Gebhardt、AIoT とエッジアナリティクスを統合しシームレスな運用調和を実現

IoT と AI は産業界で波紋を広げる別個の技術トレンドだ。IoT はデバイスを接続し、神経系のように信号を送受信する。対照的に AI は脳として機能し、データを用いてシステム全体を制御する意思決定を行う。この 2 つが結合すると、自己修復・自己治癒が可能なインテリジェントな接続システムを提供できる——これを Artificial Intelligence of Things（AIoT、モノの人工知能）と呼ぶ。

クラウドコンピューティングや M2M（Machine-to-Machine）通信といった従来の IoT 技術により、製造業者は 3 つの重要なタスクを完了できるようになった：機械接続、データ蓄積、データの意味付け。今、AIoT の導入により、第 4 の能力——「行動」——が得られる。

しかし AIoT を実現するには、高速意思決定を支えるデータ管理システムが必要だ。クラウドストレージも可能だが、データソースに近いエッジで分析することで、AIoT を次のレベルへ引き上げられる。

合理化された生産

AI の力を解き放つには、可能な限り低レイテンシで意思決定する必要がある。AI システムが機械故障のアラートを受け取った場合、またはより生産的な運用のために機械の速度や移動パターンを変更すべき場合、即座にその洞察に基づき行動し、生産を停止または変更できる。AI システムをクラウドではなくエッジに統合することで、超低レイテンシの価値を引き出し、機械を可能な限り速く停止させ、不良品・欠陥品を減らせる。

エッジで AIoT を統合するには、業界リーダーはまずオフラインで AI モデルを構築しなければならない。次に、要件を満たすまで過去のデータセットでモデルを訓練し、その後オンラインで新しいライブデータに適用する。

しかし、リアルタイムデータへのオンライン適用は、訓練段階で既に整理・分類された蓄積データでのテストとは大きく異なる。リアルタイムデータはフィルタリングも分類もされておらず、各セットが異なるタイミングで到着するため、AIoT にとっては情報のカオスとなる。

エッジアナリティクスの登場

データを意味あるものにするには、AIoT が使用する前に処理する必要がある。それがエッジアナリティクスの役割だ。例として、Crosser Platform はあらゆるエッジ、オンプレミス、クラウド向けのストリーミング分析、自動化、統合のためのローコードソフトウェアプラットフォームだ。複雑さを排除し、開発を簡素化し、非プログラマーでも劇的に低い総所有コストで迅速にイノベーションできることを目指している。

Crosser Platform のようなシステムは、データが AIoT に到達する前にさまざまな方法で準備を支援する。例えば、工場現場の多種多様な機械からのデータを調和化できる。それらは複数のソースから来るため、異なるフォーマットの可能性がある。

異なるソース・フォーマットのデータを、プラットフォームが定期的に集約。さらにデータソースのサンプリングレートが異なる場合、中間値を補完して、各更新で全センサーからの新データでモデルを更新できるようにする。時系列データに対するさまざまなタイプの時間窓も作成可能だ。

プラットフォームは特徴量抽出にも使用できる。使用モデルに応じて、生データから追加特徴量を作成する必要がある場合がある。例えば、振動データを時間領域から周波数領域へ変換するなど。これらすべてのステップが、AIoT に到達する前にデータを合理化する。

Gebhardt の事例

Crosser のプラットフォームが、ドイツ・ジンハイムの倉庫自動化ソリューションメーカー Gebhardt Intralogistics Group の AIoT 戦略実装をどう支援したかを紹介する。Gebhardt はコンテナを倉庫内で高速移動させるインテリジェントシャトルを製造している。シャトルの振動による運用障害を特定し、メンテナンスコストを最小化する異常検知ソリューションを求めていた。

Crosser の Flow Studio を使用し、Gebhardt はエッジでリアルタイムにデータを処理・調和化・フィルタリングし、収集データから AI が学習して予知保全を実装。機械可用性の向上と資産寿命の延長を実現した。

機械知能には大きな力があるが、他の支援技術がその全潜在力を引き出す助けとなる。エッジで AIoT を統合する業界リーダーは、効率的で反応の良い制御システムのメリットを享受できる——プロセスを最適化し、迅速に。