ブログ
ロレム・イプサム
「I」なくしてAIは成り立たない――スミス・アンド・ネフューが人材の能力を高めることで、AI対応の体制を構築した経緯
スミス・アンド・ネフューのオペレーショナル・テクノロジーチームは、ダッシュボードだけでは現場の支持は得られないことを学びました。オペレーター、技術者、財務、人事の各部門にアプリ開発の機会を開放することで、現場の知見をコスト削減につなげ、規制の厳しい業務環境におけるAI導入の基盤を築きました。
「AIオーサリング」のご紹介Tulip
Tulip ソリューション構築のあらゆる段階にAIを導入しています。「Projects」、「Authoring Agent」、「Composable AI Agents」、そして「コードベースのApps 」を活用することで、チームは自身のコンテキストに基づいて計画を立て、開発を迅速化し、一貫性のあるレビューを行うことができ、継続的な改善に注力できるようになります。
あるサイトの成功から企業の標準へ:Enterprise Libraryの発表
Enterprise HubはOpsMotoとEnterprise Libraryを統合し、センター・オブ・エクセレンスに可視性と制御機能、そして実績のあるソリューションを拡張する手段を提供します。各サイトでの稼働状況を把握し、安全にガバナンスを行い、あるサイトでの成功事例を企業全体の標準へと展開できます。
2026年「Tulip 」の先駆者たちをご紹介
現状に挑んだビルダー、チーム、パートナーたち:今年の「グラウンドブレイカー賞」受賞者たちが、どのように業務を変革しているかをご覧ください。
現実世界のデバッグ:NVIDIAが支える「Factory Playback」の内部
NVIDIAが提供する「Factory Playback」は、生産現場の映像とTulip の運用イベントストリームを同期させることで、製造業者が欠陥、遅延、異常を秒単位で再生できるようにします。NVIDIA Cosmos、Metropolis VSS、Tulip のイベントデータがどのように連携し、物理的なAIのデバッグを可能にするのかをご覧ください。
製造業務におけるAIの投資対効果(ROI)の実現
AIへの投資額が増えるたびに、測定可能なリターンを証明することが求められています。製造業者がAI投資のROIを測定する際、どのような実践的なアプローチが考えられるかを探ってみましょう。
Frontline Operations プラットフォームがリーン生産方式に最適なソフトウェアである理由
Frontline Operations プラットフォームが、リーン生産方式に最適な現場向けソフトウェアである理由をご覧ください。カイゼンの俊敏性を高め、現場での実行力を向上させましょう。
規制対象の製造業において信頼できるMESを選ぶ方法:実際に重要な7つの基準
規制対象業界向けに信頼できるMESを選ぶ際に考慮すべき基準についてご紹介します。Tulip のようなコンポーザブル・システムが、どのようにコンプライアンスを確保し、バリデーションを迅速化し、eBR/eDHRの業務を効率化するかについてご説明します。
グローバル拠点にわたる製造システムの拡張に向けた「コンポーザブル」アプローチ
製造企業が、中央によるガバナンスと現場の自律性のバランスを取りながら、Tulip をグローバルな工場ネットワーク全体に展開している手法をご紹介します。画一的なテンプレートにとらわれることなく、複数の拠点で一貫した成果を生み出す方法をご確認ください。
OpsMotoがさらにスマートに:マップビューとAIチャットのご紹介
OpsMotoは「マップビュー」と「AIチャット」機能を追加しました。これにより、メーカーはTulip の複数拠点にわたる導入状況を地理的に把握できるほか、OpsMotoが基盤とする可視性とガバナンス基準に基づき、稼働中の運用データに対して平易な言葉で質問を行うことが可能になります。
「Functions」が一般提供開始:ロジックを一度記述すれば、あらゆる場所で管理可能
Tulip Functionsが一般提供開始されました。再利用可能なトリガーロジックを一度作成するだけで、あらゆる場所にデプロイでき、ガバナンス機能も標準で備わっています。Functionsが、App ビルダーの皆様が、重複を削減し、変更管理を迅速化し、標準化されたロジックをすべてのアプリに拡張するのにどのように役立つかをご覧ください。
「最高の実験室実行システムとは、実験室の分断化の問題を解決してくれるシステムである」
製薬メーカーにとって最適な実験室実行システムは、LIMSやELNを置き換えるのではなく、それらと連携するものです。その評価方法をご紹介します。
「工場の新たなフロンティア:『Automate 2026』が明らかにした、フィジカルAIの最大の盲点」
「Automate 2026」では、フィジカルAIが話題の中心となりました。しかし、工場現場で最も価値のあるデータ――人間の行動、オペレーターの意思決定、リアルタイムでの判断――は、その建物内のどのAIシステムにとっても依然として「見えない」ままでした。これが製造業者にとって何を意味するのか、以下に解説します。
多品種少量生産におけるMES:なぜ「コンポーザビリティ」が新たな標準となるのか
多品種少量生産は、従来のMESの枠を打ち破ります。ここでは、コンポーザブルでノーコードのMESアーキテクチャがHMLV製造に適している理由と、その評価方法について解説します。
シリアル化された生産トレーサビリティ記録が、あなたが思っているほど説得力のある証拠とは限らない理由
ほとんどのシリアル番号によるトレーサビリティシステムは記録を生成しますが、説得力のある記録を作成するには、作業現場での徹底した実施が不可欠です。実際にそれがどのように行われるかを以下に示します。
MESの導入が大規模で失敗する理由(そしてその対策)
MESの導入失敗の多くは、研修や変更管理のせいにされがちです。しかし、真の原因はアーキテクチャにあります。ここでは、その原因を特定し、解決する方法をご紹介します。
「万能センサーとしてのカメラ:工場での再生が業務に与える影響」
現代のハードウェアは高速です。最新のビジョンモデルは驚くほど高性能です。しかし、多くのプロセスエンジニア、そして彼らをサポートするITチームにとってのボトルネックは、技術そのものではありません。それは、大規模な展開に伴う複雑さなのです。 ユースケースが異なれば、必要なパイプライン、モデル、推論設定も異なります。SKUごとに人的活動を分類する長期レポートの作成は、手のジェスチャーからリアルタイムで制御アクションをトリガーすることとは全く異なります。その複雑さを管理するには、最新のツールを用いても、モデルの更新、ハードウェアの変更、あるいは新しいユースケースの追加によって機能しなくなる、脆弱なカスタム統合を維持し続けなければならないのです。
MESのROI:ビジネスケースを構築するための5層フレームワーク
OEE、不良率、労働効率、ダウンタイム、リスクといった製造指標を、説得力のあるビジネスケースへと変換することで、MESのROIを算出する方法を学びましょう。
複雑な生産追跡のために、MESを見直す時が来た
複雑な生産において、もはや重要なのは工程の深さではありません。重要なのは変化のスピードです。2026年においてもその変化に対応できるMESの選び方を紹介します。

なぜAIは文脈がなければ機能しなくなるのか:製造データ活用準備ガイドブック
AIの有用性は、データの背景にある文脈次第です。ここでは、製造データを実用的なAIに活用できる状態にする方法をご紹介します。
「死角」から「飛躍」へ:テレックスが「ファクトリー・プレイバック」で業務の可視性を再定義する方法
このブログでは、Tulip とTerexが、同期された映像と稼働データを組み合わせることで、根本原因の特定、安全性の向上、スループットの向上を実現し、工場の継続的な改善に向けた検証可能な「グラウンド・トゥルース」を構築する方法について解説します。

製造工程に品質管理を組み込み、誤表示のミスをなくす
品質管理を事後検査から工程内実施へと移行させることで、品質上の不具合を減らし、トレーサビリティを向上させ、誤表示をなくします。
MESにおけるエージェント型AI:次世代の製造リーダーシップに向けた経営幹部向け実践ガイド
エージェント型AIは、MESを単なる記録システムから、協調的な行動を可能にするシステムへと変革しています。この経営幹部向けガイドブックでは、製造企業がコンポーザブル・アーキテクチャ、ガバナンス、および人間によるオーケストレーションを活用し、より迅速で適応性が高く、継続的な業務実行を実現する方法について解説しています。

「ログブックのデジタル化」からエンドツーエンドの実行まで:製薬業界におけるデジタルトランスフォーメーションの範囲設定のための実践ガイド
バリデーションの厳格な運用と明確な責任分担を維持しつつ、ログブックのデジタル化から、連携したGMPワークフローへと展開する方法をご覧ください。
487件中 1–24件を表示