。本技術は、同社が2025年11月に発表した知能基盤モデル「IWIM」を構成する業務特化型AIモデルの一つと位置付ける。成果の一部は2026年8月に学術誌「Procedia CIRP」に掲載される予定だ。

関連情報

プレスリリース：https://prtimes.jp/main/html/rd/p/000000069.000152541.html

《お知らせ》
PEAKS MEDIAのLinkedinページを開設しました。最新記事の概要をキャッチアップできます。
フォローはこちらから