素材・プロセス産業

規制当局自身がAI制御を検証した — FDA研究者による医薬品連続生産の制御実験と、「検証手順がまだ無い」という告白

規制の厳しい業界ほどAI導入は遅れる——その前提が崩れる論文が出た。著者は全員がFDA医薬品評価研究センターの研究者。錠剤の連続生産ラインでニューラルネット予測制御を組み、従来のPID制御に対し整定時間を半分以下、外乱時の偏差を桁違いに小さくした。そして規制申請向けの検証手順がまだ標準化されていないと当局側が明記している。日本の製薬・化学・食品への含意を整理する。
全産業共通

設備の異音検知は「学習なし」で始められる — ただし構成の選び方で性能が13.8ポイント動く

熟練保全員が最初に気づく手がかりは「音」である。既製の音響モデルを凍結して学習なしで異音検知を行う構成を系統比較した研究では、異常度の測り方を変えるだけで性能が平均13.8ポイント、最大53.8ポイント動いた。ただし絶対値はAUC 63%台で、熟練者の耳の代替にはならない。位置づけを誤らないための読み方とROIを整理する。
全産業共通

遠隔支援AIに効いたのは映像ではなく「手の動き」だった — 5段階評価2.69から4.41へ、文脈の与え方で決まる作業支援

熟練者を現場に送らずに済ませたい——ARと生成AIによる作業支援で、実際に効く情報は何か。マニュアル・作業手順・現在工程・手の動きを1つずつ積み上げて測った結果、寄与が最大だったのは作業者の手の動きだった。5段階評価で2.69から4.41へ。AI採点と人手評価の一致率83.7%まで示した誠実な検証と、日本の多拠点製造業に置いたROIを整理する。
素材・プロセス産業

異物なし183枚で誤検出ゼロ — 食品ラインの異物検査AIが、学習画像22枚で成立した理由

食品工場が異物検査装置を切ってしまう理由は、見逃しより「良品まで弾く」こと。近赤外ハイパースペクトルと軽量Transformerを組み合わせた研究は、異物なし183枚に対して誤検出ゼロを達成した。学習に使った注釈付き画像はわずか22枚。ただし肉とスペクトルが似た樹脂は原理的に難しく、見逃し側の定量指標も示されていない——検査体系に穴を作らないための読み方を整理する。
製造・組立

「作ってみるまでわからない」を減らす — 金属3Dプリンティングの欠陥検査を、少ないラベルで立ち上げる転移学習

金属積層造形が量産に入りきらない理由は装置価格ではなく、品質が読めないこと。表面欠陥8,284枚で精度98.91%を出した転移学習の研究は、ラベルなし画像も学習に使い、新しい欠陥種を数枚で追加できる。ただし対象は表面欠陥の分類で内部の空隙は範囲外——品質保証に穴を作らないための線引きと、少量多品種の現場でのROIを整理する。
建設・インフラ

自律建機は人間の8割まで来た — 12トン油圧ショベルの実機試験が示す、建設自動化の現在地

12トン級の油圧ショベルを実機・屋外で動かし、人間のオペレーターと同条件で比較した研究。岩の除去成功率は人間83%に対し学習した制御方策が70%。専用装置を使わず標準バケット、岩1個あたり20点という粗い点群で成立している。しかも土質に応じた掘り方の使い分けを、教えられずに獲得した。日本で導入する際に技術より先に効いてくる制度面の論点まで整理する。
全産業共通

同じ質問に毎回違う答えを返すAIは、現場では使えない — 産業用LLMの「一貫性」を再学習なしで上げる5手法の比較

社内AIが業務に組み込めない理由は、間違うことより「毎回違うことを言う」ことにある。産業用LLMの一貫性を、モデル再学習なしで改善する5手法を比較した研究では、最も効いたのがプロンプトの工夫ではなく参照データの構造化だった。ただし一貫性の改善は正しさを保証しない——導入時に外してはいけない線引きまで整理する。
エネルギー・資源

安全規程40条をAIに読ませて、映像から違反を見つける — 鉱山向けVLMが示した「規程を絞る」という設計

映像AIによる安全管理が続かない理由は、数十条ある安全規程のどれが今の場面に効くのかをAIが特定できないことにある。鉱山の40規程を対象にした研究は、関連条文を上位K件だけ動的に選ぶ設計で再現率を34.22%改善し、推論時間も13.56%短縮した。日本の工場に持ち込む際、技術より先に片づけるべき労務上の論点まで整理する。
全産業共通

契約リスク条項の抽出は、どこまで任せられるか — 19モデル・41類型が示す到達点と使いどころ

契約書のリスク条項抽出を、実在する商用契約102件・41リスク類型・19モデルで測ったベンチマーク。最良でもF1値0.641、オープンソース最良は専有モデルに約16%劣後し、さらに「該当条項なし」と誤って答える率が一部モデルで30%を超える。置き換えではなく二次チェックの網として使う線引きと、正直なROI試算を示す。
製造・組立

生産計画にLLMを使うなら、期待すべきは最適解ではなく安定性 — 10モデル検証でわかった使いどころ

「生成AIが生産計画を最適化します」という提案を、10種類のLLMと24通りの従来ルールで同一条件比較した論文が出た。最良のLLMは数十年前からある単純な優先順位ルールと統計的に区別がつかず、さらに工場の完全な構造情報を渡すと要約だけの場合より2.6倍悪化した。それでもLLMを使う意味はどこにあるのか、判断軸とROIを整理する。