素材・プロセス産業

AIの予測が外れる原因は、モデルではなく計器だった — プロセス産業3現場で実証された「計測の信頼性補正」という前処理

AI予測が現場で定着しない理由をモデルの精度不足だと考えていないか。工程文書をLLMに読ませて「この計器が何を測っているか」の意味を抽出し、予測モデルの手前で計測値を補正したところ、製鉄・選鉱・発酵の3現場で実データの誤差が平均30.7%減少した。運転要領書と計器台帳が整った日本のプラントほど有利に働く手法を、費用感まで含めて読み解く。
2026.08.07
素材・プロセス産業
建設・インフラ

精度99.6%より効いたのは「説明」だった — ポルト地下鉄の実運用データで査読誌に載った予知保全AIを、日本の設備保全に置き換える

設備保全AIが失敗する理由は精度不足ではなく、現場が信じないこと。ポルト地下鉄の実運用データ60万件で査読誌 Scientific Reports に掲載された研究は、故障を99.6%の精度で判別したうえで、判断理由を文章と寄与度グラフで返す設計になっている。ただし論文自身が保全コスト削減効果は未検証と明記する。工場のユーティリティ設備に置き換えた費用感まで整理した。
2026.08.05
建設・インフラ
エネルギー・資源

電力予測に時系列基盤モデルは効くのか — ERCOTグリッド10モデル比較でわかった、効かせるための条件

「学習不要でそのまま使える」——時系列基盤モデルの売り文句を、米国最大級の電力市場ERCOTの実データで検証した論文が出た。結論はゼロショットでは誤差8〜14%、運用水準に届かない。ただし微調整すれば、従来手法が全データを使った精度を2割のデータで超える。提案書を評価する側が持っておくべき数字と、工場のデマンド管理に置き換えたROIを整理する。
2026.08.03
エネルギー・資源
半導体・電子部品

「不良サンプルが足りない」工場でもAIが育つ — 半導体ファウンドリ発の最新研究『WaferSAGE』が現場AI内製化の本命解である理由

「学習させる不良品の写真が足りない」——AI導入で最初に突き当たる壁に、半導体ファウンドリの現場エンジニアが出した答え。約29,000件の学習データを合成し、40億パラメータの小型モデルでクラウド大型モデルの約9割のスコアに到達した。オンプレミス完結で機密を社外に出さない構成の実力と、日本の製造現場に置いたときのROIを検証する。
2026.08.01
半導体・電子部品
製造・組立

混流ラインの外観検査を「1台3.3秒」で回す — 自動車向けマルチカメラ外観検査の最新研究が製造ライン品質管理の本命解である理由

自動車の混流生産は検査基準を複雑にする。最新研究は11台の同期カメラと車種認識ルールエンジンで、車種が変わっても作り直さない外観検査を実現。4OEMモデルでの実証・検証精度93%という数値まで、導入ステップとROIを解説。
2026.07.19
製造・組立
物流・流通

店舗の棚を「毎日、全店、自動で」監査する時代 — 7,000店舗超で実証済みの棚割りAIが小売チェーンDXの本命解である理由

台湾7-Eleven 7,000店舗超に実導入・査読誌掲載という異例の実証性を持つ棚割りコンプライアンス監視研究。SVの月次巡回を日次自動監査に変える仕組みと、欠品削減のROIまで解説。記事ストック10本到達。
2026.07.17
物流・流通
全産業共通

SOCが「アラート疲労」で見逃す最後の1件をAIが拾う — 協調型LLMエージェントの最新研究がセキュリティ運用の本命解である理由

SOCの本当の課題はアラート疲労で本当に危険な1件が埋もれることだ。最新研究『CORTEX』は専門化した複数のLLMエージェントが協調してアラートを選別する仕組み。人材不足の中堅企業向けにROI・リスクまで解説。
2026.07.15
全産業共通
物流・流通

倉庫が「台数を増やすほど詰まる」問題にAIが答える — トート型ロボット注文充足の最新研究が物流DXの本命解である理由

倉庫ロボットは「台数を増やすほど渋滞する」壁に直面してきた。最新研究は注文・トート・ロボットの意思決定を汎用フレームワークで統合し、大規模ほど効果が伸びる設計を示す。既存の自動化投資を活かすROIまで解説。
2026.07.13
物流・流通
建設・インフラ

建設現場の安全巡回にAIロボットが加わる — VLM×LLM統合パイプラインの最新研究が中堅建設会社の現場DX本命解である理由

Paper to Plant初の建設編。最新研究は、ロボットが現場を巡回しVLMが危険を言葉にし、安全基準と照合して報告書まで自動生成する一気通貫パイプライン。2024年問題下の安全管理DXを、導入ステップ・ROI・リスクまで解説。
2026.07.11
建設・インフラ
物流・流通

生産計画の「勘と経験」をAIが数字に変える — 時系列基盤モデル『Chronos-2』が中小製造業の需要予測の本命解である理由

過剰在庫は運転資金を食い、欠品は信用を食う。最新研究『Chronos-2』は、追加学習なしで販促・天候など外部要因込みの需要予測をこなす時系列基盤モデル。「品目ごとにAIを作る」時代の終わりと在庫キャッシュ解放のROIを、導入ステップまで解説。
2026.07.09
物流・流通
次のページ