Sizl、製造現場の問題診断・改善を支援する「SIZL Agentic Brain」を開発

製造業の現場ではMES・ERP・PLCを活用して生産・設備・品質データを収集している。ただ、製造データが複数システムに分散した状態であり、統合分析と活用が困難な状況である。このため、問題発生時には現場担当者がデータを直接抽出・分析する必要があり、原因診断と改善対策の立案も担当者の経験と判断に依存する事例が多い。

スマートファクトリー・製造AIソリューション企業であるSizlは、こうした既存の限界を改善する目的で、製造業特化AIプラットフォーム『SIZL Agentic Brain』を開発していると明らかにした。このプラットフォームは、製造現場のさまざまなデータを統合する機能を備える方向で開発が進められている。

Sizlは『SIZL Agentic Brain』を通じて製造現場データの接続を支援し、AIを活用した問題診断業務と改善業務を支援する計画である。『SIZL Agentic Brain』は、AIベースの問題診断機能と改善案提示機能も併せ持つ。

このプラットフォームは、ETL、オントロジーを主要技術として活用し、MES、ERP、PLCなど個別システムに分散したデータを対象にデータ収集・精製を行った後、設備・工程・製品・品質の関係を構造化する方式で動作する。これにより、AIの製造現場データ理解と業務フロー理解、状況的文脈理解を可能にする。

このような基盤の上でSIZL Agentic Brainの構造は、複数の専門AI Agentの役割分担・協業方式で運用される。品質問題が発生すると、品質分析Agentが関連データを分析し、主要な不良原因を把握し、DMAICなど製造革新方法論を根拠に改善方向を提示する。

このプラットフォームは品質問題だけでなく、生産工程のボトルネック現象を対象としても改善案の導出が可能であり、設備運用問題を対象としても改善案を導出できる。この際、改善案にはLean、TPM/OEE、TOCなど製造業専門の方法論が適用される。

このプラットフォームはSupervisor、分野別専門Agent、Reviewerで構成され、Supervisorが総括しReviewerが分析結果を検討する方式で動作する。運用構造は単一AIモデルが一括で遂行する方式ではなく、Agentごとの役割分担と結果検討を含む。こうした構造を通じて、製造現場の複合的な問題を段階的に分析し、結果検証と根拠追跡を支援する。

このプラットフォームにはHuman-in-the-Loop適用体系が導入された。これは現場運用過程での担当者の統制権限を維持するためのものであり、AIが提示した結果を無条件に自動実行する方式は排除する。代わりに、業務の性格・権限に応じた担当者の検討・承認手続きを経るようにして、運用信頼性と統制可能性を確保する方針である。

また、ノーコードワークフローを提供し、現場担当者がコーディングなしで業務フローを構成できる。トリガー・エージェント・条件分岐・アクションなど18種のノードをドラッグ＆ドロップで配置する方式であり、これを通じて複数のエージェント・ツールを1つの自動化プロセスに連結する。この過程で、実行前の自動検証、AIベースのエラー修正、実行履歴追跡機能を活用でき、反復業務の削減効果を狙った。

Sizlは、製造業のAI転換はデータ収集・可視化だけでは未完成であると見ており、そのためには現場データに対する理解が必要であり、問題の原因診断と実際の改善への連携が必要だと明らかにした。

これと連動してSizlは2026年6月にRebellionと技術検証（PoC）を開始しており、SIZL Agentic Brainの稼働安定性と技術的完成度を検証していると明らかにした。Sizlは今後、検証結果を基にシステム安定性を確保する計画であり、早期の商用化を推進する計画である。あわせて、製造業特化Agentic AIプラットフォームとして市場拡大を進める方針であり、当該プラットフォームは製造現場データ活用と問題解決、業務改善を支援する。

出典：TECHWORLD · キム・ギョンジュ 原文：https://www.epnc.co.kr/news/articleView.html?idxno=409403

参考資料

• https://www.epnc.co.kr/news/articleView.html?idxno=409403