中核にあるインテリジェンス。 後付けではない。
多くのプラットフォームはAIを後付けで追加します — ここにチャットボット、あそこにダッシュボード。IRISは初日からAIを前提に設計されました。すべてのモジュールに独自のAIコンポーネントがあります。すべての意思決定が機械学習、LLM推論、リアルタイムのレコメンドによって支えられています。
AI-NATIVEの意味
AIは機能ではありません。基盤です。
IRISにおいて、AIはオフにできる独立したモジュールではありません。アーキテクチャそのものに織り込まれています — データの流れ方、意思決定の仕方、アクションの実行方法の中に。
機械学習
予測インテリジェンス
お客様のオペレーションデータで学習した古典的・ディープラーニングモデル — 履歴データが不足している場合はデジタルツインからの合成データも活用。時系列予測、分類、回帰、異常検知がすべてのモジュールで継続的に稼働します。
LLM & RAG
コンテキスト推論
DBR77独自の産業用LLM「LLMind」と、オペレーションナレッジベースに対するRAG（検索拡張生成）を搭載。自然言語で質問し、SOP、保全ログ、品質記録、生産データに基づいた回答を得られます。
レコメンドエンジン
処方型アクション
何が起きたかを伝えるだけでなく、次に何をすべきかを教えるモジュール横断分析。AIが生成したレコメンドは人による承認ゲートを経てタスクとなり、インサイトから実行までのループを自動的に閉じます。
CLOSED-LOOP AI
データから意思決定、実行まで — 自動的に。
これがAIネイティブとAI付加の違いです。IRISではループが途切れることはありません：データがインサイトを生み、インサイトがレコメンドになり、レコメンドがタスクになり、タスクが実行され、その結果が新たなデータとしてフィードバックされます。
データ
IoTセンサー、生産イベント、品質検査
デジタルツイン
シミュレーション、シナリオモデリング、合成データ
MLモデル
予測、分類、異常検知
LLM推論
コンテキスト分析、根本原因、説明
レコメンド
推定影響付きの実行可能なインサイト
タスク
自動作成、割り当て、優先度付け
人による承認
レビュー、承認、または却下
実行
作業指示、スケジュール変更、パラメータ調整
フィードバック
結果データがループにフィードバック
ループは継続的です。すべての実行が、次の予測を改善する新たなデータを生み出します。
LLMIND
LLMindのご紹介。独自開発の産業用LLM。
汎用LLMはお客様の工場を理解しません。LLMindは理解します。DBR77が製造オペレーション専用に構築し、経験豊富な工場長のように生産プロセス、保全手順、品質基準について推論します。
製造業専用設計
LLMindは産業向けにファインチューニングされた汎用チャットボットではありません。製造プロセス、オペレーション用語、産業ワークフローをゼロから学習しました。OEE、MTBF、段取り替え最適化、バッチスケジューリングをネイティブに理解します。
オンプレミスデプロイメント
厳格なデータ主権要件を持つ組織向けに、LLMindは完全にオンプレミスでデプロイ可能です。オペレーションデータがネットワーク外に出ることはありません。クラウド依存なし、サードパーティのデータ処理なし — 完全な管理。
オペレーションデータへのRAG
SOP、保全ログ、品質記録、生産データ、ナレッジベースからベクトル埋め込みが生成されます。LLMindが質問に回答する際、まずお客様のデータから関連コンテキストを取得し、すべての回答を事実に基づかせます — 幻覚ではなく。
すべてのモジュールに独自のAI
LLMindは上に座る単一のチャットボットではありません。IRISの各モジュール — MES、WMS、QMS、CMMS、APS — にはLLMindを搭載した独自のAIコンポーネントがあり、モジュール固有のデータで学習し、モジュール固有のタスクに最適化されています。
DIGITAL TWIN + AI
履歴データを待たずにモデルをトレーニング。
産業AIの最大の障壁は？データ不足です。デジタルツインはシミュレーションシナリオから合成トレーニングデータを生成することで、この課題を解決します — MLモデルは初日から本番対応が可能です。
合成トレーニングデータ
予知保全モデルを学習させるための2年分の故障データがありませんか？デジタルツインが数千のシナリオ — 設備劣化、プロセス変動、需要急増 — をシミュレーションし、MLモデルに必要なトレーニングデータを今日生成します。
シナリオシミュレーション
3交代制にしたら？バッチサイズを変えたら？ワークステーションを移動したら？1円も使う前にデジタルツインでシナリオを実行。勘ではなくデータでROIを検証できます。
継続的モデル検証
MLモデルは条件変化に伴い時間とともに精度が低下します。デジタルツインが継続的にテストシナリオを生成してモデル精度を検証し、予測が信頼性を失う前に再学習をトリガーします。
ケーススタディ
現場の現実の課題を解決するAI。
理論的でもなく、将来構想でもありません。これらはIRISで現在稼働中の実際のシナリオです。
予知保全
振動パターン、温度トレンド、サイクルカウントがMLモデルに入力され、ベアリング故障を発生の2〜3週間前に予測します。CMMSが作業指示を自動スケジュール。WMSがスペアパーツを予約。計画外ダウンタイムはゼロに。
品質予測
現在のバッチのプロセスパラメータがリアルタイムで過去の品質結果と比較されます。モデルが欠陥への偏移を検知した場合、欠陥が発生する前に具体的なパラメータ調整のアラートがオペレーターに送信されます。
需要予測
時系列モデルが受注履歴、季節性、外部シグナルを分析し、4〜12週間先の需要を予測。APSがその予測を使って生産スケジュールを最適化。MRPが資材調達を自動調整。
異常検知
教師なしモデルが全生産ラインの数百のプロセス変数を継続的に監視します。微妙な偏差でも検知するとシステムがフラグを立て、LLM推論で原因を説明し、是正措置を推奨します。
OEE最適化
AIが全ラインの稼働率、パフォーマンス、品質ロスを分析し、最もインパクトの大きい改善機会を特定し、優先度付きのアクションプランを生成します。デジタルツインが実施前に各改善策をシミュレーション。
プロセスパラメータ最適化
すべての製品・機械の組み合わせに対して、MLモデルが品質とスループットを最大化する最適なプロセスパラメータを学習。レコメンドはリアルタイムでオペレーターに配信され、LLMindがその根拠を説明します。
CONVERSATIONAL AI
工場に話しかけよう。
自然言語で質問できます。お客様のオペレーションデータに基づいた回答が返ります — 工場を知らないチャットボットの汎用的な回答ではありません。
昨日ライン3のOEEが下がった原因は？
OEEは3回の計画外停止により12%低下しました。根本原因：コンベアC2のベアリング摩耗 — CMMSが5日前に予知保全を通知しましたが、作業指示が優先されませんでした。次のシフト前のメンテナンスを推奨します。推定回復：+14% OEE。
製品Xの最適バッチサイズは？
段取り替えコスト、需要パターン、品質歩留まりデータに基づくと、500個バッチが単位当たり総コストを最小化します。デジタルツインシミュレーションでは、現行の200個バッチと比較して8%のスループット改善を確認。品質指標への影響はありません。
今週故障する可能性が最も高い機械は？
3台が検出されました：プレス#7（ベアリング — 5日以内の故障確率87%）、CNC-12（スピンドル — 7日以内72%）、コンベアB4（モーター — 10日以内65%）。CMMSに作業指示の下書きを作成済みです。スケジュールを承認しますか？
DATA SOVEREIGNTY
お客様のデータ。お客様のインフラ。お客様のルール。
製造データが機密であることを理解しています。だからこそIRISは、データの保管場所とAIによる処理方法を完全にコントロールできるようにします。
オンプレミスLLM
LLMindを自社インフラ内に完全デプロイ。データがネットワーク外に出ることはありません。クラウドAPIコールなし。最も機密性の高い環境向けの完全なエアギャップ運用。
テナント分離型AI
マルチテナントSaaSモードでは、すべてのAIモデル、ナレッジベース、ベクトル埋め込みがテナントごとに厳密に分離されます。お客様のデータが他の顧客のモデル学習に使用されることはありません。
GOVERNANCE
人の判断に導かれるインテリジェンス。
AIが推奨し、リーダーが決定します。AIが生成したすべてのレコメンドは、実行前にレビュー、承認、修正、または却下が可能です。すべての意思決定に完全な監査証跡。製造業では、責任の所在が重要だからです。
承認ゲート
モジュール、ロール、リスクレベルごとに設定可能
完全な監査証跡
すべてのレコメンド、意思決定、結果が記録
説明可能なAI
LLMindがその推論を平易な言葉で説明