[事例ニュース]

2025年4月22日(火)日川 佳三（IT Leaders編集部）

リスト

　ダイキン工業は、世界28カ国、90カ所以上の生産拠点で空調機器を生産している。同社は海外工場において、保全のリードタイムの増加や保全品質のバラつきなどの課題を抱えていた。設備ログや保全記録などのデータを蓄積しているものの、有効に活用できていなかったという。

　そこで2025年4月、工場設備の故障を診断するAIエージェント（以下、設備故障診断AIエージェント）の実用化に向けた試験運用を、日立製作所の協力の下、業務用空調機器を生産する堺製作所臨海工場（大阪府堺市）において開始した（図1）。

図1：「設備故障診断AIエージェント」を使って設備故障の原因と対策を提示させる例（出典：ダイキン工業、日立製作所）
拡大画像表示

　タブレット端末を手にした保全技術者が、生産設備の点検過程でポンプやバルブなどの故障を発見すると、設備故障診断AIエージェントが原因と対策を保全技術者に提示する。事前検証では、10秒以内に90%以上の精度で故障の原因と対策を回答したという。

　仕組みとして、生産設備などの工場設備の図面をナレッジグラフとして生成AIが読み取り可能な形に変換する。このナレッジグラフと保全記録などのOTデータ、さらに日立の設備故障原因分析プロセスを生成AIに学習させる。これらにより、一般的なレベルの保全技術者と同等以上の故障診断を実現する。

　ダイキンは試験運用を2025年9月までに完了し、実用化する予定。国内外の生産拠点へと設備故障診断AIエージェントを展開することで、設備保全の暗黙知を組織の知として共有する。グローバルでの品質確保や技術伝承、フロントラインワーカーの生産性向上を目指すとしている。