ダークファクトリーはこうしてつくります。

ダークファクトリーはデータから始まります。Speefoxの現場では、完成品の二次プレス186台を含め、半製品・熱処理・脱油・洗浄・乾燥の設備までPLC 243台を連携し、現場の信号を3段階で集めます — 現場(PLC・センサー)から工程エッジへ、エッジから工場のデータウェアハウス・データレイクへ。

設備ごとにプロトコルが異なり、連携が難しいという問題があります。RS-485・RS-232直結のPLCからOPC-UA、TCP/IPまでをエッジゲートウェイが統合し、収集したデータはAAS(IEC 63278)の標準資産モデルとして整理され、どの設備のどの値なのかが分かるようになります。

設備の信号だけでは足りません — 何を、いつまでに作るべきかを知っているのは基幹システムです。そこでMES・ERPの受注・生産計画・BOM・作業指示のデータも併せて連携し、現場の状態と生産の目標を1つのデータ基盤の上に乗せます。

集まったデータをもとにAIが判断します。判断の出発点は生産計画です — ERP・MESから受け取った受注と納期、BOMを入力として何を、いつ、どの順序で作るかを最適化し、その計画を実行する前に仮想で検証します。原則は1つです — いかなる判断も、仮想で検証される前に設備へ届くことはありません。DES(離散事象)とABS(エージェントベース)を組み合わせたハイブリッドのシミュレーションエンジンが、設備故障、資材遅延、緊急投入、ボトルネックといったWhat-Ifシナリオを並列に比較し、意思決定を事前に検証します。

このシミュレーションの精度は、Speefoxの実証で85%を確認しました(時間・資源・生産量の総合)。MLによるパラメータの自動補正で、現場との誤差を継続的に縮めていきます。工場全体はブラウザで開くUnity 3Dのデジタルツインとして可視化され、現場と100ms水準で同期します(適用中)。

シミュレーションを通過した判断が、実際の設備へ下りていく段階です。この経路には二重の安全装置があります — 物理制約に反する指令はルール検証が実行前に遮断し、制御の権限そのものもAAF(L0〜L4)フレームワークによって、検証できた分だけ段階的に移譲されます。最初はAIが判断のみを行い(Shadow Mode)、判断の一致率が検証されてから承認を経ての実行へ、その次にようやく限られた範囲の自律実行へと進みます。

AIの判断をPLCまで直接下ろして設備を制御するこの経路は、実機の設備で実証を終えており、Speefoxの現場でプレス186台・AMR 25台・EMS 6台の同時同期を実証しました(AMR・EMSはお客様の既存設備をAI管制に連携したものです)。

この検証・遮断の基盤は、特定のAIに依存しません。今後どのAIエージェントを使うことになっても、その判断が工場の床に届くには、同じ制約検証と同じ権限ゲートを通過しなければなりません — モデルは移り変わっても、判断が踏みしめる基盤は工場に残ります。

4つの段階がつながると、工場はこのように回ります。設備の異常の兆候が検知されると、AIが原因を分析し、シミュレーションで対応案を検証したうえで、生産スケジュールを組み直し、設備と物流を再配置します。この循環が、管制室(Control Room)のデジタルツイン画面の上でリアルタイムに見えます。

人の役割が変わります — すべての設備を見張る監視者から、AIが上げてきた例外と承認依頼だけを処理する意思決定者へ。新規設備の導入や配置方針の変更は、実際のラインに手を入れる前に仮想試運転で検証し、失敗のコストをなくします。判定の精度が揺らげば、ドリフト検知がMLOpsの再学習を自動で実行します。