2026年11月2日号

今週は、AIが分析や助言にとどまらず、ERP・倉庫管理・保全計画からロボット、車両、設備へ仕事を渡し、結果を業務システムへ戻す「閉ループ化」が前面に出ました。

SAPは企業システムの優先順位、安全、在庫、監査をロボットの実行条件へつなぎました。BMWは完成車の工場内自動運転を100万台まで拡大し、WalmartはSymboticの物流自動化を25拠点へ広げます。

Honeywellは製油所の実時間データ、物理モデル、専門知識を統合し、操業改善を実際の経済価値へ結び付けます。AI導入の競争軸は、モデル精度だけでなく安全な実行と効果検証へ移っています。

スペースデータは360度撮影から6時間で工場デジタルツインを作り、ブラウザで配置や動線を試せる環境を示しました。中小工場にも仮想検証を広げる可能性があります。

SEW-EURODRIVEはロボット、ドライブ、制御、ソフトウェア、移動ロボットをMOVI-Cへ統合します。個別機器の調達から、材料流全体を一つの環境で設計・運転する方向が明確です。

日本の工場管理システムは、ERP、MES、WMS、保全、設備制御を別々に最適化するだけでは不十分になるでしょう。業務上の目的と安全条件を、機械が実行できる命令へ変換する層が必要です。

生産技術者の仕事は、設備の配置や制御を決めるだけでなく、デジタルツインでAI案を検証し、承認条件と例外処理を設計する役割へ広がると言えます。実行履歴と効果を再学習へ戻す仕組みも重要です。

生産方式は、固定した自動化ラインから、注文、在庫、設備状態に応じてロボットや搬送が動く柔軟な仕組みへ進むと思われます。ただし、AI判断と安全PLCなどの決定論的制御は分離すべきです。

工場物流では、完成車の自走、AMR、倉庫ロボットがWMSや生産計画と直接つながります。物流設備単体の稼働率より、補充、順立て、保管、搬送を含む全体リードタイムが評価軸になるでしょう。

日本企業は、まず限定工程で「指示、実行、証跡、効果」の一連を作り、共通データモデルと安全ルールを整える必要があります。PoCの件数ではなく、複数拠点へ再利用できる設計資産が競争力になります。

1. SAP、企業システムからロボットを直接動かすPhysical AIを発表（ドイツ／米国／中国）

【日付】 2026年10月27日

【URL】 https://news.sap.com/2026/10/sap-unveils-physical-ai-extends-autonomous-enterprise-real-world-sap-teched/

【概要】

SAPは、業務システムの文脈とロボットなどの物理実行を結ぶPhysical AIを発表しました。SAP Extended Warehouse Managementの作業指示からFoxconnのヒューマノイドや自律搬送機を動かし、完了結果をSAPへ戻します。Intel成都工場では資材搬送を端から端まで自動化する概念実証を行い、Holcimでは保全計画から四足歩行ロボットやドローンへ点検を指示し、点検後に保全通知を自動生成します。Arçelik-LGの空調工場では、ヒューマノイドが入庫と記録を担います。具身AI（Embodied AI）の行動を受注優先度、安全規則、在庫、法令条件へ結び付け、追跡、監査、人の承認を組み込む設計です。

【背景や影響】

従来はERPやWMSが作業票を出し、人または別のロボット管理システムが実行するため、業務上の理由と機械動作が分断されがちでした。SAPの構想は、企業システムを物理作業の統治層にします。日本の工場でも、欠品や保全期限に応じてロボット作業を組み替え、実績を在庫や保全記録へ即時反映できるでしょう。一方、業務設定の誤りが実機動作へ直結します。安全PLC、立入管理、速度制限などは独立して維持し、AIが実行できる範囲、承認者、停止条件を明確にする必要があります。SIerには、ERPと制御の両方を理解する設計能力が求められます。

2. BMW、工場内の完成車自動運転が累計100万台に到達（ドイツ／英国）

【日付】 2026年10月27日

【URL】 https://www.press.bmwgroup.com/deutschland/article/detail/T0462233DE/eine-million-fahrzeuge-ohne-fahrer%3A-bmw-group-skaliert-erfolgreich-automatisiertes-fahren-in-der-produktion

【概要】

BMW Groupは、Automated Driving In-Plant（AFW）で工場内を無人移動した完成車が累計100万台に達したと発表しました。MINI Oxford工場は4番目の量産導入拠点となり、過去1年間だけで5万3,000回を超える自動走行を実施しました。完成車は組立後の検査、仕上げ、ヤードなどの工程間を運転者なしで移動します。BMW Startup Garageを通じて2018年から支援してきたEmbotechと協力し、試験から複数工場・複数車種へ標準化しました。2027年には米国Spartanburg工場を5番目の拠点として展開する計画です。

【背景や影響】

完成車工場では、完成した車を工程間やヤードへ移すために多数のドライバーが必要で、歩行、乗降、鍵管理も含めると物流負荷が大きくなります。車両自身のセンサーと工場側の管制を使えば、専用AGVへ載せ替えずに移動できます。100万台という実績は、個別実証から生産標準へ移ったことを示します。日本の自動車工場でも、完成車物流の省人化と夜間運用に効果があるでしょう。ただし、車種ごとの機能差、通信断、歩行者、仮置き車両への対応が必要です。工場レイアウト、車両ソフト、物流指示を一体で管理し、異常時の安全停止と復旧時間をKPIに含めるべきです。

3. WalmartとSymbotic、AI物流自動化を米国25拠点へ拡大（米国）

【日付】 2026年10月29日

【URL】 https://ir.symbotic.com/static-files/5d6377a4-0753-40b5-b512-bcfbb05ceb81

【概要】

WalmartとSymboticは商業契約を拡大し、米国の地域配送センター25拠点へ追加の自動化機能を導入すると発表しました。SymboticのAI搭載ロボット・ソフトウェア基盤は、高密度保管とケース搬送を統合し、毎日数百万ケースの移動を最適化します。契約には、BreakPackの個品ピッキングと、EC向けSymMicroマイクロフルフィルメントが含まれます。Walmartは上流在庫管理、保管能力、商品移動を改善し、店舗、店頭受取、宅配への補充速度と品ぞろえを高めます。10年以上の単一製品から始まった協業を、端から端までの物流基盤へ広げます。

【背景や影響】

物流自動化は、一拠点のロボット性能より、在庫配置と補充計画をネットワーク全体で最適化できるかが重要です。25拠点への横展開は、ハードウェア、AI、運用標準、保守を共通化する規模の効果を生みます。製造業の部品センターでも、工場ごとの在庫を減らしながら欠品を防ぐ考え方に応用できるでしょう。一方、共通プラットフォームへの依存が高まると、障害や変更の影響も広域化します。日本企業は設備能力だけでなく、WMS連携、例外処理、保守部品、復旧訓練を含めて評価する必要があります。複数拠点のデータ定義をそろえることが展開速度を左右します。

4. Honeywell、Dangote製油所に物理モデル統合型の産業AIを導入（米国／ナイジェリア）

【日付】 2026年10月26日

【URL】 https://www.honeywell.com/us/en/news/press-releases/2026/10/honeywell-technologies-launches-forge-plant-cognition-with-dangote-built-with-ndivia-ai-dell-technologies

【概要】

Honeywell Technologiesは、NVIDIA AIとDell Technologiesの基盤を使うForge Plant Cognitionを発表し、ナイジェリアのDangote Petroleum Refineryで先行導入します。実時間の操業データ、UOPのプロセス知識、信頼できる計算、物理モデルを組み合わせ、制約の発見、スループットと歩留まりの最適化、設備問題の予兆、対処案の提示を行います。NVIDIA Nemotron、Omniverse、Cosmos、Metropolis、PhysicsNeMoを使い、デジタルツイン、視覚AI、物理AIを統合します。Honeywellは予備データに基づき、1バレル当たり29セント超、フル稼働時に年6,000万ドル超の粗利益効果を試算しています。

【背景や影響】

製油所は多数の工程が熱、圧力、品質、エネルギーを介してつながり、一か所の変更が全体へ影響します。統計モデルだけでなく物理法則と専門知識を組み合わせることで、説明可能性と現実性を高める狙いです。日本の化学、鉄鋼、食品工場にも、熟練者の判断を運転支援へ組み込む効果が期待できるでしょう。ただし、公表値は予測であり実現利益ではありません。AI提案をDCSへ反映する際は、操作限界、承認、変更管理、監査証跡を維持する必要があります。現場では収益だけでなく、安全、品質、設備寿命への影響を同じ目的関数で評価すべきです。

5. スペースデータ、360度撮影から6時間で工場デジタルツインを構築（日本）

【日付】 2026年10月27日

【URL】 https://prtimes.jp/main/html/rd/p/000000248.000080352.html

【概要】

スペースデータは、神奈川県内の製造工場を360度カメラで撮影し、撮影から約6時間で工場のデジタルツインを開発しました。3D Gaussian Splatting、Blender、MuJoCoを組み合わせ、空間、機械、ロボット、人の動きを再現します。専用アプリを使わず、スマートフォンやPCのブラウザでURLを開き、アバターで工場内を歩きながら設備配置、ロボット動作、搬送機械、作業者動線、安全範囲を確認できます。従来の図面や高額なシミュレーション環境を持たない中小工場でも、設備導入前の検討を関係者で共有しやすくする狙いです。

【背景や影響】

デジタルツインは作成と更新の費用が障壁で、現場改造のたびにモデルが古くなる問題がありました。短時間撮影で現況を再構築できれば、設備メーカー、SIer、工場担当者が同じ空間を見て干渉や動線を議論できます。日本の中小製造業でも、ロボット導入前の手戻りを減らす入口になると思われます。ただし、写実的な見た目と、衝突、安全、サイクルタイムを保証できる工学モデルは別です。寸法精度、設備の可動域、制御遅延、荷重条件を実測で補い、用途ごとに検証精度を明示する必要があります。更新作業を設備変更プロセスへ組み込むことも重要です。

6. SEW-EURODRIVE、ロボットと搬送をMOVI-Cで統合（ドイツ）

【日付】 2026年10月30日

【URL】 https://presse.sew-eurodrive.de/pressreleases/sps-2026-robotik-macht-automatisierung-durchgaengig-3475092

【概要】

SEW-EURODRIVEはSPS 2026に向け、産業ロボティクスを自社の自動化ポートフォリオへ追加しました。統合ハードウェア・ソフトウェア基盤MOVI-Cを軸に、Deltaロボット、垂直多関節ロボット、移動ロボットをドライブ、制御、操作環境へつなぎます。固有のロボット制御を別系統で持つ構成ではなく、既存の自動化環境へ運動学を組み込み、共通の操作基盤で立ち上げと保守を簡素化します。パートナー企業と、計画、シミュレーション、ロボット統合を行う開放的で拡張可能なエコシステムを構築し、工場内物流の材料流を連続制御します。

【背景や影響】

工場ではロボット、コンベヤ、サーボ、AMRが異なるツールと通信方式で動き、接続と保守にSI工数がかかります。ドライブメーカーがロボットとソフトウェアまで統合する動きは、部品供給から全体ソリューションへの事業転換です。日本の機械メーカーは、個別機器の性能比較だけでなく、シミュレーションモデル、共通診断、ソフト更新、データ連携を含めて選定する必要があるでしょう。一方、一社基盤へ統合し過ぎると乗り換えが難しくなります。標準インターフェース、制御プログラムの可搬性、長期保守、サイバー更新責任を契約時に確認すべきです。

7. AMESA、産業AIをシミュレーション検証して展開するAutonomyStackを発表（米国）

【日付】 2026年10月27日

【URL】 https://www.amesa.com/articles/amesa-launches-autonomystack-to-bring-trusted-ai-autonomy-to-critical-industrial-operations-and-supply-chains

【概要】

AMESAは、重要な産業プロセス制御とサプライチェーン向けの企業AI基盤AutonomyStackを発表しました。自律化に適した高価値業務の選定、AIエージェントの構築と教育、シミュレーションによる性能検証、既存インフラへの展開を一つの環境で行います。人が検証し、責任を追跡できる自律性を重視し、制御システム、センサー、企業アプリケーションに蓄積されたデータと、退職する熟練者の暗黙知を活用します。単体のチャットボットではなく、産業運用の中で行動するエージェントを、導入前に評価して管理する仕組みです。

【背景や影響】

製造AIの課題は、モデルを作ることから、安全に仕事を任せることへ移っています。シミュレーション、承認、監査、段階導入が共通基盤になれば、工場ごとに異なるPoC手順を標準化できます。日本企業にとっては、熟練者の判断をルール、事例、制約として記録し、AIエージェントの試験ケースへ変える方法が重要になるでしょう。ただし、新製品の発表段階であり、実工場での効果や対応制御系は今後の確認が必要です。危険度に応じて提案のみ、承認付き実行、限定自律を分け、失敗時に人と既存制御へ戻す仕組みを設計すべきです。

8. Horizon Smart Factory、印刷から梱包・搬送までの無人連携を実演（日本）

【日付】 2026年10月28日

【URL】 https://www.horizon.co.jp/ja/exhibition/2026/hsf_2026/

【概要】

ホリゾングループは10月28日から30日まで、滋賀県のHorizon Innovation ParkでHorizon Smart Factory 2026を開催しました。テーマは「無人化との共存」です。印刷、後加工、梱包、運搬の全工程で構成する無人システムを更新し、AMRによる工程間搬送の完全自動化、ティーチングレスロボット、スマートグラスによる作業支援を実演します。コニカミノルタ、SCREEN、富士フイルムビジネスイノベーションなど多数の企業が協賛し、異なる装置とワークフローを実工場型の環境でつなぎます。全面無人化ではなく、人が担う判断や支援との境界を提示します。

【背景や影響】

印刷は受注ごとに数量、用紙、加工、納期が変わり、工程間の仕掛品搬送と段取りが自動化の難所です。個別装置の高速化だけでなく、ワークフローから生産指示を受け、加工後の用紙をAMRが次工程へ運ぶ全体連携に価値があります。この考え方は、多品種少量の部品工場にも応用できるでしょう。日本の中小工場では、全工程を一度に無人化せず、搬送、投入、検査など負荷の高い接点からつなぐ方が現実的です。設備停止や例外品が発生した際に、人へ作業を戻す表示と復旧手順を標準化する必要があります。

9. 中国・江蘇省、領航級工場と産業世界モデルを公開する世界智能制造大会を発表（中国）

【日付】 2026年10月28日

【URL】 https://jsgzw.jiangsu.gov.cn/art/2026/10/28/art_61363_11849796.html

【概要】

江蘇省政府は、国務院の承認を受けた2026世界智能制造大会を11月19日から21日まで南京で開催すると発表しました。江蘇省人民政府と国際智能制造聯盟が主催し、テーマ大会、10件以上の専門活動、約30件の産業エコシステム会議を行います。領航級・卓越級スマート工場の成果、世界と中国の智能制造十大科技進展、国家智能制造専門委員会の研究報告、産業データセット、大規模モデルのアルゴリズム、産業世界モデル生成器を公開する予定です。江蘇省の2万8,000社の産業現場、27件の国家AI事例、1万9,000社超の診断実績を基盤とします。

【背景や影響】

中国のスマート工場政策は、設備導入数の拡大から、等級別の成果評価、データセット、産業大規模モデル、世界モデルへ対象を広げています。多数の現場と診断実績を共通資産として使えば、企業ごとの試行を再利用しやすくなると言えます。日本企業は、個別工場の改善力では優位でも、共有データとモデル開発の規模で差が開く恐れがあります。一方、発表時点では大会予告であり、技術成果の性能は公開後に検証が必要です。日本も競争領域と協調領域を分け、設備語彙、品質データ、安全評価を共有できる仕組みを整えるべきです。

10. NTT DATA、AI Factoryを世界5都市へ拡大（日本／米国／フランス／シンガポール／ドイツ）

【日付】 2026年10月27日

【URL】 https://www.nttdata.com/en-sg/news/2026/ntt-data-expands-ai-factory-footprint-globally

【概要】

NTT DATAは、AIを実証から本番へ移すための検証拠点「NTT DATA AI Factories」を世界へ拡大しました。新設したParisとSingaporeに、Plano、Riyadh、10月7日開設のMunichを加えます。顧客は自社のAI用途について、インフラ構成、性能、処理場所、セキュリティ、ガバナンス、運用費を本番級環境で評価できます。Cisco Secure AI Factory with NVIDIAなどのパートナー技術を統合し、ワークショップ、技術検討、PoC計画、ソリューション設計を提供します。製造に限定した拠点ではありませんが、産業AIを安全かつ経済的に量産運用へ移すSI基盤として意味があります。

【背景や影響】

製造業のAIは、試作では動いても、遅延、停止耐性、データ保護、GPU費用、モデル更新で本番展開が止まりやすいです。投資前に本番級環境で運用条件を検証できれば、過剰設備や設計の手戻りを減らせるでしょう。日本のSIerにも、モデル開発だけでなく、ITとOTの境界、エッジ配置、監視、サイバー対策、費用管理を一体で設計する役割が求められます。ただし「AI Factory」は計算基盤の意味で、製造工場そのものとは異なります。利用時には、工場制御の実時間性や安全認証まで検証範囲に含まれるかを確認する必要があります。