AWS、Google、Microsoftが先進データ・ソフトウェアで製造革新を牽引

Ford Motorは組立ラインのセンサー種類を増やし、ビッグデータを「さらに大きなデータ」へと進化させ、収集された情報へのアクセスを民主化している。「従来収集されていたサイクルタイムや圧力といったデータに、赤外線監視や振動センサーといったセンサーを追加し、データを豊かにしている」と、車両プログラム製造ディレクターのマイク・ミクラ氏。「それらの信号が製品品質、プロセス効率、設備健全性にどう寄与するか、よりスマートな分析が可能になった」

この取り組みを支援しているのは「主要なIoTプラットフォームのほとんど」だと同氏。Fordとその中の一つ、Googleが今年、産業用クラウドデータ管理サービスと分析ソフトウェアアプリケーションなどで提携を発表した。

結果として得られる情報をショップフロアに展開するため、Fordは生産作業員がローコード/ノーコードアプリで分析にアクセスできるIoTデータプラットフォームを構築中だ。プログラミング言語の知識は不要、または最小限で済む。

新たに開発されたアプリは、類似のプロセスと設備を扱う企業内の他ユーザーにもスケール展開可能だとミクラ氏。

一方、Fordはデータ分析においてソフトウェアより人間の脳力を選択的に重視し、アプリケーションベンダーよりも社内コーダーを活用する方向へシフトしている。

「ソリューションはアプリケーション次第だ」とミクラ氏。「時にはソフトウェア、時にはデータアナリストがデータソースを分析する。機械学習とAIによって駆動される、より自律的なソリューションへ移行したい。購入SaaS（Software as a Service）への依存を減らすのが目標だ」

最終的に、これらの取り組みは製造総コストの削減を意図しており、その節約分を消費者に還元できるとミクラ氏。

Googleと競合するデータ巨人2社、AmazonとMicrosoftも、メーカー向けにクラウドホスティングとソフトウェアソリューションを提供している。

「産業用IoTの外部にいたGoogle、Microsoft、Amazonといった多くのプレイヤーが、ソフトウェアの強みを活かして従来のIIoT既存勢力の一部を置き換える可能性に気づいている」とミクラ氏。

テックジャイアント3社は、自動車メーカーなど向けの産業用ソフトウェアで、デジタルツイン、予知保全、機械視覚品質チェック、自律運用などインダストリー4.0の構成要素と目標を支援する。これらテックジャイアントがデータとソフトウェアの専門性をインダストリー4.0に活かす一方で、モノづくりから得たドメイン知識も持っている。

「インセイン（狂気じみた）」サプライチェーン

「我々はおそらく世界最大の製造企業の一つだ」と、Google Cloudの製造・インダストリアル担当グローバル・マネージング・ディレクター、ドミニク・ウィー氏。「Googleにはインセインな、極めて深いサプライチェーンがある。グローバル製造企業と同等に複雑なサプライチェーンだ」

同社はデータセンターのコンピューティングハードウェアを製造し、独自のコンピュータチップを設計している。コンシューマー側ではスマートフォンや、テレビにスマート機能を追加するChromecastドングルを製造している。

Googleは20年以上前の創業以来製造業を営んできたが、Google Cloud社長トーマス・クリヤン氏が2018年に就任してから、他社向け製造サービスへの多額投資を始めたとウィー氏。クリヤン氏は以前Oracleで22年勤務した。

製造がデジタル化されるにつれ、コンシューマー市場向けに開発されたGoogleの方法論が産業界で関連性を持つようになっているとウィー氏。同氏は以前半導体業界でインダストリアルエンジニアとして働いていた。

「典型的なインダストリアルエンジニアにとって非常に使いにくかったテクノロジー──主に分析とAIの領域──が、ショップフロアで非常に使いやすくなっている時点に来ていると信じている」と同氏。「そこが我々の競争上の差別化要因だ」

Googleがクリヤン氏の下で製造向けテクノロジーに行ったことは、以前コンシューマー側で行ったことを模倣しているとウィー氏。「非常に使いやすくして、自分がそれを使っていることすら気づかないレベルにすることだ」

Google CloudのVision Inspectionを用いた品質検査が好例だと同氏。

「機械視覚が非常に先進的なので品質検査に多用されており、ショップフロア文脈で機械学習を非常に簡単に導入でき、ごく少数の画像で実行できる。プログラマーや機械学習スペシャリストである必要はない」とウィー氏。「文字通りポイント・アンド・クリックだ」

企業がVision Inspectionをパイロット導入し、スケールする容易さを指摘する。「手法を移転するためにGoogleやXYZ社の誰かを呼ぶ必要はない。工場内の人々ができる。これが大きなアンロック──機械学習がファンタジーから製造現場での広範な利用へ移行するポイントだ」

使いやすさが同社の競争優位性だとウィー氏。

「パイロット・ギャップについて話す」と同氏。「多くの企業が機械学習、AR、予知保全を試み、グローバル製造拠点の一点で実施したが、大変な労力だった。非常に専門的な人材が必要だったが、スケールアウトできなかった」

使いやすさに加え、Google Cloudはオープンソースソフトウェアを使用し、メーカーの選択肢を開放しているとウィー氏。

Googleはまた、自社の分析とAIの強みは無双だと主張する。「データ処理を20年以上の存在の核としてきた企業として、我々ほどそれを理解している企業はないと主張する。ショップフロアからのデータを含め、あらゆる文脈で大量のデータに取り組むなら、我々が適任だ」

労働力の変革

Microsoftの製造業界担当CTO、インドラニル・サルカール氏は、おそらく敬意を持ってウィー氏に異議を唱えるだろう。

「Microsoft Cloud for Manufacturingは、顧客が企業を再構築し、よりアジャイルな工場、よりレジリエントなサプライチェーンを構築し、労働力を変革するのを支援する」と同氏。

サルカール氏はMicrosoftに約10年在籍。それ以前はHewlett-Packardで20年以上勤務。

GoogleとMicrosoftの両社がメーカーの機械データ収集・分析を支援する中、サルカール氏は自社サービスの労働力関連コンポーネント──AIとHoloLens 2を用いた複合現実を含む──が、GoogleとAmazonだけでなく従来の産業用ソフトウェアソリューションプロバイダーからも真の差別化要因だと語る。

例えば、Mercedes Benz USAはMicrosoftのRemote Assistを使用し、コンピューター前の担当者がHoloLens装着者を遠隔支援できる。

Microsoftのウェブサイトの動画で、Mercedes Benz of Coral Gablesの中央診断技術者エドガー・カンパナ氏は、「HoloLensを装着するだけで即座にサポートが受けられる。向こうが私の視界に合わせて物事を指摘できる。円で囲んだり、線を引いたりできる。ハンズオンだ。まさにそこにある。リアルタイムで車両をチェックしながら会話できる。非常に直感的だ」と語っている。

Remote Assistは双方向で会話可能だが、Mixed Reality Guides Solutionsは片方向のみで、トレーニーがホログラム単独、または物理オブジェクトと組み合わせてインタラクトできる。

「Airbusが好例だ」とサルカール氏。「製造ラインでGuidesを使用し、作業員がケーブル配線とその取り付け方法のオーバーレイを非常に迅速に確認できるようにしている」

3D環境は実地訓練では不可能な機能を提供する。あらゆる角度から要素を3次元で見られる。

Airbusの設計者は、設計が組立ライン対応かどうかをバーチャルでテストできる。

MicrosoftはHoloLens 2とSurface Hub（ビジネス用インタラクティブホワイトボード）を製造している。Xboxゲーム機やSurfaceタッチスクリーンPCなど物理製品も販売している。

それでも「製造はかなりアウトソースされているが……設計から部品調達、組立ラインテストまで、生産ライン全体を確実に管理している」とサルカール氏。

クラウドデータ側では、インフラストラクチャのエンドツーエンド製造を管理している。

Microsoftの産業向け最初のアプリケーションは2002年、Dynamics AXというERPソフトウェアだったと同氏。Azure IoTは2016年に利用可能になった。

同年、Microsoftはドイツ政府のイニシアチブ「Plattform Industrie 4.0」への参加を招待された。

MicrosoftはBMWと共にOpen Manufacturing Platform（OMP）コンソーシアムを共同設立。OMPは共通オープンデータモデル、すなわちビジネスと分析アプリケーションで使用する共有データ言語を推進している。

Amazonと同じ技術を使用

Amazon.comは販売で知られるが、Kindle、Echoデバイスなどのコンシューマー製品も製造している。また、インフラを動かすハードウェアの大部分と独自のコンピュータチップも自社製造している。

AWS（Amazon Web Services）は2020年、IoT、AI、機械学習、分析、エッジソリューション向けの製品・サービスを含むインダストリアルラインを展開した。

このラインは「AWSとAWSパートナーネットワークからの新規および既存サービス・ソリューションを特徴とし、産業現場の[ソフトウェア]開発者、エンジニア、オペレーター向けに特化して構築されている。これらが総称して、データ収集、保存、分析、インサイトを可能にするモジュール式アプローチを提供する」と、スマートファクトリーおよびインダストリー4.0担当グローバルビジネス開発責任者、ダグラス・ベリン氏。

それらの改善プロセスは、データの収集と精査から早期に始まる。AWSはそれらすべての「0」と「1」を制御するいくつかの方法を編み出した。

「ソフトウェアとデータレベルから始めると、業界で350以上の異なるプロトコルが使用されている」と、2017年にAWS入社（以前Ciscoで10年以上勤務）のベリン氏。

AWS Lookout for Equipmentは、既存センサーからの過去設備データと過去メンテナンスイベント情報を用い、その機械の正常な振る舞いパターンを追跡するカスタム機械学習モデルを構築する。運用データが既知の正常パターンから逸脱すると、アラートとダッシュボードで適切なユーザーに通知する。

もう一つの製品、AWS IoT SiteWiseは、産業施設で一般的なデータベースからのデータ抽出を簡素化し、データをローカルまたはクラウドに転送し、ユーザーとアプリケーションが容易にアクセスできるよう構造化することで、単一データソースを確立する。アプリケーションフレームワークにより、設備総合効率などの一般的な産業パフォーマンス指標の計算が可能。複数産業施設の運用監視、産業設備データ分析、高コスト設備問題の予防、生産ギャップの削減も可能だ。

データ標準化に加え、スマートファクトリー構築時のもう一つの一般的なハードルはレガシー設備の組み込みだ。PLCを搭載した工作機械なら多少のデータは出せるが、最新機械と比べ最小限だ。対応として、AWSには必要なハードウェアを追加して一部機械パラメータを追跡できるパートナーがいる。また、回転設備向けの低コスト振動・温度センサー「Amazon Monitron」を自社開発した。

Amazon Monitronはまた、産業設備（モーター、ポンプ、ギアボックスなど）からのセンサー信号を分析し、予知保全を可能にする機械学習ベースの設備状態監視サービスでもある。

振動・温度データを取得するセンサー、データをAWSクラウドに自動転送するゲートウェイ、セットアップ・分析・異常挙動通知用モバイルアプリを含む、フルマネージドのエンドツーエンドシステムだ。

「Amazon Monitronは、Amazonで使用されている同じ技術に基づいており、20年以上の異常検知経験を活かしてモデル精度をさらに向上させている」とベリン氏。

Amazon Monitronなら、信頼性管理者が数時間で設備状態追跡を開始できる。開発作業や専門トレーニングは不要とAWS。

メーカーはAmazon Monitronを用いて予知保全を実現し、設備を遠隔監視し、アクセス困難な設備の状態を追跡できるとベリン氏は付け加える。