TIBCO、「アノマリー・エコノミー」における製造イノベーションを探る

データを用いた製造システムの監視・制御のあり方が変わりました。TIBCOのデジタル化戦略ディレクター、アレッサンドロ・キメラ氏が、オペレーショナルパフォーマンス管理を導く「アノマリー・エコノミー」の形を説き、デジタルツインからAI、自動化から人間の監視までを論じます。

製造業の一部は1900年代初頭と変わらない姿で存在し続けています。グリス、ギア、研削盤、作業着、お茶休憩──これら基本要素は、人間があらゆる製造施設を動かす広範な基盤ナラティブで常に役割を果たすため、自動化・自律的な未来へ遠くまで浸透していくでしょう。

しかしもちろん、製造業は変わりました。第1次、第2次、そして第3次産業革命を通じて、蒸気動力による加速、機械化、そしてIT駆動型自動化が、先人たちが想像もできなかった形で製造オペレーションに適用されてきました。

デジタルツインとデータが物理機械と人間労働者に加わる、明日のハイパーコントロール製造施設に入るとき、アノマリー検知にどうアプローチすべきか自問すべきです。グラフ上のディップやスパイクで重要な測定値を検知するのは容易ですが、品質やパフォーマンスの緩やかな劣化が1か月、あるいはそれ以上かけて進行する場合、どう対処すべきでしょうか。

盲目な人間の監視

現代の製造施設は、単一の人物（あるいはグループでも）が工場のあらゆる地点に同時にいる能力を超える大量生産規模で稼働します。こうした環境では、人間の観察に完全な全体像の提供を期待できません。今日のモダンな施設では、追跡すべき変数は一つではなく、数百、数千に及ぶのが普通です。

生産アノマリーが「忍び寄る」ようにゆっくり運営に入り込むと、手遅れになるまで気づかれない可能性があります。新しい働き方について語る必要があります。

製造データの干し草山の中の針

産業データセットは非常に巨大で極めて複雑であることは知られています。アノマリーの検知と予測は、何を探すべきかわからないことが多いため、干し草山から針を探すより困難です。しかし、アノマリー検知は節約を意味し、それが即座に、そしてラインさらに下流でより高い生産歩留まりにつながります。

多くのメーカーが膨大なデータセットを持つことを知っていますが、それらデータストアがサイロ化し、複数システムに分散していることが少なくありません。このデータの分散と発散により、アノマリーが複数データシステムや異なる物理生産フェーズに関連している場合の理解が困難になります。時には、すでに市場に出ている製品から、運用・機能上の問題を示したもののデータを取得する必要すらあります。いずれにせよ、第一歩はすべてのデータソースを統合することです。

今日、アナリティクスがモダンファクトリーの基礎的部分になりつつある世界で働いています。これはデジタルツインの発展によって裏打ちされるトレンドであり、これら仮想マシンが提供する予測的インサイトを得るために、正確で迅速、インテリジェントなアナリティクスを適用する必要があります。

データが利用可能になりアクセスできれば、高度アナリティクスが「何を探すべきか」の分析を開始します。モダンデータサイエンス技術が、膨大なパラメータが製品品質に影響し得るため即座には理解できない隠れたアノマリー発見を支援します。

機械学習とAIがアノマリーをスカウト

ここまで来て、機械学習（ML）と人工知能（AI）が生産プロセスへ入り込んできています。

一部メーカーは当初、MLをマーケティング施策理解、顧客セグメンテーション、特定アクションのトリガーに活用しました。しかし近年、より進歩的・先進的なメーカーがMLとAI技術をアノマリー検知に活用するメリットを理解し始めています。

一例が、データから学習するためのオートエンコーダー活用です。オートエンコーダーはMLで用いられる人工ニューラルネットワーク知能技術です。教師なし学習と呼ばれる、ラベルなしデータセットからの符号化と特徴学習に使用されます。

リアルタイム効率的な製造の未来

訓練済み統計モデルをリアルタイムデータに適用することで、アノマリー発生時期を予測可能になります。これは効率的オペレーションの新たな地点へ私たちを導きます。これすべてが、アノマリーへの「事後対応」から「アノマリー予測」へのシフトを可能にし、大幅な運用コスト削減のメリットをもたらします。コスト削減は、欠陥率とスクラップ率削減、計画外設備ダウンタイム防止の直接的結果です。

ヘムロック・セミコンダクター（HSC）は、プロセス制御、予知保全、アノマリー検知ソリューションを活用し、半導体製造を合理化・制御する先進メーカーの一つです。

個別製造プロセスへのニアリアルタイムアラート導入により、従業員は主要パラメータを事前定義閾値、統計ルール、MLとAI手法で発見された最適パターンと自動比較できるようになりました。プロセスが許容パラメータバンド外へ出ると、HSCは自動生成アラートを受け取り、製造担当者へ注意を促します。担当者はどの変数が問題を引き起こしたかを正確に把握するためデータへ即座にアクセス可能。原因と結果の関係が特定されれば、チームはプロセス欠陥再発防止へアクションを取れます。

このすべての進歩は、最終的に私たちの明日と地球の未来へ導きます。デジタルツイン活用がデータアナリティクスとML適用と共に拡大する中、すべてのメーカーがデータ駆動型ファクトリーとなり、ますます精密なアノマリー検知に焦点を当てます。この地점에서、メーカーは我々すべての利益のため、最適化されたエネルギー消費により鋭く働けるようになります。

プラント生産性は常に最優先事項であり、未来が疑いなくデータ駆動型である以上、これは論理的に進むべき道です。その結果、より良いパフォーマンスを発揮し、より良く機能し、より長持ちする製品を市場に投入できるようになります。品質を「所定期間後に期限切れ」に調整する安価な使い捨て商品市場への影響は、また別の日の別の問題です。

データアナリティクスとインテリジェンスから得られる対応エンジンパワーでアノマリー検知を行うことで、製品と関連サービスの製造方法を今改善できます。これが作業着を脱いでお茶休憩する口実にならないなら、何でもないでしょう。