CS Windは世界最大の風力タワー製造企業であり、Superb AIのVision AI技術とNVIDIAのAIインフラを採用することで、製造プロセスの自動化と最適化を実現しました。

CS Windは世界各地に複数の生産拠点を持ち、高さ200メートル、重量700トンにも達する巨大な風力タワーを製造しています。 一方で、その圧倒的な物理的な規模や複雑な物流フロー、そして手作業に依存したデータ記録の運用により、業務全体の効率を最大化することが難しい状況でした。

本事例では、CS Windがこうした物理的な制約をどのように克服し、「製造プロセス監視の自動化」と「鋼板（Steel Plate）の資材追跡」という二つの重要な課題に対応したのか、そしてその基盤となったSuperb AIのVision AI技術とNVIDIAのAIインフラストラクチャーについて詳しくご紹介します。

課題1：手作業によるプロセス監視とデータのブラインドスポット

風力タワーの製造は、切断（Cutting）、溶接（Welding）、組立（Assembly）といった複数の工程と、それぞれの工程に存在する数百のサブステップから成る長期プロジェクトであり、最大10週間を要します。従来の仕組みのもとで、CS Windは次のような課題に直面していました。

• 手作業によるデータ入力の限界：各工程の開始・終了時刻を、現場オペレーターが紙に手書きで記録するか、MES（Manufacturing Execution System：製造実行システム）に直接入力する必要がありました。 その結果、データの抜け漏れや入力ミスが頻発し、ボトルネックや非効率な工程をリアルタイムに特定することが難しい状況でした。
• プロセスの可視性不足：巨大な構造物に作業空間が隠れてしまうため、どの作業が進行中なのか把握しづらく、ボトルネックが発生しても、その原因をすぐに特定できない「オペレーション上のブラインドスポット」が生じていました。

解決策1：NVIDIAの動画検索・要約向けAI Blueprint（VSS Blueprint）とSuperb AIのVFM・VLMによるリアルタイムプロセス分析

こうした課題を解決するため、Superb AIは自社のビジョン基盤モデル（Vision Foundation Model：VFM）である「ZERO」と、ビジョン言語モデル（Vision Language Model：VLM）を組み合わせたハイブリッドソリューションを提案しました。

1. 学習不要で即時に物体を検出（ゼロショットVFM）

従来のAI開発では、現場データの収集とラベリング、モデルの学習に数カ月を要していました。 これに対し、Superb AI独自のVFM「ZERO」は、追加学習を行わなくても（ゼロショットで）、作業者やクレーン、溶接機といった主要なアセットを即座に認識することができます。 その結果、本番導入までのリードタイムを飛躍的に短縮することができました。

2. 時間軸とコンテキストを理解するAI（Temporal & Context Awareness）

本ソリューションは単に物体を検出するだけでなく、VLM技術を用いてライブ映像フィードの時間的な流れや文脈を解析します。 VLMは、現在の工程が「準備」段階なのか「溶接」段階なのかを時系列に沿って理解します。 これにより、「クレーンが鋼板を搬送している」あるいは「溶接作業が開始から10分経過している」といった状況をテキストとして解釈・記述できるようになります。 この機能により、各工程ステップのサイクルタイムが自動的に算出され、作業の遅延をリアルタイムに検知することが可能になりました。

(Superb AIのZEROとVLMを組み合わせたアーキテクチャ構成図)

（NVIDIAのVSS Blueprintのアーキテクチャ構成図）

3. NVIDIA VSS Blueprintにより加速されるインテリジェントな映像管理

大規模な映像解析パイプラインを支えるため、NVIDIA VSS Blueprintが導入されました。NVIDIA VSS BlueprintはNVIDIA Metropolisプラットフォームの一部であり、生成AI、VLM、LLM、RAG、メディア管理サービスを組み合わせることで、高度な視覚認識と対話性を備えたビジュアルAIエージェントの開発を可能にします。VSSはSuperb AIによって生成されるメタデータをインデックス化し、「昨日の午後に切断工程で発生したボトルネックの場面」のような自然言語クエリから、管理者が目的の映像を即座に検索・分析できる環境を提供します。

(Superb AIのモデルがリアルタイムに解析し、毎秒ログを記録している映像の例)

課題2：判読しづらい手書きIDと資材ロス

二つ目の大きな課題は、原材料である鋼板の管理でした。 工場内では毎日何千枚もの鋼板が移動しており、それぞれの鋼板は作業者が手書きで記入する識別コードのみによって区別されていました。

• 判読困難な手書き文字と多様な変動要因：作業者ごとに筆跡が異なるうえ、鋼板がクレーンに吊られた状態で移動したり、さまざまな角度で設置されたりするため、一般的なOCR（Optical Character Recognition：光学文字認識）技術ではコードを安定して読み取ることがほぼ不可能でした。
• 資材追跡の失敗：手入力のミスにより、システム上の在庫位置と実際の物理的な位置が一致しないケースが頻発し、鋼板が行方不明になることも少なくありませんでした。 その結果、材料の捜索に多くの時間が費やされ、ときには誤った場所に搬送された鋼板が原因で生産ラインが停止してしまうこともありました。

（判読が難しい手書きの鋼板識別コードの例。上記のIDは説明用のサンプルであり、実際のIDを示すものではありません）

解決策2：生成AIベースOCRとNVIDIA Jetsonによるエッジコンピューティング

従来型OCRの限界を克服するため、Superb AIは独自の生成AIベースOCR（Generative OCR）パイプラインを開発・導入し、手書き文字認識の精度を飛躍的に向上させました。 さらに、こうした高度なAIモデルを現場で遅延なく稼働させるため、リアルタイムなデータ処理に向けてNVIDIA Jetson Orinプラットフォームを活用しました。

1. Superb AI独自の3ステップ高精度認識パイプライン

Superb AIは、極めて高い認識精度を実現するために、独自の3段階アルゴリズムを設計しました。

• Step 1. Smart ROI Cropping & Alignment：まずVision AIモデルが鋼板の位置を特定し、あらゆる角度に回転している、あるいは反転している文字の向きを自動的に補正します（Rectification）。
• Step 2. VLMベースのGenerative OCR：整列された画像をGenerative OCRモデルに入力し、癖の強い筆跡や一部が汚れている文字であっても推論によってテキストへ変換します。 単純なパターンマッチングではなく、AIが文字列の文脈や構造を読み取るアプローチです。
• Step 3. 時系列データ検証（Temporal Aggregation）：一度の読み取り結果だけに依存するのではなく、同一の鋼板を連続撮影した数十フレーム分の認識結果を相互に検証し、最も信頼度の高いIDを最終的な識別結果として確定します。

（Superb AIによる高精度認識パイプラインの例。上記のIDは説明用のサンプルであり、実際のIDを示すものではありません）

2. NVIDIA Jetsonを活用したハイブリッドエッジアーキテクチャ

こうした複雑な計算処理をすべてクラウド上で実行すると、ネットワーク遅延や通信コストが発生してしまいます。 この課題を回避するため、Superb AIはNVIDIA Jetson Orinモジュールをカメラに直結したエッジ側に配備しました。

• NVIDIA Jetson（エッジAI推論）：工場内ではネットワーク環境が不安定になることがあり、セキュリティの観点からも、すべての映像データをクラウドへ送信するのは必ずしも効率的とは言えません。 Superb AIはNVIDIA Jetson Orinモジュールを活用し、データセンターではなくカメラが設置されているエッジ側でデータを即時処理することで、この課題に対応しました。
• 高性能エッジコンピューティング：大規模トランスフォーマーモデルをシームレスに実行可能なNVIDIA Jetsonの強力なGPU性能により、高解像度画像上で鋼板の位置を検出し、回転したテキストの向きを補正し、複雑な手書き文字を認識するといった計算負荷の高いAI処理をリアルタイムで実行することが可能になりました。

（NVIDIA Jetson Orinを活用したハイブリッドエッジアーキテクチャの例）

Superb AIは、エッジデバイスからカメラ映像全体を送信するのではなく、AIによる判断が必要な領域、すなわちROI（Region of Interest：関心領域）やテキスト領域のみをAWS Cloudへ送信し、MES（Manufacturing Execution System：製造実行システム）と連携させました。 これにより、帯域幅を抑えつつリアルタイム性を維持する効率的なハイブリッドエッジ–クラウドアーキテクチャを実現しました。

成果：製造プロセス全体でデータドリブンな可視性を実現

Superb AIのVision AI技術とNVIDIAのAIインフラを組み合わせることで、CS Windの生産現場は大きく変革されました。

• プロセス効率の向上とスループットの拡大：サイクルタイムを高精度に分析できるようになったことで、CS Windはボトルネックを特定・解消し、エンドツーエンドのプロセス効率を向上させることができました。 各サブプロセスの所要時間を5％短縮するだけでも、全体のリードタイムは大幅に短縮され、年間生産能力の向上が見込めます。
• 99.9％の資材識別精度：Generative OCRにより、癖の強い筆跡や読みにくい手書きコードであっても、ほぼ完全にデジタル化できるようになり、資材追跡の失敗を事実上ゼロに近い水準まで削減しました。
• エンドツーエンドのデジタルな追跡性（トレーサビリティ）：原材料の入庫から完成したタワーの出荷に至るまで、すべての工程が自動的に記録されるようになり、データのブラインドスポットがない透明性の高い生産管理を実現しました。

AIで完全なデジタル製造環境を構築

CS Windの産業AIトランスフォーメーションプロジェクトは、先進的なAI技術が製造業の長年の課題解決にどのように活用できるかを示す代表的な事例です。

Superb AIは、産業現場に特化した高性能なプラットフォームとAIモデルを提供し、NVIDIAはJetsonやVSSをはじめとする最適なAIインフラを支えました。 このソリューションは、クラウドベースの管理とエッジでのオンサイト処理を組み合わせたハイブリッドアーキテクチャを採用しているため、ベトナム、米国、ポルトガルを含むCS Windのグローバル拠点へ迅速に展開することが可能です。 また、プロセスの最適化はエネルギー消費の削減にも直結し、CS Windが掲げるRE100へのコミットメントやカーボン削減目標の達成にも貢献しています。 同社は現在、データブラインドスポットのないエンドツーエンドのデジタル製造基盤の確立へと歩みを進めています。

CS Windの製造現場において、Superb AIとNVIDIAによる共同ソリューションは、「見えなかったものを見えるようにし（Visibility）」、「測定できなかったものを測定可能にし（Measurability）」、「制御できなかったものを制御可能にする（Controllability）」ことを実現しました。 Superb AIは今後も、風力エネルギー産業の持続可能な成長を支えるべく、AI技術の高度化に取り組んでまいります。