CASE STUDY｜現場データ取得・AIレポート
エッジ端末約30台・8年継続運用。
工場まるごとIoT化
取引先名・実データは掲載していません。守秘義務に配慮し、業種・技術内容を中心に記載しています。
事例の概要
| 業種 | 金属加工メーカー（大手） |
|---|---|
| 対象 | 工場全体（年代の異なる設備が混在） |
| 取得方法 | エッジ端末を1台ずつ追加する段階導入方式。既存設備を止めない後付け施工 |
| 取得項目 | 電力（30分デマンド含む）・ガス・温度・設備稼働・環境データ |
| 規模 | エッジ端末 約30台（29台） |
| 保存先 | クラウド（2026年に基盤を全面リニューアル） |
| 運用期間 | 2017年から8年間継続。本格運用5年以上 |
| 導入後の変化 | 品質トレーサビリティ／稼働率・エネルギー分析／毎朝のAI日報自動配信 |
| 保守方法 | 年間保守契約を継続中。VPN経由のリモート保守・機能追加 |
課題：工場の実態が「見えない」
工場全体の稼働・エネルギーの実態が見えず、品質の確認も紙の記録と現場の記憶に頼っていました。設備の年代がバラバラで、一括導入型のIoTパッケージでは対応が難しい状態でした。
対応：エッジ端末の段階的な積み上げ
2017年から、電力・ガス・温度・設備稼働などの現場データを取得するエッジ端末を1台ずつ追加していきました。一度に大きな投資をせず、効果を確認しながら約30台まで拡大。古い設備は端子台からの並列取得、新しい設備はPLC通信と、設備ごとに最適な方法を使い分けています。
変化：品質と稼働を「遡れる」工場に
「いつ・どの設備が・どんな条件で動いていたか」を遡れる品質トレーサビリティと、稼働率・エネルギーの分析基盤が整いました。現在は、環境・電力デマンド・設備別稼働率をまとめた工場全体の日報をAIが毎朝自動生成・配信するところまで運用しています。2026年にはクラウド基盤を全面リニューアルし、AI活用へ拡張中です。
蓄積データ×生成AIの即応力（実際の対応例）
8年分のデータが蓄積されていること、分析を生成AIで自動化していることにより、現場からのご依頼に対する分析レポートの提出が当日〜翌日で回っています。実際の対応例です（実データ値は非公開）。
設備トラブルの翌日に、3年分の傾向分析
工場エア（コンプレッサー）の圧力低下が発生した際は、翌日に過去3年分のデータから傾向分析レポートを提出。一時的な現象か、設備劣化によるものかの切り分け材料になりました。
警報しきい値の見直しを、当日に反映
モーター温度警報について「気温との温度差で判定したい」というご要望に対し、過去3年超の実データを分析して判定値を設計し、当日から新方式での警報運用を開始しました。
契約電力の判断材料に、1年分のデマンド分析
デマンド通知の運用切替に合わせ、過去1年分の電気使用状況（ピークの発生時期・頻度）をレポートとして提出。契約電力の見直し判断に使える材料になりました。
現場の様子
