PLMにおけるAI活用事例とAI統合のベストプラクティス

PLMにおけるAI活用事例とAI統合のベストプラクティス 

私たちは皆、人工知能（AI）の進歩に対する盛り上がりと興奮を目にしてきました。しかし、今日の従来型のデジタルエンジニアリングツール、ビジネスプロセス、そして人は、実際にAIに対応できるのでしょうか？多くの場合、答えは「まだ準備ができていない」です。多くの企業は、製品ライフサイクル管理（PLM）におけるAIを真に価値のある形で導入しようとする際に、さまざまな課題に直面しています。これらの課題の多くは、今日の労働力がAIをどのように活用するかに関連しているかもしれません。 

AIには、労働力に大きな影響を与える可能性があることは間違いありません。時間の節約、新しいコンセプトの創出、意思決定を支援する実行可能な洞察の数の増加などが期待できます。製品設計におけるエンジニアリングのパートナーとしてのAIの影響を過小評価すべきではありません。 

しかし、AIはミスを犯すこともあります。そのため、人的要素を完全に排除することは現実的ではありません。新興技術から真の価値を引き出すためには、企業はAIをエンジニアリングプロセスの支援者として位置づける必要があります。エンジニアの代わりとしてではなくです。 

製品志向企業のためのAIのユースケース 

エンジニアリングプロセスを強化するためにAIを活用するには、反復的で付加価値のない作業を排除するAIプロセスとツールに投資する必要があります。このアプローチにより、従業員は人が好むより創造的なタスクに時間を費やし、AIがバックグラウンドで反復作業をアドバイザーとして行うことができます。 

今後数年間で、AIをサポートする人中心のエンジニアリングプロセスの考えを強化するユースケースがますます増えていくでしょう。本記事では、AIを活用してエンジニアリングの実践を改善している組織の3つの例を紹介します。 

AIドリブンの設計 

現在、私たちは人が主導する活動が、人に指示されたAIによって支援されているのを目にしています。しかし、これを成功させるための鍵は、AIに正しいトレーニングデータを提供することです。適切なデジタルスレッドやデジタルツイン内で戦略的に整理された製品データは、クリエイティブな作業を行う人々に対して、AIツールが実際に価値を提供するのに役立ちます。その後、ツールに対してよく構築された質問を投げかけ、組織内に存在するデータに基づいた信頼できる回答を得ることができます。さらに、デジタルスレッドやデジタルツインなどの強力な接続ソリューションに接続されることで、AIは設計に影響を与える変更を監視し、エンジニアリング作業の最適化に対する提案を提供することもできます。 

また、AI主導のシステムとの相互作用を可能にする新たなユースケースも登場しており、すべて人が提案した指示に基づいて進められます。これらの技術がより高度化すると、エンジニアはチャットボットを促して複雑なタスクを実行させ、結果を分析し、追加の精緻化に最適な設計を選択できるようになります。人は依然として解決策の選択権を持っていますが、AIはコスト、持続可能性、信頼性などの価値ある要因を最適化するための可能な組み合わせを試すという単調な作業を行います。 

労働力の補完 

多くの組織が製品品質の改善に向けたフィードバックサイクルの確立に課題を抱えています。しばしば、品質の問題が翻訳の過程で失われ、エンジニアリングに戻されることがありません。製品ライフサイクル管理と品質報告に統合されたAIツールは、問題の自然言語記述を解析し、適切な開発チームに自動的に問題を割り当てることができます。その後、異常を検出し、解決策を提案するためにさらに活用することができます。 

変更管理のためのバーチャルアシスタント 

さらに、AIはバーチャルアシスタントとしてトレーニングされ、会議の計画、タスクの整理、承認ワークフローのサポートを行うことができます。これには、顧客向けの文書、製造文書、サービス文書の更新も含まれます。これらのユースケースでは、バーチャルアシスタントは、より大きな問題を示すパターンを検出し、生成AIを使用して適切なアジェンダで会議を計画することもできます。すべての関連チームメンバーを招待し、変更の影響を文書化したレポートを作成し、問題を修正するためのほとんどの推奨事項とタスクを生成します。問題が報告されると、AIが提案された解決策を作成し、自動的に会議をスケジュールし、サポート文書を提供することができます。 

これらのユースケースすべてが、評価と最終決定のために人の関与を必要とすることに注意が重要です。AIを組織にとって成功する投資にするためには、全員がプロセスにどのように参加するかを理解し、ツールに一定のポイントで任せることに安心感を持つ必要があります。また、AIのハルシネーション（幻覚）が現実であるという事実についてもトレーニングを受ける必要があります。ツールが、質問に対して良さそうな回答を作成しますが、それが実際には間違っているということです。（AIは「わからない」と言わず、常に答えを提供します。それが正しいかどうかは関係ありません。）組織は、AIの実装が適切なガードレールを持っているかどうかを監視し、確保する必要があります。プロセスステップを文書化することは重要であり、AIソリューションがどのように機能するかについての完全な透明性を確保します。 

PLMプロセスへのAI統合のベストプラクティス 

PLMプロセスにAIツールを統合しようとする際には、いくつかの考慮事項を念頭に置いておく必要があります。 

データから始める 

AIを活用したエンジニアリングには、適切な種類のデータが必要です。データが多ければ多いほど、特に製品ライフサイクル全体にわたってよく統合され接続されたデータがあるほど良い結果が得られます。業界では、スレッド接続された情報を追跡し視覚化する新しい方法が試され、より強力なAIドリブンの戦略に貢献し、問題を新しい視点から見るのに役立っています。 

機械が単純作業を行うという考え方を受け入れる 

未来を具体的にイメージすることは難しい場合があります。特に、ある分野の専門家だけが本当に理解できるような複雑な概念が絡む場合はなおさらです。AIに対して正当な懸念を持つ人もいるかもしれませんが、ある種の反復作業はAIが処理できると信じる心の転換が重要です。例えば、複雑なデータベースからの情報の統合、パイプラインのどこかで変更が発生した際の関連文書の更新などがそれにあたります。私たちは「信頼しつつ検証する」姿勢を持つことで、自信を持って前進できるのです。 

AIが提案するデータと仮定を検証する 

AIツールに対する安全策を構築し、その結果を認証することは不可欠です。AIは使用しているモデルに基づいて部分的な解決策しか提示しない可能性があるため、その情報を解釈し、追加の分析を指示し、状況に最適な結論を導き出すには人間の知性が必要です。経験豊富で知識のあるエンジニアとその関係者が、このプロセスにおける意思決定者でなければなりません。 

イノベーションにおけるAras Innovatorの利点 

企業が新たなAI技術を活用して製品データを拡張し、エンジニアにより多くの価値を提供することを検討する中で、Aras Innovator®は製品ライフサイクル全体にわたるデジタルスレッドを実現することで支援できます。Aras Innovatorは製品ライフサイクルを通じてデジタル資産を結びつけ、データ分析とAIイニシアチブの強固な基盤を構築します。 

PLMにおけるAIの世界をさらに深く探るには、オンデマンドで視聴可能なArasのウェビナー「コンプライアンス管理にデータとAIの力をもたらす」をご覧ください。このウェビナーでは、業界全体のPLMの専門家が、AIが変化するコンプライアンス要件をどのように追跡し、これらの変化に対応しなければならないエンジニアリングチームに価値をもたらすかについて解説しています。