工場向けのリアルタイム連続AIへの移行

東京—「スマートマニュファクチャリング」への信頼を誓ったすべての企業は、AIへの期待を誓っています。

この勇敢な新しい世界では、「学習」プラットフォームのセットアップとクラウドサービスプロバイダーへの連絡にかかるコストに加えて、高コストのAIシステムへの多額の投資が必要です。壮大な計画は、マシンがこれまで知られていなかったことを学習して把握できるように、ビッグデータの収集から始まります。

それが理論です。

しかし、現実の世界では、多くの企業がAIの実装が難しいと感じています。 AIの経験が浅い、またはAIを最大限に活用するための社内データサイエンティストのケーブルが不足していると非難する人もいます。インストールされたAIシステムの概念実証を確立できなかったと不満を言う人もいます。いずれにせよ、メーカーはAIが「構築すればやってくる」取引ではないことに気づき始めています。

ルネサスエレクトロニクスを入力してください。

日本のチップ会社は、世界のファクトリーオートメーション市場で主導的な地位を占めています。オペレーショナルテクノロジー（OT）の世界に向けて「リアルタイム連続AI」を提案しています。このアプローチは、情報技術（IT）の世界で自動化を促進するためにビッグデータ企業によって提案されることが多い「統計的AI」とは対照的です。

クリックすると拡大画像が表示されます

IT向けの統計的AIとOT向けの継続的AI（出典：ルネサス）

ルネサスのインダストリアルソリューションビジネスユニットのエグゼクティブバイスプレジデント兼ゼネラルマネージャーである横田義和氏は、組み込みAIはOTの障害検出と予知保全に不可欠であるとEETimesに語った。特定のシステムまたはプロセスで異常が発生した場合、組み込みAIは「ローカルかつリアルタイムで意思決定を行う」ことができると彼は説明しました。ルネサスは3年前に「エンドポイントでのAI」のアイデアを提案し、独自のナカ半導体ファブで実験を開始しました。

「私たちの計画は、エンドポイントでAI機能を段階的に向上させながら、OTでのリアルタイム推論を可能にすることです」と横田氏は述べています。

ルネサスの横田義和副社長は、OTでのリアルタイム推論の提供に注力する予定です。 （写真：EE Times）

ルネサスは、AIを工場の現場に持ち込むことで、現在苦労しているお客様がAIの実装に関する概念実証を完了し、AIへの投資収益率を理解できるよう支援したいと考えています。

AIをOTに適用するタイミング
ルネサスのインダストリアルソリューションビジネスユニットの戦略および計画部門のシニアディレクターである馬場光男氏は、生産ラインなどの特定の問題がすでに特定されている場合、AIをOTに最適に適用できると語りました。

たとえば、工場内の特定の異常を検出するのに十分な経験を積んだ高度なスキルを持つ運用管理者がいるとします。このマネージャーを派遣して製造プロセスのすべての段階をチェックする代わりに、「AIを使用して、製造上の欠陥の間に異常な状況がいつどこで発生し始めるかを線引きし、定義することができます」と馬場氏は述べています。 AIは、小さな製品の欠陥が生産の次の段階に進むのを防ぐために、生産ラインを継続的に監視する注意深い目である可能性があります。

このようなファクトリ自動化の例では、事前に特定された問題に基づいてAIを1回だけトレーニングする必要があります。 AI推論は、クラウドに戻ることなく、エンドポイントデバイスでリアルタイムに実行されます。ババ氏によると、エンドポイントの推論には通常30Kバイトのデータで十分です。これに対して、学習と推論の両方を行う統計AIは、通常、クラウドで300メガバイトものデータを処理する必要があります。

つまり、ルネサスは、MCUで実行できるAI推論を提唱しています。

ルネサスでは、既存の生産ラインを、コストのかかる新しいAI対応の機械に置き換えるのではなく、現在の生産設備に取り付けることができる「AIユニットソリューション」キットを提案しています。

ババ氏は、ルネサスはNvidiaのようなAIチップ企業に挑戦する計画はないと述べた。 「私たちの目標は、推論に必要なデータが非常に小さいため、既存のMCU / MPUでも実行できる組み込みAIの新しい市場セグメントをリードすることです」とBaba氏は述べています。