【ITニュース解説】System design for physical AI: a dieless robotic sheet metal cell that owns its toolpaths, weights and evidence

このニュース記事は、航空機のメンテナンス、修理、オーバーホール（MRO）を行う施設が抱える製造課題を、最新のシステムエンジニアリングと人工知能（AI）を組み合わせて解決する革新的なアプローチについて解説している。具体的には、航空機部品の製造で通常使われる「金型」を不要にし、ロボットが自律的に板金加工を行う「金型なしロボットシートメタルセル」のシステム設計に関する内容だ。

従来の部品製造では、特定の部品を作るために金型を設計し、製造し、保管する必要があった。これは時間もコストもかかり、緊急性の高い部品や少量生産には不向きであった。また、サプライチェーンに依存することで、施設のコントロールが及ばない部分も生じていた。市場には金型なしのロボット加工システムもあるが、それらは多くの場合、ベンダーが提供するクラウドサービスに依存しており、施設の機密データが外部に流出するリスクがあった。特に、航空機部品のような「飛行に不可欠な」部品では、このような外部依存は厳しく制限される。このシステム設計の核心は、「必要な部品を、施設が完全に所有する機械で、設計図通りの精度で、品質保証のための確かな証拠を伴い、金型なしで、かつベンダーのクラウドに頼らずに、すぐに作れるか」という問いに対する具体的な解決策を提示している点である。

このシステム設計の出発点には、「4つの制約」という厳格な原則がある。第一に、ベンダーのクラウドや外部サービスに一切依存せず、カメラ画像や加工データを含む全ての技術データを施設が管理し、外部への漏洩を防ぐ。第二に、AIモデルの学習データ、学習済みモデル（重み）、工具経路の基準データ、全ての記録、ソフトウェアを動かすコンテナイメージに至るまで、施設が全ての成果物を完全に所有する。第三に、記録は個々のシリアル番号付き部品に紐づけられ、部品の種類ではなく、一つ一つの製造プロセスを追跡可能にする。そして第四に、最もリスクの高い仮定から検証を始める。つまり、新しい技術導入の際は、失敗する可能性が最も高い部分をまず実際の材料で試し、明確な「中止基準」を設けて検証から始める。これらの制約は、堅牢で信頼性の高いシステムを構築するための基盤となる。

このシステムの大きな特徴は、「シリアル番号付き部品ごとの統合された記録」を持つことだ。これは、Eclipse BaSyxという技術を利用し、「Asset Administration Shells（AAS）」と呼ばれる標準形式で14種類のオブジェクトを管理する。例えば、完成部品だけでなく、元となる板材の製造証明書、ロット番号、加工セル、ロボットアーム、工具、工具経路プログラムの設計変更履歴、CADモデル、材料の成形可能性分析、計測スキャンデータとその計測器の校正状態、加工中の力（フォース）の記録、作業指示、不適合発生時の記録と証拠、作業者、そしてAIモデルのハッシュ値まで、部品製造に関わるあらゆる情報がデジタルデータとして一元的に管理される。一つの部品のシリアル番号から、材料の出所、設計変更履歴、全ての計測データ、計測機器の校正状態、加工中の力の変化、作業を承認した作業者、そして品質上の決定に至るまで、全てをたどることができる。これにより、初品検査に必要な膨大な資料も、システムが自動で生成できるため、品質保証とトレーサビリティが大幅に向上する。

システムは多様な情報源からデータを収集し、それらを統合する。CADデータ、作業員が操作するセンサーデータ、サードパーティ製ソフトウェアインターフェース、生産システム、品質記録システム、工場内の機器制御テレメトリー（MTConnect経由）の6つの情報源がある。これらのデータは、全て統合アダプターまたはテレメトリーアダプターを介して読み取り専用でシステムに取り込まれ、直接モデルに書き込まれることはない。これは、データの一貫性とセキュリティを保つ上で重要だ。データ処理には、施設内で自律的に管理されるApache Kafka 4.3が使用され、部品のシリアル番号ごとにイベントが正確な順序で整理される。さらに、高精度な時刻同期システム（OCP Time Cardグランドマスターとlinuxptp）が導入されており、スキャンデータ、加工力、ロボットアームの位置といった複数の情報が、完全に同じ時刻に発生したデータとして紐づけられる。これにより、異なるデータが同じ時刻に発生したと「推測」するのではなく、「確実」に同期させることで、統合された記録の信頼性を確保している。

品質管理と異常検出においてもAIが重要な役割を果たす。加工セル内には、ファンレスの産業用推論コンピューターが設置されており、Anomalib 2.7.0（表面や幾何学的形状の異常検出）とChronos-Bolt（加工中の力の変化を基準と比較する）というAIソフトウェアが動作する。これらはONNX Runtimeという実行環境を通じて、加工のパス（一回の工程）の合間に実行され、異常が検出された場合には、次のパスが始まる前に加工を停止させる。これにより、欠陥のある部品がそれ以上加工されるのを防ぎ、資源の無駄をなくす。AIモデルやそのしきい値、そして材料の「スプリングバック」（加工後に材料がわずかに元の形状に戻ろうとする現象）の基準データは、施設内の専用サーバーで管理される。セル内のOT（Operational Technology）ゾーンから施設の中央システムへは、データダイオードという物理的に一方通行のデータ転送を保証する装置を通じてのみデータが送られる。これにより、機密性の高い加工データが外部に流出するリスクを最小限に抑えつつ、施設からセルへのプログラムのリリースは、署名された安全な経路を通じてのみ行われ、逆方向の通信チャネルは存在しない。この厳格なデータフロー制御は、セキュリティを最優先する航空宇宙分野において極めて重要だ。

人命の安全も最優先事項として設計されている。ライトカーテン、安全PLC（プログラマブルロジックコントローラー）、インターロックといった物理的な安全装置が、ロボットの緊急停止機能を司る。AIによる異常検出は、これらの安全装置の判断に「助言」を与える役割を担う。例えば、加工パス間の停止中に異常を検出したり、スキャンデータの評価を迅速に行ったり、異常が発見された際に部品がまだ治具に固定されている間にアラートを通知したりする。これらのアドバイザリ機能は、机上の理論だけでなく、実際に測定されたデータストリームを用いて検証される。特に、新しい異常検出AIは、最初は「シャドウモード」で運用される。これは、実際の加工データを使ってAIを動作させるが、その判断を実際の生産には反映させず、AIがどれくらいの頻度で誤報を発するのかを十分に検証する期間のことだ。施設の実際のパネルで誤報率が許容範囲内であることが確認されて初めて、AIの判断が部品の品質に影響を与えるようになる。

システムの開発は三つのフェーズに分かれる。最初の「検証プロトタイプ」フェーズでは、犠牲となるアルミニウムブランクを用いて、最も困難な技術課題である「大型の柔軟なパネルに対する二本のアームの同期」が実現可能かを検証する。これは過去の航空機胴体ロボットプログラムが失敗したとされる部分であり、ここで実現できなければプロジェクトはプロトタイプの費用で中止されるという明確な「中止基準」が設けられている。次のフェーズは「生産セル」の構築で、最終的には施設スタッフが自らの権限でシステムを運用できる状態を目指す。最後のフェーズは「鋼鉄とチタンの限界調査」で、生産に適用する前に、より硬い材料で達成可能な精度範囲を調査する。

このシステム設計は、航空機部品製造における従来の課題を克服し、オンデマンド生産、データ主権の確保、そして最高レベルの品質と安全性を両立させるための、具体的なエンジニアリングアプローチを提示している。システムエンジニアを目指す者にとって、これは単なる製造技術の進歩に留まらず、AI、ロボティクス、サイバーセキュリティ、データ管理、リアルタイム処理、そして厳格な品質保証がどのように統合され、物理世界で機能する複雑なシステムが構築されるかを示す、貴重な事例である。