組み込みAIでビッグデータを実用的なスマートインサイトに変換

インダストリー4.0は、ビッグデータと呼ばれる前例のない量の複雑なセンサーデータを生成しています。数千のセンサーと拡大し続けるデータストリームにより、機械、システム、プロセスのデジタル表現はますます粒度が細かくなっています。この粒度はバリューチェーン全体で新たな価値を解き放ちますが、その価値を抽出することは依然として大きな課題です。鍵は、生の膨大なデータを高品質で実行可能な情報、すなわち具体的な経済的メリットをもたらすスマートデータに変換することにあります。

課題

すべてのデータポイントを収集し、クラウドに保存してから事後分析する従来のアプローチは非効率で、多くの場合効果的ではありません。非構造化データの蓄積は、十分に活用されないインサイトを生み、将来のソリューションを複雑にします。より戦略的なアプローチは、ソースで始まります。アプリケーションにとって真に関連する情報が何かを特定し、データフローのどこで抽出すべきかを決定します。つまり、処理チェーン全体を通じてビッグデータをスマートデータにフィルタリングし、精製することを意味します。各ステップで最も有望なAIアルゴリズムについての決定は、利用可能なデータ、センサーモダリティ、基礎となる物理プロセスの知識を考慮し、アプリケーションレベルで行うべきです。

AIアルゴリズム

AI駆動のデータ処理は、複雑なセンサーストリームの分析を自動化し、望ましい情報を抽出し、リアルタイムで価値を生み出します。

大きく分けて2つのAIモデルファミリーが存在します：

• モデルベース手法は、入力と出力の間の明示的な数学的関係に依存します。センサーデータと物理的背景知識を統合し、高精度な結果を生み出します。カルマンフィルタが最も広く知られた例です。
• データ駆動手法は、適切な数学的モデルが利用できない場合に、データから直接学習します。線形回帰、ニューラルネットワーク、ランダムフォレスト、隠れマルコフモデルなどが含まれます。

適切なアプローチの選択は、ドメイン知識の深さに依存します。専門的知見が豊富な場合はシンプルなアルゴリズムで十分です。知識が乏しい場合は、より洗練されたデータ中心のモデルが必要になります。アプリケーション自体が、実行可能なAIアルゴリズムを形作るハードウェア制約をしばしば指示します。

組み込み、エッジ、クラウドでの実装

エンドツーエンドのデータ処理チェーンは、価値を最大化するようにオーケストレーションされる必要があります。実装は通常、リソース制約のあるセンサーから強力なクラウドサーバーまで広がります。アルゴリズムをセンサーに近いエッジに展開することには、いくつかの利点があります：早期のデータ圧縮、通信とストレージコストの削減、上位レベルアルゴリズムの簡素化。ストリーミング分析技術は、生データを保存する必要性をさらに排除し、情報内容をその場で完全に抽出できます。

エッジでのAI実行（組み込みAI）には、アナログ/デジタル取得、リアルタイム処理、制御、接続性を統合し、最新のAIモデルもサポートするマイクロコントローラが必要です。ARM Cortex-M4FコアベースのAnalog Devices ADuCM4050は、組み込みAI向けの省電力統合プラットフォームを提供します。

設計の高速化は、シリコンメーカーの評価キットによって促進されます。たとえば、EV-COG-AD4050LZはADuCM4050をセンサー、HFトランシーバ、モジュラーシールドと組み合わせ、複数ドメインの深い専門知識なしで迅速なプロトタイピングを可能にします。EV-GEAR-MEMS1Zシールドでは、優れた振動分離、長期再現性、コンパクトなフォームファクタで低ノイズなADXL355などのMEMS加速度センサーをテストできます。

これらのプラットフォームとシールドの組み合わせにより、振動、騒音、温度分析に基づく構造物健全性監視と機械状態監視への道が開かれます。マルチセンサーデータ融合により、システム状態の推定がさらに洗練され、動作状態と故障状態の分類精度が向上します。プラットフォーム上のスマート信号処理により、ビッグデータがローカルでスマートデータに変換されるため、関連情報のみがエッジやクラウドに転送されます。

通信は専用ワイヤレスシールドによって効率化されます。たとえば、EV-COG-SMARTMESH1Zは6LoWPANと802.15.4eをサポートし、高信頼性、低消費電力、産業導入に適した自己形成マルチホップメッシュを提供します。SmartMesh IPネットワークは、ネットワークマネージャによって監視され、パフォーマンス、セキュリティ、ホストアプリケーションとのシームレスなデータ交換が保証されます。

バッテリー駆動の状態監視システムでは、組み込みAIが生センサーストリームを送信前にスマートデータに変換することで、データトラフィック、ひいては消費電力を大幅に削減します。

アプリケーション

AIアルゴリズム開発プラットフォームとそれらが提供するAIモデルは、機械、システム、構造物、プロセス監視の幅広いシナリオをカバーします。統合された加速度センサー、マイクロフォン、温度センサーにより、多様な産業資産における振動、騒音、熱シグネチャの監視が可能です。シンプルな異常検知から複雑な故障診断まで対応します。

組み込みAIは、プロセス状態、ベアリングやステータの摩耗、制御エレクトロニクスの故障、電子部品損傷による予期せぬ振る舞い変化を検出できます。予測モデルが存在する場合、システムはローカルで迫りくる故障を予測し、コストのかかるダウンタイムを回避する予防保全を可能にします。予測モデルがない場合でも、プラットフォームはドメインエキスパートが機械の振る舞いを反復学習し、時間をかけて包括的な予測モデルを構築するのを支援できます。

理想的には、ローカルデータ分析が各アプリケーションにとって最も関連性の高いセンサーとアルゴリズムを自律的に決定し、スマートな拡張性を実現すべきです。現在のところ、専門家が最適なアルゴリズムを選択していますが、組み込みAIは最小限の労力でさまざまな機械状態監視ユースケースに拡張可能です。

組み込みAIはまた、リアルタイムでデータ品質を評価し、センサー設定と信号処理パイプラインを自動調整できます。マルチセンサーフュージョンシナリオでは、AIが個々のモダリティの短所を補い、全体的な信頼性を向上させます。限界の関連性しかないセンサーは、データストリームをスロットルして帯域幅を節約できます。

Analog DevicesのオープンCOGプラットフォームは、無料で利用可能なSDKと多数のハードウェア/ソフトウェアサンプルプロジェクトを提供し、プロトタイプ開発とイノベーションを加速します。マルチセンサーデータ融合（EV-GEAR-MEMS1Z）、組み込みAI（EV-COG-AD4050LZ）、堅牢なワイヤレスメッシュ（SMARTMESH1Z）を組み合わせることで、エンジニアは最小限の労力でレジリエントでスケーラブルなセンサーネットワークを展開できます。

(画像出典: Analog Devices, Inc.)