字幕（全文）
Sam: ポッドキャスト『Semi Insightful』へようこそ。ホストのSamantha Duchschererです。今日はYoram Barak氏をお迎えしています。Yoram、ようこそ。
Yoram: お招きいただきありがとうございます。
Sam: ありがとう、Yoram。あなたの経歴を調べてみると、動物科学、人間栄養学、そしてバイオテクノロジーを原動力としたイノベーションなど、多岐にわたっているようですね。では、一体どうやって半導体業界――特にアラーム疲労や保守管理の問題解決という分野――に足を踏み入れることになったのですか？
Yoram: Sam、素晴らしい質問ですね。その通り、私は動物科学の博士号を取得しており、環境微生物学を専門としていました。その後、バイオテクノロジーの中でもより専門的な分野、つまり酵素の設計へと転向しました。その分野で、環境面と医療面の双方についてポスドク研究を行い、そこから、医療やバイオ産業などの産業用途向けに、タンパク質、特に酵素を設計するためのハイスループットスクリーニングを行う企業に移りました。その分野で、研究開発（R&D）システムにおける自動化能力の課題に気づきました。この課題への関心は次第に高まり、最終的には（多くの場合）R&Dシステムにおける自動化ソリューションの強化策を主導する役割を担うようになりました。これが、私がバイオテクノロジー業界をはじめ、製薬業界や化学業界で従事していた際の主な仕事内容でした。
そしてある時、インダストリー4.0のようなプロジェクトを通じたイノベーションという観点から、アプライド社が私が在籍していたBASFに連絡を取り、そこにビジネスチャンスがあるかどうかを打診してきた際、私は「これは素晴らしいソリューション領域だ」と答えました。アプライド社には優れたポートフォリオがあります。当時は、半導体業界がなぜ化学業界やバイオテクノロジー業界と提携するのか、正直よく理解できませんでした。しかし、APG Pharmaチームやそのロードマップ、事業展開を通じて、彼らがより多くのセグメントや業界への進出を目指していることを知り、その方針に共感しました。そして、そのチームに加わる機会が訪れたとき、私は「よし、やってみよう」と決意したのです。
私はソフトウェアのバックグラウンドはなく、開発やマーケティングの経験もありませんが、次第にその魅力に惹かれるようになりました。アラーム管理と保守管理は、アプライドのCIMスタックにおいて中核をなす要素です。これらは、いわば不可欠な「潤滑油」のような存在であり、ミッションクリティカルな運用においてCIMスタックに必須の最優先事項というわけではないかもしれませんが、これらの運用をより効率的に機能させるための重要な要素なのです。
また、私は「Asset Trace」（耐久品および消耗品のトレーサビリティエンジン）および「SmartFactory Monitor」（CIM運用全体を通じて、自社アプリケーションやサードパーティ製アプリケーション・システムのハードウェア動作状態を適切に維持・監視するためのツール）のGPMも務めています。
Sam: うわー、それは素晴らしいですね。実に実に多彩な経歴ですね。すごく気に入りました。では、あなたの経験に基づいて、もう一つ質問させてください。ここ数年、特に「よりスマートなアラーム管理」や「迅速な問題解決」がこれほど重要視されるようになった背景に、何か変化を感じていますか？ 先ほど、それが私たちのCIMスタックの「根幹」だとおっしゃっていましたよね？ ここ数年で何か変化があったかどうか、もう少し詳しくお聞かせいただけますか。
Yoram: ここ数年で、明らかな変化が見られます。以前は、アプライドの自動化スタックは統合に重点を置いていましたが、それは今でも主な焦点であり、この業界の主要プレイヤーとしてアプライドが提供するサービスの大部分を占めています。近年、より大きな影響力を持ち始めたのは、その上に重ねて導入することで業務を加速させることができるAI機能です。そして、その意味で歩留まりを向上させ、生産性を段階的に高めるだけでなく、これまで以上に飛躍的にプロセスを加速させるための新たな可能性の領域が生まれているのです。
また、アラーム管理についてですが、アラーム管理による迅速な解決という論点は、実際には、FDやSPC、あるいはRun-to-Runシステムなどでアラームが発生してから、いかに迅速に「ホールド」や「停止」といった指示を出せるか、 このアラームの重大度を特定し、最終的にKnowledge Advisorのようなツールに引き継いで、OCAPの手順を迅速に実行し、解決策、つまりこのアラームに対して何を行うべきか、を導き出し、ループを完全に閉じてシステムを再稼働させる、いわゆる「より迅速なgreen-to-green」を実現することです。つまり、システムがダウンした際、将来的には実質的にほぼ自律的に、どれほど迅速にシステムを復旧させることができるか、ということです。これこそが、ここ数年で変化した点です。AIとアプライドのシステムスタックを通じて、これをほぼ実現可能にしたのです。
Sam: 先ほど挙げた例を踏まえて、アラームの封じ込めとアラームの解決の違いについて、もう少し詳しく説明していただけますか？「Run-to-Run」や「FD」の場合、アラームの封じ込めを行うのが適切で、アラームの解決については「Knowledge Advisor」に移行する、といった話を少し触れていらっしゃったと思います。そこで、この2つの違いや、運用上この区別が実際にどのような意味を持つのか、説明していただけますか？
Yoram: その通りです。アラームの深刻度が「重大」と判定され、ロットの処理を一時停止したり、プロセスのどこかを停止させたりする必要がある場合、それはすでにアラーム管理機能で対応可能です。問題は、その「次」です。もし解決を迅速に進めなければ、エンジニアたちは依然として「次に何をすべきか」と頭を悩ませることになります。そこで「Knowledge Advisor」の出番となり、非常に迅速に処理を行ってくれます。以前は1シフトで数時間かかっていた作業が、今では数分で完了します。そして将来、先ほど指摘されたように、Knowledge AdvisorへのAI機能の導入に成功すれば、それが自律的に処理を行うようになります。つまり、完全自動化された製造システムから、現在の半自動や手動操作の工場に至るまで、「自律運転型ファブ」というコンセプトを想像してみてください。将来的には、このAIレイヤーを導入するだけで、あらゆる工場の業務プロセスを加速させることが可能になるのです。
Sam: アラームシステムと保守システムが効果的に連携しているかどうかを判断できる、具体的なKPIはありますか？
Yoram: そうですね、運用において重要なのは……えっと、すべてが順調に動いているときは、何が起きているかにはあまり注意を払わないものです。それは、いわば自律走行や自律システムのようなものです。重要なのは、予定外かつ計画外のダウンタイムが発生した際、いかに迅速にシステムを復旧させ、稼働させられるかという点です。そして、ここでアラームとプロセス品質管理スタック、下流の生産性スタック、MES、さらには保守システムとの連携が極めて重要になります。考えてみてください。これは、1,000台以上のツールに対応し、高速で動作する作業指示書または作業依頼管理システムです。非常に高い可用性と高精度を備えたシステムであり、アプライドのようなCIMスタック内で機能します。これは非常に大量生産型の製造システムです。すべてのシステムが、99.9％の確率で、時間通りに全面的に機能しなければなりません。もしそれがなければ、利益を逃すことになります。なぜなら、こうした高可用性・大量生産の製造システムでは、月間または四半期ごとに目標とする数百万個のチップを生産できなければ、投入した資本コストと運用コストが莫大であるため、損失を被ることになるからです。このシステムは99％の稼働率を維持しなければならず、その点においてアプライドのシステムが重要な役割を果たしています。
Sam: では、これらのシステムを導入し、完全に成熟した状態になった際の理想的な姿について、具体的なビジョンを示していただきました。しかし、顧客が、特にこれらのプロセスフローにAIを導入するといった実装に着手する際、どこから始めるべきだとお考えですか？アラームや保守管理の観点から、AIはどこに最も大きな価値をもたらすのでしょうか？
Yoram: 特にアラームに関しては、AIが役立つと考えられる領域がいくつかあります。例えば、新人エンジニアが何が重要で何が重要でないかを判断できるようになるための研修の段階を考えてみてください。アラームデータやドキュメント、そしてBKM（既知のベストプラクティス）を参照しながら分類作業を行うことで（それがまだ自動的に行われていない場合）、いわゆる「アラーム疲労」を最小限に抑えることができます。ご存知の通り、一部の新しいシステムでは、1台の装置あたり1,500個以上のセンサーが搭載されていることがよく知られていますが、これは驚くべきことです。ウェハー製造の過程では、それぞれのセンサーに固有のドリフトや課題が存在します。誤警報の判別や、リアルタイムでのアラームの深刻度の特定は困難を伴うため、再分類を行い、こうしたドリフトを適宜補正することで、アラーム疲労を最小限に抑える必要があります。
指摘されているように、誤って設定されたアラームの重大度の検出は、AIにとって（特に処理量が多い場合）非常に有用な機能であり、また、認識されていないアラームパターンを特定して、システムの成熟や経時的な変化に伴い実装すべき新しいアラームコードやルールを提案する上でも役立ちます。多少の変動や変更管理はつきものですが、新しいアラームルールや変更案を提案できる能力は、AIシステムにとって大きなチャンスとなります。
とはいえ、これは課題でもあります。技術の進歩に伴い、AIシステムにはいくつかの限界があることも承知しています。製造現場内の他のシステムに過度な干渉を与えないよう、またセキュリティ面だけでなく、AIが「幻覚」のような挙動を示さないよう、適切なガードレールを設ける必要があります。
Sam、データ破損という概念については、おそらくよくご存知ですよね？ChatGPTやその他のシステム――例えばGeminiなど――で単純な質問を何度も繰り返し投げかけると、毎回異なる回答が返ってくるものです。ですから、回答が堅牢で一貫性があり、再現性があり、信頼できるレベルまで精度を高めるにはどうすればよいか、というのが、今日のAIシステムにとって大きな課題となっています。そこで私は、そして業界全体もそう感じていると思いますが、昨今の多くのシステムにおいて、依然として「ヒューマン・イン・ザ・ループ」が必要だと感じています。とはいえ、技術の進化は極めて速いため、自律運転型のファブが、私たちが想像するよりも早く登場する可能性もあります。
Sam: そうですね。先ほど、特に「ガードレール」について、さまざまな点に触れていましたね。人間がプロセスに関与する必要があるという点や、データ破損に関する決定論的な懸念については、私も同感です。お客様には、本番環境への移行に先立ち、これらのガードレールをすべて整備しておくようアドバイスすべきでしょうか？
Yoram: どのような安全対策がすべてあるのかを把握するのは難しいですよね？でも、ある程度の確信は持っておく必要があります。これは、最近ヨーロッパで開催されたカンファレンスでも伝えられたメッセージでもあります。障害検出から発生するアラームに関する興味深いユースケースがあり、それ自体が自然なアラーム管理システムとなっていました。発表者は、以前行ったプレゼンテーションの続きとしてこの内容を話していました。過去3年間、OpenAIがChatGPT（どのバージョンだったかはさておき）をリリースした当初、彼らはそれを活用し始める機会を得ましたが、初期段階ではそれほど優れたものではありませんでした。正答率は50～70％程度で、トレーニングには多大な人的関与が必要でした。彼らはその結果に満足できなかったため、ChatGPTは研究開発環境の外には出ることさえありませんでした。
しかし昨年、技術の進化に伴い、小型モデルの登場や制御精度の大幅な向上、さらにはAIによる、いわば自律的な補正機能などが加わり、より段階的な改善が見られました。その結果、今年は「応答の正確性が95～100％を達成した」と断言できるレベルにまで至りました。これは主にアラームの深刻度分類に関するものでしたが、将来のアラームを予測する「予測モデル」の構築にもつながり、来年には小規模なPOC（概念実証）として本番環境への導入が可能だと彼らは判断しています。これは私たちにとっても、業界全体にとっても非常に心強いことです。大手メーカーがこれを本番環境に導入することに前向きであるということは、この技術が正しい方向に進んでいる証です。
Sam: では、あなたが関わったこうした初期の成功事例は、AIを活用した警報システムがチームメンバーを監視するためではなく、支援するためにあるということをチームに納得させる一助になったと思いますか？あるいは、警報システムやメンテナンスシステムを通じてこのAIの取り組みをどのように始めればよいかを考える際、他に思い当たる初期の成功事例はありますか？
Yoram: 結果は実績が物語る、そうだろう、Sam？ もし顧客が「はい、うまくいっています。信頼できます（たとえアプライドのシステムを使っていないとしても）」と言ってくれるなら、それは専門家コミュニティが、これらのシステムが機能するという信頼を経営陣に伝え、現在、アプライド独自のIPを用いて展開を進めているということです。彼らがより広範な範囲でそれを実現できるようにするために、私たちが社内で開発しているのは、単にアラーム管理や保守管理、あるいは資産追跡といった、私たちが知っているような機能だけではありません。ファブで機能する完全に統合されたシステムであり、それこそが顧客が私たちに求めているものです。すなわち、セキュアなシステム、高可用性、そして付加価値を備えた大量生産型製造です。そして当然のことながら、ご存知の通り、それは費用対効果が高いものでなければなりません。顧客は、例えば歩留まりや生産性の向上といった目的のために、手持ちの資金をすべて「トークン」に費やしたくはないのです。
Sam: うん、納得できますね。
Yoram: つまり、すべてがうまく機能して、整っていなければならないわけです。そして、最初に私が指摘したように、従業員の能力向上も進めなければなりません。人、テクノロジー、システム、そしてもちろんビジネスそのものが機能する必要があります。これら3つが並行して機能してこそ、広く導入されるようになるのです。
Sam: うん、その通りですね。さて、Yoram、時間の都合上、このポッドキャストは「ライトニングラウンド」の質問で締めくくりたいと思います。話題をガラリと変えて、もっと楽しく、できれば笑えるような、短い答えでいきますよ。準備はいいですか？ これまでに答えてくれた人はみんなうまくこなしているから、アラームを鳴らす必要はありませんよ。
Yoram: なるほど、素晴らしい。じゃあ、始めましょう。
Sam: では、最初の質問です。「アラーム管理がスーパーヒーローだとしたら、その真の超能力は何であるべきでしょうか？」
Yoram: おっ、いい質問ですね。それは「声の力」でしょう？ 製造現場のどこにいても、何に注意を向けていても、すべての人に届き、重要な事柄について警告を発することができる必要があります。
Sam: ああ、いい答えですね。すごく気に入ったよ。つまり、すごく大きな声で叫べるだけでなく、誰もが聞き取れるほど明瞭でなければならないってことですね。
Yoram: その通りです。
Sam: うん。そんなスーパーヒーローって、どんな姿をしているんだろう。さて、次の質問だ。アラームがチーム間で「熱いジャガイモ」のように投げ渡されるのを、実際に目にしたことはありますか？ 君も、そして聴いている視聴者の皆さんも、この例えがわかるといいですけど。
Yoram: まったくその通りですね。指摘された通り、完全には自動化されていないシステムの運用では、よく考えてみると、アラームによって処理が一時停止されたり、アラーム管理によって処理が一時停止・中止されたりした際、次に何をすべきか頭を悩ませることになります。そして、それが「誰が何をやるのか」という責任の押し付け合いのような状況になりがちなんです。たとえプロセスが確立されていても、それを改善し、さらに自動化できる余地があります。まさにそこが、私たちの出番なのです。
Sam: おお、いいですね。さて、最後のライトニングラウンドは少し趣が異なります。実は、あなたの動物科学のバックグラウンドに基づいた質問なんです。もしかしたら理解できない人もいるかもしれませんが、どうなるか見てみましょうか？もし半導体のアラーム管理が腸内細菌叢のようなものだとしたら、アラームのホメオスタシスをどのように定義しますか？
Yoram: それはとても良い質問ですね。腸内細菌叢がバランスを保ち、健康や利益のために本来の役割を果たすためには、すべてが調和していなければなりませんよね？そして、腸内細菌叢の管理は最も難しいことの一つです。近年、このテーマに関する多くの論文が発表されています。アラーム管理を、腸内微生物叢、つまり腸内に生息する「善玉」「悪玉」「厄介な」微生物を、基準に基づいて選別する「指揮者」のようなものと考えてみてください。これは、製造現場におけるアラームの分類で私たちが議論している「深刻度」と非常に似ています。
そして、ある種のルールセットがあって、「ねえ、今これは良くない状況ですよ。それを是正するにはA、B、Cをする必要がある」と教えてくれるんです。そして、本質的に、アラーム管理が果たす役割はまさにそれです。アラーム管理自体は問題を認識するわけではありませんが、状況を分類し、何が起きているかを全員に通知してくれます。これは、マイクロバイオームと脳、あるいは神経微生物学的な側面をつなぐもので、問題があること、何か対策を講じる必要があることを知らせてくれ、脳がそれに応じて「A、B、Cを実行せよ」と指示を出すのです。
Sam: ええ、そうですね。その質問をしてよかったと思います。直前に台本に書き加えた時は確信が持てませんでしたが、実際に素晴らしい回答でした。あなたの経歴とアラーム管理が、見事に結びついていますね。本当に素晴らしいです。
さて、Yoram、この洞察に満ちた対談をありがとうございました。私自身も多くのことを学びました。リスナーの皆さん、このポッドキャストを楽しんでいただけたなら、ぜひこのシリーズをフォローしてください。
では、Yoram、ありがとうございました。
Yoram: ありがとう、Sam。出演できて光栄でした。
