パナソニック アビオニクス、AWSの生成AIを活用して航空機IFECシステムの障害診断を高速化

要点

• パナソニック アビオニクスが、航空機向け機内エンターテインメント・通信（IFEC）システムの障害診断を行う自律型AI（エージェンティックAI）システムをAWS上に構築した。

• 航空機ごとに異なる数千種類の独自構成から出力されるログやメトリクスをAIが横断的に分析し、高い診断精度を維持しながら調査時間を大幅に削減する。

• システムの構築にはAmazon BedrockやAmazon SageMaker、AWS Glueが採用され、AWS Generative AI Innovation Centerがアーキテクチャ設計を支援した。

• 障害の平均検出時間（MTTD）や平均復旧時間（MTTR）を短縮し、エンジニアが調査業務の負担から解放されて新機能開発や信頼性向上に注力できる環境を目指す。

• 米パナソニック アビオニクス（Panasonic Avionics Corporation）が、航空機向けの機内エンターテインメントおよび通信（IFEC）システムにおける障害診断を加速させるため、AWS（Amazon Web Services）上にエージェンティックAIシステムを構築したことが2026年8月21日、AWS公式の機械学習ブログで発表された。

• 同社はAWSおよびAWS Generative AI Innovation Centerのアーキテクチャ支援を受け、生成AIサービス「Amazon Bedrock」などを活用した診断基盤を開発したという。機体ごとに異なる数千種類ものシステム構成から生じる膨大なログデータを横断的に分析し、診断の精度を維持しながら原因特定にかかる時間を大幅に短縮する狙いがある。

膨大なフリートデータと個別構成による診断の複雑化

パナソニック アビオニクスは、世界中の数百に及ぶ航空会社に対してIFEC（In-Flight Entertainment and Connectivity：航空機内で乗客に映画や音楽、インターネット接続を提供するシステム）を提供しており、年間数十億人規模の乗客が同社のシステムを利用している。

同社は航空機材群（フリート）全体の稼働状況を監視するため、AWS上にデータレイクおよびデータシステムを構築し、日々収集される大容量の運用データを処理・整理してきた。しかし、堅牢なデータ基盤が存在する一方で、収集された膨大な生データを迅速かつ実用的な診断情報へと変換することには、運用規模の大きさゆえの課題が存在していたという。

同社のIFECサービスは、各航空会社や機体の運用要件に合わせて個別に最適化された構成で展開されている。その結果、機体ごとに数千通りもの独自の構成が存在し、それぞれ異なるログパターンを出力するため、フリート全体を網羅してシステムのパフォーマンスを評価する作業が極めて複雑になっていた。

手作業によるログ相関分析と従来のトラブルシューティングの課題

これまで同社のエンジニアチームは、システムの異常が発生した際、ログや稼働メトリクス、障害チケットといった複数のデータソースを手作業で突き合わせ、相関関係を調査していた。

この手法は診断の厳密さを保てる反面、1回の調査に数時間を要するなど分析サイクル全体が長期化する要因となっていた。また、障害調査にはシステムに対する深い習熟度が必要であり、特定のエンジニアにノウハウが依存しやすいという側面もあった。

元記事では、従来の運用プロセスが抱えていた主な課題として以下の点が挙げられている。

• 手動分析の負荷増大：多様なシステム構成にまたがる相関分析に詳細な手作業が必要となり、調査期間が長期化していた。
• 検知までの時間（MTTD）の遅れ：障害の検知がチケットの発行や手作業の目視確認に依存していたため、新たな異常パターンの早期発見に影響を与えていた（MTTD：Mean Time to Detect、障害発生から検知までの平均時間）。
• 復旧までの時間（MTTR）の長期化：是正措置を開始する前の原因調査に多大な時間を要し、エンドツーエンドの解決プロセス全体が長引いていた（MTTR：Mean Time to Resolve、障害検知から復旧までの平均時間）。
• 自動化の必要性：反復的な調査やログの確認作業が多く、特に運用のピーク時において知能型自動化を導入する余地が大きかった。
• 組織知の共有とスケール：高度な分析ノウハウが熟練技術者に属人化していたため、AIを活用して組織全体の知識として展開する必要があった。
• リソース配分の圧迫：エンジニアが定期的なトラブル診断に時間を取られ、新機能の開発や長期的な信頼性向上といったイノベーション活動に充てる工数が減少していた。

AWSの生成AI基盤を活用した自律型診断へのアプローチ

これらの課題を解決するため、パナソニック アビオニクスはAWSおよび同社の専門組織であるAWS Generative AI Innovation Centerと連携し、エージェンティックAIを活用した社内診断ワークフローの構築に取り組んだ。

このシステムでは、基盤モデルをAPI経由で利用できるフルマネージド型生成AIサービス「Amazon Bedrock」をはじめ、機械学習プラットフォーム「Amazon SageMaker」、サーバーレスデータ統合サービスの「AWS Glue」などが組み合わされている。AIが複数のデータソースを自律的に横断・相関分析することで、高い診断精度を担保しながら、調査時間を大幅に短縮する仕組みを実現した。

同社は、問題が起きてから対処する従来の事後対応型から、フリート全体のパターン認識とプロアクティブ（予防的）な健全性監視へと運用を進化させることを目指している。

診断の厳密さを損なわずにMTTDおよびMTTRを改善することで、エンジニアは調査に伴う工数負担から解放され、システムの設計や最適化、信頼性の強化といった戦略的業務に専念できるようになるとしている。