デジタルツイン構築の障壁──データ不在と物理的制約という二重苦
──デジタルツイン環境の構築において、日本特有の課題があれば教えてください。
金森：海外では既に多くのプロジェクトが進んでいますが、日本ではまだまだ普及が遅れています。最大の障壁は「元データがない」ことです。
「工場の3DモデルをOmniverseに取り込みたい」と言っても、そもそも設備のCADデータがない、10年前のレイアウト変更が図面に反映されていない、現場でしか正確な状況が分からない──こうしたケースが非常に多い。
3Dスキャンで現状を正確にデータ化することは、変革の第一歩です。それによって得られる精緻なデジタルツインは、シミュレーションによる事前検証や非効率な業務プロセスの発見といった、改善効果をもたらします。こうした成果を積み重ねていくことで、リードタイム短縮や労務費削減といった、より大きな変革の成果を得ることができます。ただし、これを進めるためには経営者の投資判断が不可欠です。
──データの問題だけでなく、物理的なインフラにも課題があるのでしょうか。
廣澤：データ以前の問題として、「そもそもロボットが動けない」という物理的な制約があることも多いです。
お客様から「自動搬送ロボット（AMR）を導入したい」と相談を受けて現場に行くと、まずスペースがない。工場は広く見えても、設備がびっしり詰まっている状態です。人間が通れるスペースは確保されていても段差がある場合もある。これではロボットは動けません。
通信環境も深刻です。「Wi-Fiが飛んでいない」「電波が瞬断する」という工場は珍しくありません。なぜかというと、工場には巨大な金属の設備があり、電波を遮蔽してしまうからです。位置情報をQRコードで取ろうとしても、油や汚れで剥がれてしまう。搬送ロボットのバッテリーも4時間しか持たないといった制約があり、充電ステーションの配置も考えなければならない。
つまり、フィジカルAIを入れるには、まず「ロボットが動ける環境」を整備する必要があるのです。通路幅の確保、段差の解消、通信インフラの整備、場合によっては設備レイアウトの全面的な見直しや建屋の建て替えまで視野に入ります。これは1〜2年で終わる話ではなく、大規模な改革プロジェクトになります。
金森：だからこそ、私たちは段階的な価値提示を重視しています。例えば、最新のMESを導入してデータを可視化するだけでも、現場のオペレーション改善には寄与します。その投資と並行してデジタルツイン環境を整備し、将来のフィジカルAI稼働に備えます。こうしたロードマップを描くことで、経営層の合意形成を支援しています。
──「経営層の合意形成を支援する」アプローチについてもう少し詳しく教えてください。
金森：例えば、カメラは24時間365日現場を見てくれています。1日分の映像を人間がチェックしたら12時間以上かかりますが、AI解析なら短時間で分析が可能です。
この「現場分析AI」は、フィジカルAIの入口として最適です。短時間で分析でき、安全の担保に役立つ示唆を得ることができます。また、設備投資としては比較的軽く、効果が実感しやすい。
「AIは怖いものではない」という認識を現場に浸透させた上で、次のステップとしてロボット連携や設備制御に進む。いきなりフルスペックのフィジカルAI導入を目指すのではなく、段階的に進化させ、確実に効果を創出するアプローチです。
Omniverseのビジョン資料でも、まず特定工程や閉鎖空間から始め、そこで成功体験を得てから、工場全体、さらには複数拠点へと拡張していくロードマップが描かれています。私たちもまさにそのアプローチで、お客様と一緒に進めています。
