生産ライン向けエージェント：リアルタイムでの信頼できる意思決定

エグゼクティブサマリー

9時14分、シフトの最中。フィラー（充填機）が停止します。後続設備への供給が滞るまで、ラインマネージャーに残された時間は数時間ではなく、わずか数分です。現場のクルーは、機械的にどう対処すべきかをすでに熟知しています。しかし、解決に時間がかかるのは計画に関する問いです。シフト目標はまだ達成できるのか？ 後から運転速度を上げるのと、残業を要請するのではどちらが安く済むのか？ このラインで以前にも同じ不具合が発生したか、そして前回のシフトではどのように復旧したのか？

これら3つの問いに答えるためのデータは、すでにPLCs、SCADA、MES、ERP、LIMSに分散して存在しています。

ProdLine CoPilotは、まさにそのわずかな時間のために構築されています。Databricks Data Intelligence Platformから稼働ステータスをリアルタイムで読み取り、ドメインスペシャリストに問いをルーティングして、背後にある計算（スケジュール回復、減少、品質リスク）を実行します。コスト、残業、サービスのトレードオフのバランスを考慮した1,000通りのスケジューリングシナリオでテストされた計画が提示されます。ラインマネージャーがこれを選択すると、システムは承認用の成果物（作業指示書、保留指示、スケジュールメモ）のドラフトを作成します。

真の問題：データは豊富だが、インサイトが不足している

一般的なCPG（消費財）の包装ライン（ボトリング、缶詰、スナック、化粧品など）には、15〜20台の機械があります。フィラーやラベラーが停止すると、バッファでカバーできるのは数分にすぎず、すぐにラインへの供給が滞り、生産量は設計能力を大幅に下回ります。世界クラスのOEEは約85%ですが、多くの工場は70%台前半から半ばにとどまっています。週5日24時間稼働、1時間あたり500ケース、1ケースあたりの利益が10ユーロの場合、OEEが1ポイント向上するだけで年間約30万ユーロの価値になります。1つのラインで10ポイントのギャップを埋めれば数百万ユーロになり、数十のラインを持つ工場全体であれば、その効果は急速に積み上がります。

そのギャップを埋めるためのデータは、すでに存在しています。

• PLCsとSCADAが、1秒未満単位のテレメトリをストリーミングします。
• MESが、すべての微小停止、主要な停止、保留、型替えの記録を保持します。
• ERPが、在庫とスケジュールを管理します。
• LIMSが、品質検査結果を保持します。

これらのシステムは互いに連携していません。また、答えを必要とする人々（ラインマネージャー、シフトリーダー、プランナー）は、SQLを書かないことがほとんどです。

よくあるパターンはこうです。まずシフト終了時のレポートが作成され、翌朝にアナリストがクエリを実行し、事象の24時間後にRCA（根本原因分析）会議が開かれます。その間にも、シフト中にはすでに復旧のための判断（速度変更、残業、CIP）が下されてしまっています。

OTデータをDatabricksにストリーミングすることは、単なるダッシュボードのアップグレードではありません。ガバナンスが効いた1つのレイクハウスでOTをMES、ERP、LIMSと結合することで、エージェントがリアルタイムの状況を推論し、現実の制約下で最適化を行い、事後ではなくシフト内に推奨事項を提示できるようになります。

リアルタイムストリーミング：朝のレポートからシフト内のシグナルへ

これまでは、工場のデータを移動するためだけにKafkaクラスのインフラ（ブローカー、パーティション、コンシューマーグループ）を立ち上げるのが一般的なパターンでした。Zerobus Ingestはそれを置き換えます。これはプッシュ型かつサーバーレスです。gRPCまたはREST呼び出しを実行できるもの（PLCゲートウェイ、ヒストリアンコネクタ、エッジボックスなど）であれば、何でもUnity CatalogのDeltaテーブルにデータを格納できます。

ブローカーもパーティションも不要で、接続数を増やすだけでスケールできます。これをLakeflow Spark Declarative Pipelines、およびテレメトリ、品質シグナル、イベント、在庫向けの標準的なブロンズ、シルバー、ゴールドのメダリオンレイアウトと組み合わせます。

MES、ERP、LIMSのデータは、1秒未満単位のOTデータよりも遅い頻度（ミラー、バッチ、またはCDC）で取り込まれますが、別のウェアハウスではなく、ガバナンスが効いた1つのカタログの下でOTテーブルと並んで配置されます。

データが取り込まれると、同じテーブルからSQL、Genie、AI Search、Model Serving、そしてエージェントにデータが供給され、Unity Catalogの下でリネージが共有されます。予測シグナル、スケジュール回復、後続の分析はすべて、これらのガバナンスが効いたテーブルから読み取られるため、新しい機能を追加するたびに独自のコピーを用意するのではなく、既存のコピーに対して書き込みを行います。

Zerobus + Deltaは、Unity Catalogによるガバナンスの下、1桁秒台のレイテンシでほぼリアルタイムのインジェストを処理します。このデモのライブUIでは、プロデューサーがLakebaseにも直接書き込んでいます。これは、長期的なパターンではなく、現時点でリアルタイムな操作感を得るためのショートカットです。これらの同じDeltaテーブルにおけるミリ秒単位の読み取り側は、Databricksのレイクハウス上のリアルタイムウェアハウスであるLakehouse//RTが処理します。

なぜDatabricksなのか

多くの工場では、レポート作成をある場所で行い、モデルの実行を別の場所で行っているため、ライン自体がシステム間で複数の「真実のバージョン」を持つことになります。この分断は、シフト中のコパイロットの機能を損ないます。

• システム間のデータ受け渡しのたびにレイテンシが発生します。
• 抽出データを整合させるために、チームは調整コストを支払うことになります。
• データソース間で権限の不一致（ドリフト）が生じます。

Databricks上のレイクハウスは、これら3つのポイントすべてでその分断を解消します。データは1つのコピーのみ存在します（ワークロードごとの個別の抽出ではなく、クラウドストレージ上のオープンなDelta）。ガバナンスはUnity Catalog内のそのコピーに対して適用されるため、アナリストの権限とエージェントの権限は同じソースから取得されます。さらに、ストリーミング、SQL、AI、サービングがすべて1つの基盤上で実行されるため、朝のレポートとライブ画面は同じ数値を表示します。

スペシャリストやオプティマイザーは、パイプラインが維持するのと同じガバナンスが効いたテーブルを読み取ります。個別のAIデータベースは存在しません。

生産ラインエージェントシステムの構造

オーケストレーター

オーケストレーターはフロントドアの役割を果たします。自然言語による質問を受け付け、Unity Catalogから現在のステータス（機械、イベント、スケジュール、在庫、品質、制約条件）を読み込み、意図を適切なスペシャリストにルーティングします。

すべての呼び出しは、LLMが起動する前に最新のUCステータスを読み取ります。システムは推奨事項を提示し、成果物（チケット、承認、シフトメモ）のドラフトを作成します。実行の判断は、ラインマネージャー、品質担当、メンテナンス担当に委ねられます。

短期の会話メモリはLakebaseに保存され、過去のインシデントコーパスはAI Searchに保存されます。Model Servingがモデルを提供し、MLflowがすべての呼び出しをトレースします。

なぜ1つの巨大なエージェントではなく、役割ごとの構成（ロースター）なのか

1つの汎用的なエージェントでは、問題を単純化しすぎたり、焦点を失ったりします。ダウンタイムのRCA、在庫、スケジュールの計算には、それぞれ異なるデータと異なる計算手法が必要です。スペシャリストの役割（ロースター）を分けることで、各プロンプトを限定的に保ち、各ツールを質問に特化させることができます。

たとえば、Downtime Analystは在庫テーブルでコンテキストを無駄に消費しませんし、Schedule OptimizerはQualityのように生の品質チェック行をプルすることはありません。

スペシャリストが実際に呼び出すツール

スペシャリストは、固定された少数のツールセットを呼び出します。SQL QueryとGenie Spaceは、組織の他のメンバーと同様に、ガバナンスの効いた読み取りを実行します。Calculatorは、Databricks SQLからのテレメトリに対して、Python（NumPyおよびPandas）でOEE、回復、減少の計算を実行します。Anomaly Detectorは、それらのテーブル上で直接、ローリングウィンドウに対してZスコアと四分位範囲（IQR）を実行します。Plan & Constraintsは、ラインごとの速度制限、CIPウィンドウ、型替えルール、残業ポリシーを保持します。Similar Casesは、Databricks AI Searchから過去のインシデントを取得します。

単なるチャットではなく、実際のソルバーへのルーティング

多くの製造業向けコパイロットは、LLMの薄いラッパーにすぎません。ProdLineは、自然言語を介して、オペレーションズリサーチチームが使用するような実際のソルバーにルーティングします。

ヒューマンインザループ：余計な作業なしでループを閉じる

人間の承認なしに実行される処理はありません。ラインマネージャーが復旧を、品質管理が保留とリリースを、メンテナンスが作業指示書を担当します。目的は、スプレッドシート、無線、ダッシュボードの間を行き来する認知負荷を軽減することであり、生産マネージャーを排除することではありません。

1分以内に次の3つの質問に答える必要があります。何が起きているのか、現実的な選択肢は何か、そしてそれぞれの選択肢がスループット、残業、品質、サービスにどのようなコストをもたらすか、です。

承認ゲート（設計上）：

現在のデモでは、推論と推奨のループをカバーしています。次のステップは、システムへの書き戻しによってループを閉じることです。これらはすべて、自動制御ではなくドラフトとして設計されています。

CMMSへの引き継ぎは、プランナーがスケジュールを設定するためのドラフト作業指示書（診断された障害、推奨される範囲、目標時間、必要な部品）です。品質管理については、QMSとLIMSが、事前に記入された逸脱記録（ロット、機械、サンプルID、深刻度、推奨される処理）を受け取り、品質責任者が確認して処理を決定します。MESと先進的計画スケジューリング（APS）システムは、速度調整、残業、順序変更、復旧の根拠を含むドラフトのスケジュール更新を取得し、シフト実行のために書き戻します。

トレーサビリティも同様のロードマップに従います。各推奨事項は、その入力、前提条件、制約、承認者、および結果をエンドツーエンドで保存し、シフト間の引き継ぎと継続的な改善をサポートします。

パイロットラインから複数工場への展開

複数工場への展開において最も難しいのは、AIではなくデータです。すべての工場に独自の機械、SOP、LIMSスキーマがあります。2番目の工場を並行プロジェクトではなく、付加的なものにするのは、その下にあるストリーミングレイヤーです。各工場は、専用のネームスペースの下に独自のテーブルとGenie Spaceを持ち、同じZerobusパターン、メダリオンレイアウト、Unity Catalogガバナンスに着陸します。

オプティマイザーはパラメータ化されたままです。line_constraintsテーブルが速度制限、残業制限、CIPウィンドウ、段取り替えを制御するため、データを変更するだけで動作が変わり、再デプロイは不要です。

同じ基盤が次のユースケースの資金源となります。エネルギーとサステナビリティは同じテレメトリを読み取り、サプライヤー品質はLIMSの結合に基づいて構築され、安全性はイベントストリームに基づいて構築されます。新しいプロジェクトはそれぞれ、並行してプラットフォームを立ち上げるのではなく、最初のプロジェクトがすでに投資したインフラストラクチャ上に構築されます。

次のステップ

コードリポジトリをクローンし、ご自身のワークスペースでdatabricks bundle deployを実行してください。独自の工場データを使用するには、シミュレーターではなくヒストリアンにプロデューサーを向けてください。Zerobus、メダリオンレイアウト、エージェントツール、human-in-the-loop（人間が関与する）ドラフトはそのまま維持されます。クローンする前に、ブラウザでprodline_copilot_film.htmlを開き、2分間のアニメーションウォークスルーをご覧ください。

独自のライン監視アシスタントの構築にご興味があり、詳細をお知りになりたいですか？Databricksの担当営業までお問い合わせください。Databricksのスペシャリストが、OT、MES、ERP、LIMSを1つの管理されたレイクハウスに統合するためのスコープ定義もお手伝いします。

用語集

この投稿で使用されている頭字語（アルファベット順）。

• APS – 先進的計画スケジューリング（Advanced Planning & Scheduling）
• CDC – 変更データキャプチャ（Change Data Capture）
• CIP – 定置洗浄（Clean-In-Place、生産ラインの洗浄サイクル）
• CMMS – コンピュータ化設備保全管理システム（Computerized Maintenance Management System）
• CPG – 日用品・消費財（Consumer Packaged Goods）
• ERP – 企業資源計画（Enterprise Resource Planning）
• IQR – 四分位範囲（Interquartile Range）
• LIMS – ラボ情報管理システム（Laboratory Information Management System）
• LLM – 大規模言語モデル（Large Language Model）
• MES – 製造実行システム（Manufacturing Execution System）
• MILP – 混合整数線形計画法（Mixed-Integer Linear Programming）
• OEE – 設備総合効率（Overall Equipment Effectiveness）
• OT – 制御技術（Operational Technology、IT/OTにおける工場フロアシステム側）
• PLC – プログラマブルロジックコントローラ（Programmable Logic Controller）
• QMS – 品質管理システム（Quality Management System）
• RCA – 根本原因分析（Root Cause Analysis）
• SCADA – 監視制御システム（Supervisory Control And Data Acquisition）
• SOP – 標準作業手順書（Standard Operating Procedure）

関連するDatabricksブログ

• ニアリアルタイムアプリケーションの開発：ZerobusとLakebase
• 管理されたエンタープライズAIフレームワークの構築
• 製造業のROIの最大化
• 業務効率化のためのデジタルツインの構築方法
• Databricks業界データモデルを使用したデータモデリングの迅速な開始

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事