PLCコード解析の複雑性と人力依存の限界

PLCコードはメーカーごとに言語や構造が異なり、標準化が進んでいないうえ、公開データも限られているため、コード解析は容易ではありませんでした。
さらに、通信仕様書やビジョンプロトコルなど、工程ごとのドメイン文書も併せて参照する必要があり、自動解析にも限界がありました。このような複雑さと制約により、専門のPLCエンジニアへの依存度が高まっていましたが、現場の状況からは、特定工程の技術チームに属する非専門人材にもPLCコードの理解および検証能力を備える必要性が高まっていました。

LLMベースのAIエージェントとRAGによるPLCコード解析の自動化

LLMベースのAIエージェントを適用し、自然言語でPLCコードの構造や制御ロジックを分析できる機能を実装しました。
PLCコードをより効果的に扱うため、命令定義エクスプローラやドメイン文書エクスプローラなどの専用ツールを開発し、RAG（Retrieval-Augmented Generation）方式を採用して、データの継続的な更新とインフラ効率性を両立させました。
また、入力長の制限や安定性の問題を解決するため、PLCコードをInstruction List（ニーモニックリスト）形式にパースし、解析を最適化しました。

PLCコード解析精度94％を達成

検証データセット基準で94％の解析精度を達成し、クライアント企業の社内プラットフォームへの移管にも成功しました。
これにより、社内にPLCエンジニアが不在で協力会社に依存していた業務を自社で遂行できるようになり、コスト削減と効率化を実現しました。
さらに、構築した専用PLCライブラリと体系化されたコード・命令文法により、他の工程ラインや拠点、さらには他メーカーのPLCへの展開可能性も広がりました。