＜News考察＞ Pringles（プリングルス）工場が示した、EBARA-D3とフィジカルAI Ready Factoryの現在地ー デジタルツインは「見る」から「判断する」へー
関連記事 2026/08/05
Wall Street Journal｜Inside the Long, AI-Powered Quest to Perfect Pringle-Making
https://www.wsj.com/tech/ai/inside-the-long-ai-powered-quest-to-perfect-pringle-making-ab37a231
Digital Twinという言葉を聞いたとき、まだ多くの人が思い浮かべるのは、
・工場を3Dで再現する
・設備配置を見る
・CADデータを重ねる
・仮想空間でシミュレーションする
といった使い方ではないでしょうか。
もちろん、それもDigital Twinです。
しかし、私は今回のPringles（プリングルス）工場の事例を見て、Digital Twinの価値が明確に次の段階へ進み始めたと感じました。
Digital Twinは、「現実を見せるもの」から、「現実を理解し、判断を支援するもの」へ変わり始めている。
そして、この変化は、私たちがEBARA-D3で考えてきた方向とも深く重なっています。
Ⅰ．News｜Pringles（プリングルス）工場でDigital Twin＋AIが品質を改善
KellanovaはSiemensと約4年間にわたり、ポーランド・クトノのPringles（プリングルス）製造ラインで、AIとDigital Twinを組み合わせた取り組みを進めてきました。
Wall Street Journalによれば、プロジェクトへの投資額は約400万〜500万ドル。
対象となったのは、Pringles（プリングルス）の生地を中心とした製造工程です。
Pringles（プリングルス）の品質は単純ではありません。
原料の粒径、生地の湿度、温度、加工条件、フライ工程など、200を超える要因が最終品質へ影響するとされています。
そこで工場内のセンサーや設備データを収集し、製造工程の状態をDigital Twin上で再現する。
さらにAIが、それぞれの変数と最終品質の関係を学習し、リアルタイムで設備条件の変更を提案する仕組みを構築しました。
WSJによれば、この取り組みによって品質は約10％改善し、廃棄物は約13％削減。2027年までにベルギーや米国の工場にも展開する計画です。
Siemensも、この工場でDigital TwinとAIを活用し、廃棄物を13％削減したことに加えて、AIを使ったエネルギーマネジメントによってエネルギー消費を7％削減したとしています。
実はKellanovaは2024年の時点ですでに、製造工程全体でDigital Twin／Replicaを構築し、Smart SensorやConnected Deviceからリアルタイムデータを取得する方針を明らかにしていました。今回のPringles（プリングルス）工場は、その構想が具体的な成果へつながった事例と見ることができます。
Ⅱ．このNewsの本当の意味｜3Dではなく「関係」をTwinにする
ここで、私は一つ重要な点があると思っています。
今回のDigital Twinの本質は、3Dではありません。
Digital Twinというと、
現実の工場
↓
3D化
↓
見える化
という理解になりがちです。
しかし、Pringles（プリングルス）で起きていることは違います。
現実の工程
↓
Sensor／Process Data
↓
Digital Twin
↓
AIが変数間の関係を学習
↓
条件変更を提案
↓
人が判断
↓
現実の工程へ戻す
という循環です。
つまり、Twinしているのは設備の「形」だけではありません。
原料と温度と湿度と設備条件と品質との「関係」そのものをDigital Twin化している。
ここが非常に重要です。
人間の熟練者も、必ずしも「温度は何度だから、この値にする」と単一の条件だけで判断しているわけではありません。
今日は材料の状態が少し違う。
湿度が高い。
設備の調子がいつもと違う。
前工程の状態も少し違う。
そうした複数の情報を組み合わせながら、
「今日は少しこうした方がいい」
と判断しています。
つまり熟練とは、正解値を知っていることではなく、
状況と結果の間にある「関係」を知っていること
なのではないでしょうか。
Pringles（プリングルス）の事例は、その関係性をAIが学習し始めた事例だと私は捉えています。
Ⅲ．ここでEBARA-D3とつながる
私は、この構造を見てEBARA-D3との強い共通性を感じました。
EBARA-D3で目指しているのも、単なる3D工場ではありません。
Beyondverseでは、
・設備
・工程
・IoT
・品質
・環境
・人の行動
・作業
・過去の出来事
など、現場に存在する異なる情報をデジタル空間へ統合していく。
そしてDOJOでは、
・熟練者の技能
・作業手順
・判断基準
・コツ
・習熟度
・現場で受け継がれてきた知
を、人から切り離して捨てるのではなく、次へ受け継げる形へ変えていく。
つまり、Pringles（プリングルス）が主に、
設備・材料・工程・品質の関係
を学習しているとすれば、EBARA-D3ではさらに、
人・設備・工程・環境・技能・知識・結果の関係
まで扱おうとしています。
ここに大きな違いがあります。
Digital Twinを、
「現実をコピーした3D空間」
として捉えるのではなく、
現場で起きている出来事同士の関係を学習可能にする基盤
として捉える。
この考え方に立つと、EBARA-D3の意味も変わってきます。
それは3D Viewerでも、データレイクでも、AIシステムでもありません。
それらをつなぎ、
現場が経験したことを、次の判断へ戻すための循環基盤
です。
Ⅳ．Digital Twinからフィジカル AI Ready Factoryへ
そして私は、Pringles（プリングルス）の事例はフィジカル AIへ向かう途中にあるとも考えています。
現在は、
AIが条件を提案する
↓
人間が判断する
↓
設備を変更する
というHuman in the Loopです。
しかし将来、安全性や信頼性が十分に確保されれば、
AIが状態を理解する
↓
条件を判断する
↓
設備やロボットへ指示する
↓
結果をSensorで確認する
↓
再び学習する
という閉ループへ近づいていく可能性があります。
私は、Digital Twinの進化を次の四段階で捉えると分かりやすいと思っています。
・Level 1｜Visual Twin
現実を見る。
・Level 2｜Connected Twin
現実の状態をリアルタイムで知る。
・Level 3｜Decision Twin
AIが関係を理解し、判断を支援する。
・Level 4｜Action Twin／フィジカル AI
判断を現実世界の行動へ戻す。
Pringles（プリングルス）は、明らかにLevel 3へ入っています。
そしてフィジカル AI Ready Factoryとは、いきなりLevel 4のロボットを導入することではありません。
その前に、
AIが現場を理解できる状態をつくること
なのだと思います。
日本企業が持っている、本当の資産
ここで日本の製造業にとって非常に重要な問題が出てきます。
日本の工場には、
・音で設備の状態を感じる
・振動で加工状態を判断する
・材料の微妙な違いを見る
・湿度や温度によって条件を変える
・作業者同士の間合いを調整する
・過去のトラブルから危険を察知する
といった知が大量に存在しています。
これまで、それらはしばしば、
「勘」
「経験」
「職人技」
「属人化」
という言葉で処理されてきました。
しかしPringles（プリングルス）の200以上の変数が示しているのは、
「複雑だからデータ化できない」のではなく、
複雑だからこそ、関係として学習させる価値がある
ということではないでしょうか。
これは、日本のものづくりにとって非常に大きな意味を持ちます。
今回のNewsから考える、私たちのあるべき姿
日本企業が今やるべきことは、Digital Twinを導入することではないと私は思っています。
3D工場を作ることでもありません。
AIを購入することでもない。
重要なのは、
現場で起きている「判断の関係」を、AIが学べる状態にしておくこと。
です。
設備データだけでは足りません。
品質データだけでも足りない。
人が何を見て、何を感じ、なぜその判断をしたのか。
そのとき設備はどういう状態だったのか。
材料はどうだったのか。
環境はどうだったのか。
そして、その判断によって何が起きたのか。
これらがつながって初めて、工場は「学習できる工場」になります。
私は、EBARA-D3をそのための製造OSとして捉えています。
Pringles（プリングルス）工場が示したのは、
Digital Twin＋AIで、工程が判断を学び始める世界。
その先にあるのは、
人と設備とAIが、現場で起きた経験を共有しながら、一緒に学び続ける世界。
Digital Twinは、もう「3Dを見る技術」だけではありません。
現場の経験を記憶し、次の判断へ変える技術になり始めています。
そして、その先にフィジカル AIがあります。
では、日本の製造業は、AIに何を学ばせるのでしょうか。
私は、その答えこそが、これからの製造業の競争力を決めるのではないかと考えています。
参考記事・情報ソース
Wall Street Journal｜Inside the Long, AI-Powered Quest to Perfect Pringle-Making
今回の記事の中心ソースです。約4年間の開発、200以上の変数、400万〜500万ドル規模の投資、AIによるリアルタイム条件提案、品質約10％改善、廃棄約13％削減、2027年までのベルギー・米国への展開計画を確認できます。
URL：https://www.wsj.com/tech/ai/inside-the-long-ai-powered-quest-to-perfect-pringle-making-ab37a231
Siemens｜Pringles stacks data to unlock innovation leaps
Siemens公式の事例ページです。Digital Twin＋Industrial AIによって、新規ハードウェアを追加せずライン性能約10％向上、廃棄13％削減、エネルギー消費7％削減と説明しています。さらにSiemens自身が、この基盤を「Industrial Metaverse」の土台と位置づけています。EBARA-D3との比較にはこれが最も使いやすいです。
URL：https://www.siemens.com/en-us/company/insights/pringles-digital-transformation/
Siemens｜Pringles Digital Transformation e-book
事例をもう少し技術寄りに確認したい場合はこちらです。「Dough Digital Twin」、Siemens Xcelerator、リアルタイムデータ、AI予測をどう組み合わせたかが整理されています。
URL：https://resources.sw.siemens.com/en-US/e-book-digital-transformation-pringles-factory/
Kellanova｜5 Tech Priorities Shaping the Future of Kellanova（2024年2月15日）
今回の成果が突然出てきたものではないことを示す一次情報です。Kellanovaは2024年時点で、製造工程全体に「digital twins/replicas」を作り、Smart SensorやConnected Deviceからリアルタイムデータを取得する方針を明示していました。
URL：https://newsroom.kellanova.com/2024-02-15-5-Tech-Priorities-Shaping-the-Future-of-Kellanova%2C1
