ユースケース:製造におけるAIとIoTの活用

インダストリー4.0の進化とリーンマニュファクチャリングへの注力により、現代のスマートファクトリーは、完全に接続された、柔軟で透明性が高く、可能であれば最大限に自動化されるシステムへの移行が期待されています。従来の産業機械と産業の領域 企業が知識と洞察の統合、レガシーデバイスの改造、新しいIoTインフラストラクチャへの統合に絶えず苦労しているため、自動化システムはますます時代遅れになりつつあります。ここで、IoT とその後継である AIoT が製造の世界に参入します。それでは、製造業における AI と IoT のユースケースをいくつか見てみましょう。

現在、あらゆる資産からリアルタイムでデータを収集し、即座に分析し、外出先で最適化することが工業製造では当たり前になっています。市場と需要が急速に変化している中で、スピードは極めて重要です。そのため、さまざまな資産から収集されたデータの高可用性と、関連する企業機能全体にわたる迅速な意思決定とグローバルな透明性を組み合わせる必要があります。

しかし実際には、すべての企業が飛躍したわけではありません。一部のメーカーは、監視体制を整えたり、ビッグデータ分析をうまく活用したりすることにしか成功していません。包括的なアプローチに成功している企業はほとんどありません。しかし、メーカーが必要としているのは、自社の IoT とデータ分析システムの信頼できる唯一の情報源です。その答えは、主要な意思決定者が容易にアクセスできる、エッジからクラウドまで拡張された IoT と AI プラットフォームかもしれません。

IoT と AI のプラットフォームによる導入コストと複雑さの軽減

製造企業は、IoT と AI を統合して複数のユースケースを実現する全社的なアプローチの恩恵を受けることができます。ここでの課題は、概念実証から大規模な導入段階に迅速に移行することです。そして、これはほとんどの企業が失敗する点です。製造業界では、IoT のユースケースをパイロット段階から移行することは決して容易ではないからです。

この段階では、デジタルプラットフォームの統合と展開が役立ちます。プラットフォームがあれば、IoT イニシアティブを成功に導く 3 つの要素をすべて網羅できます。

• 予想される費用の現実的な評価、
• 関係する複雑さの現実的な推定
• そして徹底的なリスク評価。

ケースの複雑さ、関係する人員やコスト、予想されるリスクを認識しなければ、IoT プロジェクトは中止されてしまいます。あるいは、PoC に時間がかかりすぎて、最終的にはリーン生産の取り組みが遅くなってしまうこともあります。したがって、IoT イニシアチブの第一歩は、製造現場の課題を克服するための適切な基盤を確立することです。

実装と導入における典型的な課題のいくつかを克服する

繰り返しになりますが、包括的なIoTおよびAIプラットフォームは、最も一般的な導入上の課題を克服するのに役立ちます。このような (SaaS) プラットフォームの利点は、リスクが低く、スケーラブルで柔軟性が高い傾向にあることです。これにより、テストを迅速に行え、試行錯誤のシナリオに十分な余裕を持たせることができます。同時に、IoT データの収集、デバイスの監視と制御、視覚化、分析、更新が可能な IoT 分析サイクル全体をカバーする、工業製造向けにカスタマイズされた AI と IoT のユースケースを複雑に組み合わせて構築できます。

適切な基盤を確立することは、あらゆる IoT イニシアチブの第一歩です。

このような全面的なアプローチの1つが、すべてのデータソースを信頼できる唯一の情報源に接続することで、スマートファクトリーへの移行を可能にします。これにより、製造現場のデータ全体像に一目でアクセスできます。つまり、透明性が高まり、最終的には品質が向上します。

ただし、柔軟でスケーラブルなインフラストラクチャ上で IoT ケースを構築することは、全体像の一部にすぎません。まず、課題を見てみましょう。

課題1: 導入サイクルが遅く、コストの見積もりが難しい

パイロットが進歩にあまり貢献せずに何年もかかることがあるのはニュースではありません。コストの管理が難しくなることがあります。しかし、イノベーションのスピードが不十分だと、最終的にはビジネスに悪影響を及ぼす可能性があります。AI と IoT のケースを導入する準備が整う頃には、製造プロセスやテクノロジーは時代遅れになっている可能性があります。ビジネスの優先順位が変わっている可能性があります。迅速に行動し、コストを確実に見積もれるような方法でテストすることが不可欠です。変化への対応が遅い企業もあります。そして、そうなると、確立された（つまり、すでに時代遅れの）ソリューションが優先されすぎて、流動的なビジネス状況に適応する緊急の必要性をある程度理解できなくなります。

ほとんどの場合、製造業者はすべてを一度に達成しようとするという問題に直面しています。これにより、IoT の取り組みが不必要に複雑になり、進捗が遅くなります。

これが、製造企業の半数以上がパイロット段階をほとんど通過できない理由であり、多くの場合、パイロットまたは単純なAIとIoTのユースケースには1年以上かかります。それ以外にも、IoT の予算は、製造現場での問題の解決、異種システムの連携、技術的な詳細の調整に費やされることがよくあります。そして、これらはすべて、エンドツーエンドの IoT および AI プラットフォームによって処理できます。

課題2: 非常に異種で複雑なシステム

製造システムの複雑さと、さまざまなタイプのデータソースに対処するための戦略の欠如が、IoT の導入に関してさらにボトルネックになります。通常、こうした時代遅れのテクノロジーを既存の IT 環境に合わせることに絶えず苦労している、多種多様なシステムやデバイス、レガシー機器、運用技術チームが対応することになります。

実装されたソリューションの多くは孤立したままであり、エッジとクラウドを結びつけることはできず、多額の投資なしに既存のインフラストラクチャを拡張する明確な可能性もありません。

これが今の問題だとしたら、将来的にはスマートマニュファクチャリングは不可能になるでしょう。産業メーカーあたりの IoT エンドポイントの推定数は指数関数的に増加し続けているため、IoT アナリティクスをシームレスに組み込む包括的なビッグデータ戦略が不可欠です。現時点では、企業はこうした大量のデータを処理し、それを意思決定者がすぐに利用できる知識に変換するための、包括的で統一された基盤を必要としています。

課題3: 明確な目標設定がない

想像するのは不可能に思えるかもしれませんが、多くの企業は明確な目標を念頭に置かずにIoTへの取り組みに乗り出しています。明確なビジョンがなく、スマートマニュファクチャリングの成功が特定の企業にとって何を意味するのかを明確に理解していないと、導入の初期段階ですでに成果が損なわれていることがあります。トレンドを追いかけて「工場をスマートにする」などの目標を曖昧に述べるのではなく、予想されるROIを最初から定義する必要があります。

ビジネスユースケースと必要な技術的改善を一緒に概説することで、目標は測定可能になり、意思決定者の目から信頼を得られます。

肝心なのは、導入を成功させるには、プロジェクトのビジョンを明確に理解し、明確な指標、進捗状況の追跡、物事が期待どおりに進まなかった場合に迅速に方向転換するためのメカニズムが必要だということです。IoT プラットフォームは、そのために必要な透明性を提供します。つまり、複雑さをすべて把握して、測定可能な成果を高精度で導き出すことです。

IoT と AI のプラットフォーム

産業メーカーは、規模に合わせて構築され、スマートマニュファクチャリングの取り組みをサポートするために必要なインフラストラクチャを備えた IoT と AI を組み合わせたプラットフォームの恩恵を受けることができます。導入が成功するかどうかは、製造現場にあるレガシーデバイス、マシン、機器に接続できること、明確に構造化されたデータ管理パイプラインを使用できること、既存のケースに基づいてさまざまなサードパーティアプリケーションを統合できるオープンエンドな方法で作業できるかどうかにかかっています。

さらに、デバイスの規模が大きくなるにつれて、デバイスのロールアウトを簡単に管理できる必要があります。IoT アプリケーションエコシステムを 1 か所で調整する必要があります。さらに、分析をオンザフライで実行できるインフラストラクチャも必要です。これらすべての機能を 1 か所にまとめた AIoT プラットフォームがあれば、プロジェクトがどれほど速く進行するかを観察できます。PoC からデプロイメントへの移行は数か月以内に完了します。

では、IoT と AI の統合プラットフォームによってどのようなメリットが得られるのでしょうか。

ハードウェアに依存しない環境を実現

あなたは得ます 能力 あらゆるデバイスや産業用システムに接続、任意のプロトコルを使用します。

透明なデータ管理戦略を構築

1 つの会場内から、 大量の IoT データの収集、クレンジング、保存を監督し、構造化する 製造現場から来ています。

長期的なデータ戦略への移行に合わせて、高度な分析を統合しましょう

プラットフォームをデータ分析タスクの一元的な場として利用する個別のKPIやビジュアライゼーションをダッシュボードで監視できるだけでなく、さまざまなソースからのデータを組み合わせたり、予期しない関係を明らかにしたり、企業全体で共同作業したりすることもできます。データクレンジング、統計および分析クエリ、機械学習モデルの構築とデプロイに至るまで、すべてのプロセスを全体的に把握し、ROI を迅速に推定できます。

デバイスと産業用 IoT アプリケーション管理を統合

きみの デバイスライフサイクル管理全体がプラットフォーム上で行われます。まず、資産を接続し、無線でリモート構成と更新を行い、検査、監視、制御を記録します。また、デバイスまたはデバイスグループ上のアプリを管理したり、アプリや機械学習モデルを無線でエッジデバイスにデプロイしたり、アプリのパフォーマンスを常に監視したりします。

1 つの施設から複雑な環境に対応

AIoTプラットフォームは、エッジからクラウドまでのスマートマニュファクチャリングの展開に必要なインフラストラクチャを提供します。ここで、製造業界の IoT ユースケースを構築し、拡張できます。バリューチェーン全体にわたるすべてのデータタスクを統合し、主要なテクノロジーを統合することで、加速が当たり前になります。このような強固な基盤の 1 つが、さまざまな IoT ユースケースの出発点になり得ます。これらを既存の製造ソリューションの上に構築すれば、製造現場のさらに複雑な問題を解決できます。

ノウハウを統合

AIoTプラットフォームにより、次のことが可能になります。 IT 部門からエッジに至るまで、データタスクを共同で担当。今では、IoT バリューチェーンのさまざまな専門家が同じダッシュボード、ツール、KPI にアクセスできるようになりました。各リモートスペシャリストは、他のスペシャリストとシームレスに連携でき、自分の優先事項を把握できます。

完全に機能するスマート・マニュファクチャリング・イニシアチブへの道

適切な基盤があれば、工業メーカーは必要な透明性を獲得し、規模を拡大する準備が整います。1 つのプラットフォームのみを使用する場合には、小規模な PoC から始めて、イニシアチブが正しい方向に向かっていることを確認します。その後、パイロット段階に移行して、提案したソリューションがエッジからクラウドまで確実に反映されるようにします。すべてが順調に進んだら、スケーリングを開始します。最終的には、IoT 製造のユースケースを世界中のさまざまなサイトに拡大し、初期プロジェクトを継続的に更新およびアップグレードして ROI を最大化することができます。

で 適切な AIoT プラットフォームの選択、工業企業は IoT 製造ユースケースの強固な基盤を構築できます。これにより、複雑さを軽減し、導入コストを最小限に抑えることができます。さらに、エンジニアリングチームと IT チームを結集して、部門間のシームレスなコラボレーションを実現できます。また、ビルトインのインフラストラクチャーだけでなく、すべてがどのように連携しているかを確認できることも重要です。

• 明確な目標を掲げて個々の部門間の透明性を高め、信頼を得て経営幹部の支持を得る。

• IoT エンジニアリングチームとデータサイエンスチーム間のコンセンサスをより迅速に達成できます。

• 全員にとって目に見える目標に合意し、共同で進捗状況を追跡する。

• 異なるチームにとって意味のある明確な KPI を定義し、必要に応じてアップグレードします。

• 必要が生じたときにいつでも変更に対応できるように柔軟性を保ってください。

• IT、クラウド、エッジシステムを統合して、あらゆる面からいつでもデータにアクセスできます。

スマートマニュファクチャリングにおけるAIoTの応用分野

オープンなIIoTプラットフォームは、エッジからクラウドまですべてをカバーすることで垂直的に機能するだけでなく、次のことを可能にすることで機能します。 従来のエンタープライズシステムと新しいテクノロジーを統合。

さらに、オープンなIIoTプラットフォームにより、導入環境に基づいて構築することができます。デプロイメント・シナリオを再考するだけでなく、プラットフォーム・インフラストラクチャーを使用して新しい IoT 製品を構築し、新しいビジネスモデルを構築し、新しい収益源を生み出すことさえできます。

つまり、資産を単一の AIoT プラットフォームに統合して相互リンクすることで強固な基盤を構築できたら、既存の IoT イニシアチブの拡大を始めることができます。

高度な分析機能を備えたエンドツーエンドのIIoTプラットフォームの一般的なアプリケーションシナリオと製造ユースケースは次のとおりです。

コンディションモニタリング

デバイスをプラットフォームに接続すると、データは1か所に送られます。それが唯一の信頼できる情報源です。温度や湿度などのパラメータを (製造現場全体でも) 追跡できるようになり、また、事前に定義された KPI を監視して、運用条件を取り巻く複雑さをすべて把握できるようになりました。また、特定のパラメータを超えたり、資産のパフォーマンスが設定したパラメータを下回ったりした場合に、自動アラートを設定できます。

これは予知保全への第一歩です。これにより、障害を早期に検出して対策を講じ、ダウンタイムを最小限に抑えることができます。AIoT プラットフォームは、IoT と確実な分析を組み合わせることで、ローカルと製造現場の両方で、資産パフォーマンスの透明性を高めるのに役立ちます。

資産パフォーマンス管理

資産がどのように KPI を満たしているかを継続的に更新することで、パフォーマンスを向上させることができます。さらに、既存の KPI にまだ意味があるかどうかを確認できます。AIoT プラットフォーム上に直接構築されたパフォーマンス管理アプリでは、逸脱が発生するたびに自動アラートを受け取り、異常な行動に迅速に対応できます。さらに、マシンからのリアルタイムのデータとフィードバックにより、KPI の改善が可能になります。これにより、マシンのパフォーマンスを最大限に引き出すことができます。

結局のところ、これは資産をより効果的に使用し、生産時間を短縮することにつながります。

予知保全

これはすでに、高度な分析を伴うAIとIoTのより複雑な製造ユースケースを活用しています。マシンデータを活用して、資産の状態を調べたり、サービスニーズを特定したりできるアプリを構築できます。予知保全技術により、必要な場所でのみ点検や修理を行うことができます。そのため、計画的なダウンタイムや予定外のメンテナンス費用が不要になります。緊急事態を最小限に抑え、より的確にリソースを計画できるようになります。しかし、さらに重要なのは、資産が稼働する最適な条件を作り出すことで、運用効率を最大限に高め、機械のライフサイクルを延長できることです。

一方、予知保全とは、単に保守コストを削減または排除し、予定外のダウンタイムを乗り切ることだけではありません。また、他の改善の余地を作り、さらに調査して、生産上の問題の根底にたどり着くこともできます。

エネルギー消費量の追跡と管理

接続資産に最もエネルギー効率の高いオプションを使用することにより、エネルギー消費量を最小限に抑えることができます。改善の余地を見極め、時間の経過に伴うエネルギー消費量を監視します。このようにしてパターンを特定し、異常なエネルギー漏れを減らすことができます。さらに、エネルギーピークを追跡し、エネルギー廃棄物を削減する方法を調べ、各産業資産が全体的なエネルギー消費にどのように寄与しているかをより深く理解できます。

製造工場全体で、このアクションだけでスマートマニュファクチャリングの取り組みがより環境に配慮したものになります。工業企業が地球に与える負担の軽減に向けた取り組みが始まります。

在庫管理とサプライチェーン管理

さまざまなユースケースに適した分析機能を備えた統合されたAIとIoTプラットフォームは、さまざまな製造現場の在庫管理に役立ちます。既存の JIT インベントリソリューションとリソース予測を改善できます。さらに、動的なサプライチェーンを導入することで、サプライヤーのアウトプットの透明性を高め、品質管理を強化できます。

新しいビジネスモデルと予想外の収益源

IoT (モノのインターネット) は、資産のパフォーマンスをより透明化し、リアルタイムで把握できるようになったことで、顧客のニーズを満たす新しい方法を発見することを可能にします。これが新しい収益源を開拓する方法です。しかし、AIoT プラットフォームが目指すものの限界を押し広げることもできます。1つの可能性は、独自のビジネスモデルや製品を開発するための出発点としてプラットフォームを活用することです。