スマートファクトリーは3層で考える
スマートファクトリーは、設備・人・モノのデータをつなぎ、工場の判断と実行を速く正確にする取り組みです。AIはその中の「判断」を担う一部で、単独では働きません。工場のシステムは次の3層で整理できます。
- 収集層（IoT・制御）：PLC、センサー、カメラ、SCADA、ヒストリアン。設備の状態や工程の時系列データを集める
- 実行層（MES）：作業指示、ロット、実績、品質判定、設備状態を管理し、「いつ・どの品番を・どの設備で・誰が作ったか」という文脈を持つ
- 判断層（AI・分析）：収集層と実行層のデータから、良否判定・予測・最適化の判断を作る
この3層は、製造業の国際規格ISA-95（IEC 62264）の階層と対応しています。ISA-95では、レベル0が物理的な生産プロセス、レベル1がセンシングと操作、レベル2がPLCやDCSによる監視・制御、レベル3がMESやSCADAによる製造オペレーション管理、レベル4がERPによる事業計画・物流です。OPC FoundationのISA-95共通オブジェクトモデル仕様では、レベル2はサブ秒単位のリアルタイム制御、レベル3は秒〜日単位で保全・品質・在庫移動を扱うとされています。ISA-95については ISA-95とAI で詳しく扱っています。
下の層がないとAIは働かない
AIの学習には、データそのものに加えて「そのデータがどの状況のものか」という文脈が必要です。センサーの時系列データだけでは、どのロット・品番・工程・設備・レシピのときのデータかが分からず、良否との関係を学習できません。
MESは、この文脈を持つ実行層として3つの役割を果たします。
- 学習ラベルの供給元：良否判定、不良コード、停止理由はMESの実績にある
- 時系列とロットをつなぐキー：作業指示とロット番号で、センサーデータや画像を製品と紐付ける
- AIの判定結果を工程に戻す出口：ホールド、再検査、作業指示の変更として結果を現場に届ける
MESを通さないAIは、PoCのダッシュボードで止まりやすくなります。判定結果を画面に出すだけで、工程の動きにつながらないからです。
層ごとに整えること
| 層 | 整えること | 整っていないと起きること |
|---|---|---|
| 収集層 | タグの命名規則、単位、サンプリング周期、時刻同期 | 設備ごとにタグ名が違い横展開できない。時刻ずれでロットと結べない |
| 収集層 | ヒストリアンの圧縮設定 | デッドバンド圧縮で高周波の特徴が消え、異常の兆候が残らない |
| 実行層 | ロット・作業指示・品質判定・停止理由の記録 | 学習ラベルが作れない。停止理由が「その他」に偏る |
| 実行層 | マスタ（品番・工程・設備）の整備 | 改番や設備名の不一致でデータが途切れる |
| 判断層 | モデルの版管理、判定結果の記録先 | どのモデルで合否を判定したか追えず品質監査に耐えない |
収集層の典型的な障害は、サンプリング周期と圧縮で高周波の特徴が消えること、タグ名が設備ごとにばらばらで単位や設備IDの意味が付いていないこと、時刻同期がずれていることの3つです。設備横断で同じ型のデータを取るには、OPC UAのコンパニオン仕様（業界・機器ごとの情報モデル）のように、データに意味を持たせる仕組みが効きます。
海外のスマート工場の位置付け
世界経済フォーラムのグローバル・ライトハウス・ネットワークは、先進的なスマート工場を認定する取り組みで、2025年9月時点で201拠点、2026年7月のMcKinseyの記事では238拠点に増えています。2025年1月のコホートでは、上位5ユースケースのうち77%が分析系AIによるもので、生成AIを使ったものは9%でした。先進工場でも、AIの中心は生成AIではなく、データに基づく判定・予測です。
中国では、工信部など6部門が「智能工厂梯度培育」として、基础级・先进级・卓越级・领航级の4段階でスマート工場を認定しています。2025年版の要件では、卓越级にAI応用シーン20%以上、领航级に60%以上を求めており、AIの活用度がスマート工場の段階の基準に組み込まれています。
AIとMESの関係は MESとAIの関係 で、データ基盤の整え方は データ基盤の段階的な整備 で扱っています。DXとAI導入の順番の考え方は DXとAI導入の違い を参照してください。
よくある質問
MESがない工場ではAIは使えませんか
使えますが、対象は限られます。外観検査AIのように、カメラの前の1工程で完結する判定はMESなしでも動きます。ただし、結果をロットと結んで品質分析に使ったり、横展開したりする段階では、実績を記録する仕組みが必要になります。
スマートファクトリー化とAI導入はどちらが先ですか
収集層と実行層の整備が先です。ただし、すべてを整えてからAIに着手する必要はありません。最初のAIテーマに必要なデータの範囲だけを先に整え、テーマを増やしながら基盤を広げるのが現実的です。
Unified Namespaceは3層のどこに入りますか
UNSは主に収集層と実行層をつなぐデータの流通の仕組みで、AIの入力を1か所から購読し、結果を書き戻す場として使えます。ただし履歴の保存はヒストリアンやデータレイク、作業指示やロットの正本はMESの役割で、UNSが置き換えるものではありません。
- ISA-95 Standard（International Society of Automation）
- OPC 10030 ISA-95 Common Object Model 4.2.3（OPC Foundation）
- UA Companion Specifications（OPC Foundation）
- 2026年版ものづくり白書 RIETI BBL資料（2026-06-26）
- Global Lighthouse Network 2025（World Economic Forum, 2025-01-14）
- Global Lighthouse Network 2025: 12 new sites（World Economic Forum, 2025-09-16）
- The continuing evolution of the Global Lighthouse Network（McKinsey, 2026-07-13）
- 打造智能工厂金字塔（经济日报/楚天都市报, 2025-12-05）
- Semantic Data Structuring with MQTT Sparkplug and Unified Namespace（HiveMQ, 2023/2026）
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。
