AIエージェント時代のサーキュラーエコノミー｜製品・設備情報基盤が重要な理由

製造業において、サーキュラーエコノミー（循環型経済）への関心が高まっています。資源効率の改善、廃棄物の削減、製品寿命の延長、リユース・リマニュファクチャリング、使用実績に基づくサービスモデルなど、従来の「作って、売って、捨てる」モデルから、資源を循環させるモデルへの転換が求められています。

IoTデータ、デジタルツイン、AIエージェントを組み合わせることで、その循環を実務として動かせるのではないか。そうした期待も広がっています。

ただし、「IoTセンサーとAIを導入すれば、サーキュラーエコノミーを実現できる」という単純な話ではありません。循環型業務では、AIエージェントが何を参照し、どの製品・設備データを根拠にし、製品ライフサイクルの文脈をどこまで理解できるかが重要になります。

GBSは、AIエージェント時代のサーキュラーエコノミーを、単なる環境対策ではなく、AIエージェントが循環型業務を支援するための製品・設備情報基盤づくりとして捉えることが重要だと考えています。

製品情報、BOM、設計変更、設備データ、保全履歴、稼働実績などが整理され、信頼できる情報として管理されていなければ、AIは現場の判断に使える回答を返せません。反対に、製品・設備情報基盤が整っていれば、AIエージェントは予知保全、部品の再利用判断、設計改善へのフィードバック、使用実績に基づくサービス運用などを支援できるようになります。

前回の「AIエージェント時代のPLM」では、AIエージェントが製造業の実務で活躍するためには、まず製品情報基盤が整っていなければならないという視点を紹介しました。

本記事では、その視点を製品ライフサイクル全体へ広げます。PLMが製品・設計情報の基盤であり、IoTやデジタルツインが設備・稼働情報の基盤であるならば、サーキュラーエコノミーは、両者をつなぐ情報基盤の上で実務化されます。

AIだけではサーキュラーエコノミーを実現できない

AIの性能が高くても、参照する製品・設備情報が整理されていなければ、現場で使える回答にはなりません。

サーキュラーエコノミーの実務では、たとえば次のような問いが発生します。

• この部品はどの製品に使われており、廃止後はどの代替品に置き換えられるのか。
• この設備にはどの程度の残存寿命があり、いつ保全を実施すべきか。
• 修理に必要な部品は在庫にあるか。回収品や類似設備から再利用できる部品はあるか。
• この製品の素材構成は、対象となるリサイクル要件を満たしているか。
• 設備の稼働データや不具合情報を、次期製品の設計改善にどう反映するか。

こうした問いに答えるには、AIよりも先に、製品情報と設備情報の構造、関係性、履歴が整理されていなければなりません。BOM、図面、設計変更、IoTセンサーデータ、保全履歴、稼働実績、不具合報告などが分断されている状態では、AIが参照できるのは個別の断片に限られます。

生成AIも同様です。文章生成や検索、要約に優れていても、単独で導入しただけでは循環型業務は前進しません。PLM、IoTプラットフォーム、デジタルツイン、保全管理、ERPなどと接続し、業務に必要な文脈と根拠を与える必要があります。

AIエージェントを検討する際には、「どのAIを使うか」だけでなく、AIが使うべき製品・設備情報が整理されているかを確認することが重要です。

AIエージェントを支える製品・設備情報基盤

AIエージェント時代には、PLMとIoTプラットフォームを、それぞれ独立した管理システムとしてだけでなく、AIが循環型業務を安全かつ実務的に支援するための情報基盤として捉える必要があります。

重要なのは、単に大量のデータを集めることではありません。

• どの製品情報が正本なのか。
• 現在有効なBOMや図面はどれか。
• どの設備データが、どの製品や部品に対応しているか。
• どの設計変更が、どの稼働結果や不具合に関係しているか。
• 誰がどの情報を閲覧し、更新し、承認できるか。
• AIの回答や提案が、どの情報を根拠にしているか。

こうしたライフサイクルの文脈を管理できて初めて、AIは現場の判断に利用できる情報を提示できます。

PLMが担う情報

PLMは、BOM、図面、仕様、素材情報、設計変更、部品構成など、製品に関する正本情報を管理します。

IoT・デジタルツインが担う情報

IoTやデジタルツインは、センサーデータ、稼働時間、負荷状態、異常履歴、保全履歴など、製品や設備が実際にどのように使われたかを管理します。

両者を関連付けることが重要

製品情報と稼働実績がつながることで、AIは「どの部品が、どの条件で、どの程度使われ、どのように修理・再利用・改善できるか」を検討できるようになります。

AIエージェントが「答えるAI」から「循環型業務を前に進めるAI」へ変わるには、PLMとIoT・デジタルツインをつなぐ情報設計が必要です。

サーキュラーエコノミーで想定されるAIエージェント活用例

予知保全と設備寿命の延長

AIエージェントは、温度、振動、圧力、稼働時間などのIoTデータと保全履歴を参照し、劣化傾向や異常の兆候を整理できます。保全担当者に点検候補や確認すべき項目を提示することで、故障後の対応から、状態に応じた保全への移行を支援します。

ただし、設備データが継続的に蓄積され、保全履歴とひも付いていることが前提です。拠点や設備メーカーによってデータ形式が異なる場合は、AI活用の前に識別方法やデータ項目を整える必要があります。

部品の再利用とリマニュファクチャリング

回収した製品や部品について、使用期間、修理履歴、負荷状態、部品構成などを参照し、再利用可能性を検討する際の候補をAIが提示できます。代替部品や過去の類似事例を探す作業にも活用できます。

そのためには、BOMの粒度、品番、属性、版、代替関係が統一されていなければなりません。最終的な再利用可否は、品質基準や安全基準に基づいて人が承認する運用も必要です。

デジタルプロダクトパスポートへの対応支援

デジタルプロダクトパスポート（DPP）では、対象となる製品に応じて、素材、構成、修理、再利用、リサイクルなどに関する情報管理が求められます。

AIエージェントは、PLMやBOMに登録された情報の収集、必要項目の確認、不足情報の抽出などを支援できます。ただし、元データが文書や部門ごとに分散し、どれが正本か分からない状態では、規制対応の根拠として利用できる情報にはなりません。

なお、DPPの具体的な要求項目や適用時期は、製品分野ごとの法令や今後の委任法令などによって段階的に定められます。対象製品に応じて、欧州委員会などの公式情報を継続的に確認する必要があります。

使用実績に基づくサービスモデル

設備の稼働時間、利用頻度、負荷状態などを継続的に把握できれば、定額保守、従量課金、成果に応じたサービスなど、使用実績に基づくサービスモデルの設計・運用を支援できます。

契約や課金の根拠として使用する場合には、データの欠損、測定方法、履歴保存、変更管理などを明確にし、関係者が同じ情報を確認できる状態にすることが重要です。

設備データから設計へのフィードバック

フィールドで発生した不具合、保全内容、交換部品、稼働条件を製品情報と関連付けることで、設計部門が次期設計で確認すべき課題をAIが抽出できます。

不具合情報だけを収集しても、対象となるBOM、図面、仕様、設計変更とつながっていなければ、具体的な改善対象を特定することは困難です。製品情報と設備情報を双方向につなぐことが必要です。

廃棄物と資源効率の改善

製造実績、品質データ、材料使用量、廃棄量、エネルギー使用量などを横断して参照することで、廃棄物が多く発生している工程や、改善を検討すべきポイントを抽出できます。

AIが提示するのは、あくまで分析結果や改善候補です。品質、コスト、納期、安全性なども含めて、人が総合的に判断できる業務設計が必要です。

AIエージェント時代の基盤整備で確認したい7つのポイント

1．製品・設備情報の正本をどこに置くか

BOM、図面、仕様、設備台帳、IoTデータ、保全履歴について、どのシステムを正本とするかを決めます。正本が曖昧なままAIを接続すると、回答の根拠や更新状況を確認できません。

2．PLMとIoT・デジタルツインを分断しないか

PLMの製品情報とIoTの稼働情報を、製品番号、部品番号、設備番号、シリアル番号などによって関連付けます。両者の関係がなければ、使用実績を設計改善や部品再利用へつなげることは困難です。

3．設計変更を知識として蓄積できるか

変更内容だけでなく、「なぜ変更したか」「どこに影響したか」「どの不具合や稼働実績が根拠になったか」まで追える状態を目指します。AIが改善提案を支援するには、判断の背景が必要です。

4．ライフサイクル全体のトレーサビリティを確保できるか

素材、調達、製造、使用、修理、回収、再利用、リサイクルの各段階について、必要な情報を追跡できるか確認します。すべてを一度に整備するのではなく、対象製品や規制要件に応じて優先順位を付けます。

5．権限、承認、根拠を管理できるか

AIが閲覧できる情報の範囲、提案内容を承認する担当者、回答の根拠となった情報を記録できることが重要です。特に再利用、保全、品質、規制対応などに関する判断を、AIだけで完結させない設計が必要です。

6．関連システムと連携できるか

PLMやIoTプラットフォームだけでなく、ERP、保全管理、品質管理、文書管理、サステナビリティ管理などとの連携を検討します。APIなどを通じて、必要なデータを適切な権限で利用できる構成が求められます。

7．Fit to Standardに加えてFit to AIを考えているか

標準機能に業務を合わせることは、導入・運用負荷を抑えるうえで重要です。さらにAIエージェント時代には、標準化した情報が「AIから参照できる」「関係性をたどれる」「根拠を確認できる」「別の業務でも再利用できる」状態になっているかを確認する必要があります。

Fit to Standardから、Fit to AIへ。

将来のAI活用を見据えて製品・設備情報基盤を設計することが、循環型業務を継続的に改善するための土台になります。

CONTACT Softwareで製品情報と設備情報をつなぐ

CONTACT Elements for IoTは、製品開発情報とフィールドで取得した設備情報を、デジタルツインを通じて関連付けるためのIoTプラットフォームです。

BOM、部品情報、設計データなどの製品情報と、稼働状態、測定データ、異常履歴、保全履歴などを関連付けることで、製品が設計された後に、実際の現場でどのように使われたかを追跡しやすくなります。

こうした情報基盤は、予知保全だけを目的とするものではありません。フィールド情報の設計部門への還元、部品の再利用検討、サービス事業の運用、将来のAIエージェント活用など、製品ライフサイクル全体にまたがる業務の基盤として利用できます。

GBSがご支援できること

GBSは、サーキュラーエコノミーへの対応を、単なる環境対策や単独システムの導入としてではなく、製造業DXを支える製品・設備情報基盤づくりとしてご支援します。

AIエージェントを導入すること自体を目的とせず、AIが循環型業務で機能するための情報設計、業務設計、システム連携、運用設計までを含めて検討します。

• 現状整理・構想策定：対象業務、製品情報、設備情報、関連システム、運用上の課題を整理します。
• PLM導入・活用支援：BOM、設計変更、図面、文書、素材情報などの管理方法を設計します。
• IoT・デジタルツイン基盤構築支援：設備データの取得、蓄積、可視化、製品情報との関連付けを支援します。
• PLMとIoTの連携設計：製品・部品・設備・稼働実績の関係を整理し、ライフサイクル情報を追跡できる構成を検討します。
• API連携・業務自動化支援：PLM、IoT、ERP、保全管理、品質管理などをつなぎ、情報収集や確認作業の自動化を支援します。
• AIエージェントを見据えた情報設計：AIが参照するデータ、権限、根拠表示、承認フロー、運用ルールを設計します。

重要なのは、特定のAIツールを先に決めることではありません。まず、自社の製品情報、設備データ、BOM、設計変更、保全履歴などが、AIエージェントから利用できる状態になっているかを確認することです。

よくあるご質問

AIエージェント時代の製品・設備情報基盤をご検討中の方へ

参考情報

• European Commission：Digital Product Passport
• 経済産業省：サーキュラーエコノミーに関する取り組み
• CONTACT Software：Digital Twin
• GBS：AIエージェント時代のPLM
• GBS：デジタルツインを使ったIoTプラットフォーム
• GBS：IoT導入支援