PlantPulse AI Platform
初めての方は、この順序で
- チャットボットが当社ドキュメントで回答するようにする — 公開デモと動画付き
- 質問例 — どのような質問ができるか
- ワンライン インストール → 初期パスワード変更
- 業務プロセス — 導入後、継続的に活用できるようにする
「工場のすべてのデータを、すべての人が、自然言語ひとことで」
備考
オンライン マニュアル: https://kopens.gitbook.io/plantpulse-ai
PlantPulse AI Platformは、製造現場のリアルタイムデータ、AI分析、知識管理を統合した産業用AI コパイロット プラットフォームです。
工場運用者が自然言語で質問すると、AIがリアルタイム センサーデータ照会、異常検知、予測分析、技術文書検索を自動実行して迅速かつ正確な意思決定をサポートします。
主要数値
| 項目 | 数値 |
|---|---|
| 統合 MCP データツール | 116個（読み取り専用） |
| TimeSeries-Insight 分析ツール | 27個 |
| ナレッジ グラフ（オントロジー）ツール | 5個 |
| RAG 検索ツール | 3個 |
| オントロジー ノード型 | 14種 |
プラットフォーム構成
| コンポーネント | 役割 |
|---|---|
| AI Chat Web | ユーザー インターフェース — 自然言語対話型 AI コパイロット（組込エージェント） |
| 統合 MCP | リアルタイム工場データ ゲートウェイ（Platform server-web /api/v5/mcp、オントロジー含む） |
| Ontology | 工場ナレッジ グラフ — 設備関係/構造分析（統合 MCP に含まれる） |
| TimeSeries-Insight | AI 異常検知 + 予測 + フィーチャー ストア（27個分析ツール） |
| RAG | LightRAG ベース技術文書検索 — マニュアル、SOP、規制を即座に参照 |
| AURA | 産業特化 LLM — 製造ドメイン ファインチューニング モデル |
導入効果
| 領域 | Before（既存） | After（PlantPulse AI） |
|---|---|---|
| 状況把握 | SCADA+Excel+マニュアル 30分～1時間 | 自然言語質問 10秒 |
| 異常検知 | ルールベース アラーム（事後対応） | AI事前検知 + 原因推定 |
| 保全方式 | 予防保全（周期ベース） | 予知保全（状態ベース） |
| 文書検索 | ファイルサーバー 手動探索 | AI ハイブリッド検索 即座 |
| AI コスト | クラウド API 従量課金 | オンプレミス 固定費 無制限 |
| データ セキュリティ | 外部クラウド 送信 | 社内オンプレミス 完全保持 |
技術スタック
| レイヤ | 技術 |
|---|---|
| AI モデル | AURA LLM、IBM Granite TSPulse、TinyTimeMixer TTM |
| AI フレームワーク | MCP（Model Context Protocol）、LiteLLM、LightRAG |
| バックエンド | Java 21 / Spring Boot 3.4、Python / FastAPI |
| グラフ DB | Neo4j |
| ベクトル DB | Qdrant |
| リレーショナル DB | PostgreSQL 18 |
| 時系列 DB | Apache Cassandra |
| キャッシュ | Valkey（Redis 互換） |
| オブジェクト ストレージ | MinIO（S3 互換） |
| GPU | NVIDIA DGX Spark 互換（低仕様運用） |
| デプロイ | オンプレミス / Edge / クラウド |
導入対象
| 業界 | 主要活用シナリオ |
|---|---|
| 食品飲料製造 | 生産ライン OEE 管理、品質モニタリング、エネルギー最適化 |
| 化学/石油化学 | プロセス異常早期検知、安全規制遵守、設備ヘルスケア管理 |
| 自動車部品 | 予知保全、作業指示品質追跡、ライン バランシング |
| 半導体/電子 | 微細異常検知、歩留まり予測、クリーンルーム環境モニタリング |
| 鉄鋼/金属 | 高温設備モニタリング、エネルギー管理、保全周期最適化 |