eを現わしつつある盜颪DX:2IoMとIndustry 4.0 (3) ROI向屬
i川耕司(hu━)の寄Mによる連載「eを現しつつある盜颪DX」シリーズ2陲3vでは、IoM(Internet of Manufacturing)に関するカンファレンスから、]業においてIoTシステムを使った攵掚の向、総合設効率の向屬覆匹鮠匆陲垢襦エッジコンピューティングが中心だが、リモートアクセスできるクラウドW(w┌ng)も進みそうだ。(セミコンポータル集室)
著v:AEC/APC Symposium Japan i川耕司
iv、IT\術を?q┗)し、スマート化を図る推進vの華やかさをL(f┘ng)くものの、}い考え(sh┫)からの点を紹介した。今vは、IT\術笋点に立ち、その光景をWいてみたい。そこで見えてきたものは、新しい世代の人たちが、W翔ける様に先端IT\術を使い、JTの噞に攵掚の改をもたらそうとする光景だ新たなる噞革命の可性とそれに伴う新しいビジネスの勃興である。
2-5. AI (ML)、PM、KPI, OEE そしてエッジ-クラウドコンピューティング
しつこくて恐縮だが、筆vは、未だ半導i工の経xからくる見(sh┫)にIわれている。ほとんどのプレゼンテーションが、ネットワーク、ビッグデータ収集 ( エッジ-クラウドシステム), ML (Machine Learning:機械学{), PM (Preventive Maintenance:予保), 予Rモデル、KPI (Key Performance Indicator), OEE(Overall Equipment Effectiveness:総合設効率)改等のキーワードを使する。これらのキーワードは半導i工での言と共通している。しかしながら、このカンファレンス中、筆vは違和感を覚えけていた。
半導デバイスプロセスでは、のXを解析するために、メトロロジデータを使うことがある。j(lu┛)まかに言うと、半導チップの出来差腓、例えば、歩里泙蠅性Δ鮗Rしているのだ。予Rモデルは、のn働Xとの歩里泙蝓性Δ箸隆屬悩遒蕕譴。しかしながら、IoMの世cでは、のn働XとOEEの間のBであった。歩里泙蠅亡悗垢Bはなかったと記憶している。そのせいか、PMやKPI改に使われる、予Rモデルを作成する工が、半導i工の例より単純である。以下、この点に料Tして、Bを進めたい。
モータの監がHい
IoM Southで述べられた予保に関するケーススタディは、主に流?d─ng)プロセスのモータの監に関わるものであった。先のSchneider社のような、電気、アプライアンスのアセンブリ工のケースは少数であった。また、業関係へのt開のBもあったが、今vは割愛する。テキサスはオイル噞の中心地である。オイルプラントでHされているポンプのモニターのケースがHいのはもっともなBだ。
オイルポンプでモニターしているパラメータは、a(b┳)度、圧、振動である。ここで、筆vが見たものを、以下にまとめる;
1.のn働Xを振動、a(b┳)度、圧のようなアナログデータでモニターする。モニターするために、センサおよび予R機Δ?y┐n)△┐織皀縫拭宍々修鰤k化した、エッジシステムとも}べるハードウエアが使される。
2.エッジ-クラウドシステムをW(w┌ng)したデータ解析予Rモデル作成サービスビジネスの勃興をみる。
3. エッジ-クラウドシステムを使ったデータへのリモートアクセスというインダストリトレンドを見る。
MerlinCSI 社のCEOであるTom Voorhees (hu━)は、Sensor Beaconと}ぶ、a(b┳)度センサ、3D加]度センサ、エッジコンピュータ、内鼎気譴人襲Rモデルで構成されるハードウエアについて述べた(図2.6)。 便宜を図るため、エッジシステムと}んでおくことにする。エッジシステムの見かけは、センサと箱の組み合わせだ。ポンプに設したセンサからのアナログデータをエッジコンピューティングによりモデル化する。データをワイヤレスで、クラウドシステムに送り込み、予保の予Rを行うケースをBした。
図2.6 ケーススタディ、オイルポンプ予保 出Z:EasyPredict, Tom Voorhees, MerlinCSI, を元に筆vが作成
ポンプ等の設Xの監には、通常、振動R(加]度センサ)、a(b┳)度R(a(b┳)度センサ・X電、放o(j━)a(b┳)度等)、音R(マイク、人の聴覚)が使われる。このケースでは、3|類の振動R – すなわち、アコースティックエミッション解析、周S数解析、RMS (Root Mean Square:二乗平均の平(sh┫)根)解析を使する。Qデータより、トラブルが発擇垢覦iに予保のタイミングを予Rする。
振動解析に使われる}法はRMS、ピーク-ツー-ピーク、FFT(高]フーリエ変換)、Time-Waveform(時間-S形)等複数ある。この例で使われているのは、RMS解析だ。k定時間内の振動Sの積分値を使う。比較的、データ量が少なくて済むと言われている。これに比べ、FFTや時間-S形は、データ量が常にHくなると聞く。振動解析データは、ワイヤレスでクラウドコンピューティングの段階に送られる。R時間は30秒度、Rの頻度は、毎分、毎時とケースによりまちまちであった。
ポイントは、エッジコンピューティングの段階で予Rを行う点だ。ポンプの表Ca(b┳)度が峺をす時はすでにく、それ以iに振動解析により予Rを行う。エッジシステムそのものが、予Rモデルを内包して、からの様々のデータを基に予Rを行う。以iは、ベテランの\術vたちが、ポンプの音やら表Ca(b┳)度から経xに基づいて予Rを行なっていたはずである。
予Rモデルの作成にはクラウドコンピューティング
クラウドコンピューティングの役割は、k言で言うとビッグデータ収集システムを使った、長期間にわたるデータの蓄積(historical data)と、そこからのデータ解析による予Rモデルの作成および(g┛u)新だ。j(lu┛)量の振動データの変異点を探ることにより、@度の高い予Rモデルを作成する。機械学{を使い、]時間で人}をあまりかけずに予Rモデルを作るために工夫をしているという。
予Rモデルはk度作れば、変(g┛u)せずに済むというものではない。は擇颪覆里、そのXは刻々と変化していく。のXの変化にい、予Rモデルも変化していかなければならない。クラウドでは、蓄積データを解析することで、予Rモデルに変(g┛u)をかけることができる時間変化を含む蓄積データの出番である。変(g┛u)された予Rモデルは、エッジシステムにフィードバックされる。エッジシステムの(g┛u)新された予Rモデルが、監に使われる。
予Rモデルより予保の時期を判して、故障がこるiにメインテナンスを実行する。k旦、不Tの故障がこってしまい、が停Vしてしまうと、T理の時間、ロジスティクスの変(g┛u)等で、OEEは、j(lu┛)きく低下してしまう。予保の時期が早すぎても、OEEの低下をdく。予保のタイミングの最適化は、オイルプラントにとってj(lu┛)きな命である。
エッジとクラウドの両(sh┫)のコンピューティング
Altizon 社のSales VPであるTyson King(hu━)は、エッジ-クラウドコンピューティングを使った、モニタリングビジネスを語った。H数のプロジェクトを運営して、ROI(Return of Investment)の改に触れている。エッジシステムが情報をモニターして、ワイヤレスでクラウドシステムに情報を送り込む。クラウドコンピューティングで機械学{を使い、異常解析や予保の予Rを行い、顧客にフードバックするというコンセプトである。価格についても触れている。ネットワークへの接△できている]ラインという条Pきであるが、4週間で接を完了して基本的なKPI(Key Performance Indicator)についての解析を行い、OEE、ROIを改する。野心的なパイロットプロジェクトの提案だ。10までの接、および解析の例で、1万ドルという価格をした。現在は、103のファブに接しているという(図2.7、図2.8)。
図2.7 ケーススタディ、解析サービスビジネス 出Z:Successful IoT with Rapid Deployment, Tyson King, ALTIZON
図2.8 プロジェクト実施例、ROIと価格 出Z:Successful IoT with Rapid Deployment, Tyson King, ALTIZONを元に筆vが作成
KPIという、]屬攵掚に関わる項`(例えば、OEEやダウンタイム、突の停V時間、インベントリ情報などH数)のみをカバーしているのだが、このレベルの金Yには驚いた。他にも、同様の模でのパイロットプロジェクトの提案を聞いたが、価格については、同じレベルのものであった。
講演後、King(hu━)と立ちBをする機会があった「シンガポールに行ってきた。日本にも、関心のある会社はないか」と問してきた。
IoT Analytics社のSenior Analystである Matthew Wopata(hu━)は、IoMインダストリトレンドとして、4|類に及ぶ接形の分類を述べた(図2.9)。
図2.9 4|類の接形 出Z:5 Industrial Connectivity Trends Driving IT-OT Convergence, Matthew Wopata, IOT ANALYTICS
その後、リモートアクセスによる、クラウドコンピューティングシステムへの接の\加予Rを述べた(図2.10)。リモートアクセスでクラウドコンピューティングによる解析サービスをW(w┌ng)するケースは、現在では25%度という。しかしながら今後は、新しいファブ、新鋭の\加に伴って、リモートアクセスは\加し、2025Qには50%のアクセスがリモートになると予Rした。
図2. 10 リモート接の\加 出Z:5 Industrial Connectivity Trends Driving IT-OT Convergence, Matthew Wopata,IOT ANALYTICS
エッジからクラウドコンピューティングをリモートで処理し、ファブの敷地外で、専門の解析サービスを提供するという形がトレンドという見解である。現在は、からの情報をゲートウェイというインターフェースを介してDり出したのち、クラウドシステムに送り込んでいる。次にもしくはセンサそのものが、クラウドシステムに直接情報を送り込むようになるという予Rだ。i述のMerlinCSI社とAltizon社の例であろう。IoT\術が本格的にeを現したときに、ハードウエアがとる戦Sを野に入れている。
新しいビジネスの勃興を予感させる。ここに紹介した3@のプレゼンタは、盜颪任離戰咫璽屐璽狎ぢ紊呂襪以Tの{い人々である。30 -40歳代の人たちだ。iv述べた、プロジェクトの推進vの人たちに比べ、Q代がひとvり{い。IT\術のtを行っている会社の人も、同じ様なQ代の人が`につく。Bをしているうちに気がついたが、かなりの人が、かつてスタートアップ会社のファウンダたちか、それにZい人々である。これらのスタートアップ会社は、よりj(lu┛)きな会社によってA収されたり、@本提供をpけて統合されたりしてきている。この人々は、j(lu┛)変アグレッシブだ。筆vがぶら下げている、AEC/APC Japanの@札を見ると、立ち寄ってくる。日本の企業に興味をeっており、コンタクトを紹介してほしいとストレートに言ってくる。さらに、アジアへの関心も(d┛ng)いのがわかる。O分のeつ先端IT\術にO信をもち、先端\術を通じてビジネスを語るというテクノクラート的なe勢をし、テクノクラート的な言をBし、なアプローチをしてくる。
半導工場はもっと先端なのだが
ZQの半導]の新鋭工場では、センサデータをDり出し、デジタル化してネットワークに送りこむ}順がY化されている。そのものがネットワークに接できるようにY化された仕組みが組み込まれている。Dり込むFDC(Fault Detection and Classification)データの|類、データのデジタル化の}法は、これらIoMのケースより, はるかに@緻なものである。
それに比べ、この項で(j┫)となっているファブは古い工場、古いプラントで、も古いものがHい。あるケースでは、の設情報に1905Qの数C(j┤)が入っている例を使っていた使われているもまちまちだ。センサデータをDり出すため、センサとネットワークとの間に接(sh┫)法を個別に作っていかなければならない。
(j┫)とするファブの模もj(lu┛)きく異なる。ZQの半導新鋭工場は、メガファブと}ばれるように、j(lu┛)模な]量を誇る。kつのファブの中に、hをえるが作動している。これらのH数の]よりu(p┴ng)られるFDCデータは、ビッグデータ収集と}ばれて、ネットワーク内に格納され解析される。その後、あらゆるパラメータを検証した屬、歩里泙、性、X況につき、@緻な予Rモデルが作成される@度の高い予Rモデルを広J(r┬n)に作成するのに科な量のデータがu(p┴ng)られるため、すべての仕組みが、kつのファブ内陲納まることができる。巨j(lu┛)で、高Yなネットワークが、日々動いている。
k(sh┫)で、IoMの(j┫)となっている古いアセンブルファブでは、kつのファブの中にある数も、数会から数度だ。しかも、プロセスの|類も数Hい。半導新鋭工場の例と比べると、Qプロセスよりu(p┴ng)られるデータ量は、@緻で広J(r┬n)な予Rモデル作成という点では、かなり不W(w┌ng)である。そこで、OEE、KPIの改によるROIの向屬謀を絞りこみ、予Rモデルの行を単純化する。その屬、同じ\術を使っている複数のファブをJね、科な量のデータをクラウドに集めて解析を行う。クラウド屬任狼霆j(lu┛)な情報量を扱うが、個々のファブでの情報量はたかが瑤譴討い。これにより、個々のファブでの低価格化を`指し、ビジネスの模拡j(lu┛)を図る。いい発[だと思う。
IoMで、tを行なっていたての企業が、エッジ-クラウドコンピューティングのコンセプトを口にしている。
エッジ-クラウドコンピューティングではAIが常識
繰り返しになるが、再度、エッジ-クラウドコンピューティングの念をまとめてみる(図2.11)。エッジコンピュータと@づけられたデバイスが、数のなり、kのなり、はたまた、kつのセンサなりをモニターする。エッジコンピュータは、モニタリング機Δ、内包する予Rモデルからの警報機Δ魴eつ。(j┫)にはモニター機きのセンサが⊂される。センサはの振動音やその他の情報を?y┐n)Rい、この情報よりエッジシステムは性S解析、周S数解析、表Ca(b┳)度モニター等の解析を行う。これらのデータは、ワイヤレスで、クラウドシステムに送られ、データベース化される。解析vは、このデータを使い、解析を行う。ての発表vが、機械学{の使を述べていた。
図2. 11 エッジ- クラウドコンピューティングの念 出Z: Successful IoT with Rapid Deployment, Tyson King, ALTIZON
読vの中には、このくだりを読んでいて、なんだ、こんな度のものか、\術的には、随分れているBだなと感じられる(sh┫)もおいでと思う新鋭半導工場に比べると、先端ITを使すると言っても、(j┫)となるは古く、ファブの模も小さい。カンファレンスの中まで、筆vは、\術的には新鋭の高度なものが見られず、不満を感じていたことを白Xする。
カンファレンスが進むにつれ、{い世代の人たちが、先端IT\術を創T工夫して使いこなすことによりコストを抑え込み、@性の高い低価格のサービスビジネスのeを作り屬欧討い誦eを見る様になった。このレベルのサービスの(j┫)となる、プロセス、噞を考えると、ビジネスの可性は巨j(lu┛)である。j(lu┛)げさに言えば、k国の]業の攵掚のf屬欧垢蕾Δ塙佑┐蕕譴。彼ら{きテクノクラートたちとの会Bの中で気がついてくるのは、アジア地域に関する関心である。彼らの`には、盜馥發砲箸匹泙蕕、はるかアジアまでの光景が^っている。
微細化を{い求めた先端半導i工ビジネスでは、Moore’s Lawに基づく数Qおきのシリコンサイクルのたびに、\術、ビジネス屬亮,虜Y的が確に見えていた。この世cでは、Moore’s Lawは、シンボリックな言であった。成功への確な(sh┫)式は、巨Yなカネ、モノ、ヒトをk度に投下して、限定された時間で争われる\術屬寮鐓S的ブレークスルーのゲームに成功することであった。半導のマーケットは巨j(lu┛)であり、巨Yの投@を行っても、このゲームにMちさえすれば、科なビジネスが期待できた。蓄積された\術レベルもj(lu┛)変高く、それを使いこなす先端\術v集団も層が厚い。華やかさを伴う世cであった。しかし、この戦Sにそう限り、微細化が進むにつれ擇残っていけるプレーヤー(半導デバイスメーカー)は、少数になることは、誰もが瑤辰討い拭今日、この莟Rは現実となっている。
先端IT~使のカギはヒト
これに瓦靴董IoMの野に入っているのは、}つかずのi人未到のマーケットである。この未瑤離沺璽吋奪箸砲、コストの壁、\術の壁、人材の壁、古い\術、垉遒陵念のしがらみとも言える壁が立ちはだかる。成功への(sh┫)式は、未だ見えない世cだ。闇雲な巨Yの投@だけでは成功が見えない。先端IT\術をいきなり]工にeってきても、使いこなすことができない。|いた砂漠に、タネを弔ようなものだ。発芽のためには、色々と工夫をしなければならない。連かつ地Oな創T工夫を伴う\術的ブレークスルー、垉遒龍板c常識をぶち破るビジネスの発[が成功の鍵と考える。成功の(sh┫)式をゼロから開していく世cである。冒頭に述べたように、IoMの命が困Mであるとともに、極めて野心的と述べた理y(t┓ng)である。現代における、ニューフロンティアの可性を見る。
今vは、AI、機械学{、 予Rモデル、PM、エッジ-クラウドコンピューティング等の先端IT\術が、古いファブにt開されてきている壻の光景をWいた新しい世代の人たちが、W翔けるように先端IT\術を使い、JTの]業に攵掚の改をもたらそうとする光景だ。エジソンに遡るk次噞革命とそれに伴う新しいビジネスの勃興を思い出す。ニューフロンティアの世c茲鮖廚こす。
次vは、このような変化に関わっていく“人”について述べたい。
(く)