製造 / 産業用制御システム
Rockwell Automation：シンガポール工場の設備保守技術者向け生成AI故障診断アシスタント（Maintenance Copilot）
- 企業
- Rockwell Automation
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 導入時点
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
Microsoftが2026年9月24日に公開した記事によると、Rockwell Automationのシンガポール工場の技術者は、止まった機械を再び動かすために数百ページの取扱説明書からエラーコードと対処法を探し、それでも解決しなければ似た故障を経験した同僚を探して尋ねる必要があった。Li Wang工場長は、熟練者の退職とともに数十年分の現場の知識が失われる問題と、担当者によって故障対応の方法が異なる問題を解決したかったと述べた。
使った技術とデータ
2025年10月から、この工場で数百台の機械を担当する技術者は社内で開発したGenAI-Powered Maintenance Copilotを使っている。このアシスタントはMicrosoft AzureとMicrosoft FoundryのAzure OpenAIで構築され、GPT-5.4-miniモデルで動き、現場経験20年から30年の熟練エンジニアがつくった知識データベース、製造ソフトウェアのデータ、機械の取扱説明書を根拠に回答する。機械のエラーを検知すると、症状、原因、対応の順に整理した可能性の高い原因を示し、技術者はタブレットや拡張現実のゴーグルから自然な言葉で質問して手順ごとの案内を受ける。
成果
Wang工場長によると、一貫した的確な故障対応によって機械の停止時間は33%減り、社内集計では保守と予備部品のコストが約25%減った。最高サプライチェーン責任者のBob Buttermore氏は、新人技術者が数百台の機械の故障対応を習得するのに9か月かかっていたのが3か月に短縮したと述べた。同社はこのアシスタントを米国オハイオ州のTwinsburg工場と、ポーランド、メキシコの工場に広げる計画である。
限界と残る課題
停止時間とコストの削減を測った期間と比較基準は記事に書かれていない。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。