製造業におけるエッジコンピューティング：製造業者向け完全ガイド

本稿では、製造業におけるエッジコンピューティングについて以下の項目で詳しく解説します。ご興味のあるセクションへジャンプしてください：

• 製造業におけるエッジコンピューティング入門
• エッジコンピューティングとは？
• エッジコンピューティングプラットフォームとは？
• エッジデバイスとは？
• エッジとクラウドの関係
• 製造業におけるエッジコンピューティングのユースケース
• 製造業の接続性ランドスケープの変化

製造業におけるエッジコンピューティング入門

IoT（モノのインターネット）デバイスの普及に伴い、エッジコンピューティングフレームワークが様々な業界へ急速に浸透しています。最も有望なユースケースの一つが製造業であり、これらの新技術が大幅な生産性向上をもたらす可能性を秘めています。

IoTがすでに工場現場で重要なイネーブラーであることは証明済みですが、組織は今、製造システムの応答性をさらに高めようとしています。これを実現するため、スマート製造を導入し、その主たるイネーブラーとしてエッジコンピューティングを採用する組織が増えています。

スマート製造は、工場設備が現場で起きていることに基づき自律的に意思決定する未来を描きます。設計、製造、サプライチェーン、運用といった製造の全ステップをより容易に統合でき、競争市場においてより高い柔軟性と反応性を実現します。このビジョン実現には、IoT、AI/機械学習、エッジコンピューティングといった関連技術の組み合わせが必要です。

ネットワークのエッジで分析を行う最大の利点は、帯域幅コストをかけずに（データをクラウドやデータセンターへ送らずに）リアルタイムデータを分析・実行できる点です。製造業は、アウトオブスペック部品の生産、設備ダウンタイム、作業員の怪我や死亡を防ぐ観点から時間との戦いです。より複雑で長期的なタスクについては、データをクラウドへ送り、他の構造化・非構造化データと統合できます。結果として、これら二つのコンピューティングフレームワークの利用は相互排他的ではなく、それぞれのメリットを活かす共生関係にあります。以下でユースケースとクラウド・エッジの関係を深掘りします。

まず、エッジコンピューティングフレームワークの構成要素を定義します。

エッジコンピューティングとは？

エッジコンピューティングは、計算とデータストレージをデータ発生源に近づける分散コンピューティングフレームワークであり、レスポンス時間の改善と帯域幅の節約を実現します。

平たく言えば、クラウドで動作するコードを、ローカルデバイス上または近くで実行することです。例として、ゲートウェイデバイス（MachineMetrics Edgeなど）や、IIoT対応設備の隣に置かれたPCなどが挙げられます。

エッジコンピューティングにより、クラウドへ送信するデータ量を削減できます。これは特に、機械学習アルゴリズムの実行に用いる高頻度データの収集に有用です。このデータをエッジで処理すれば即座にアクション可能です。一方、高頻度データをクラウドへ送信し、処理してからアクションする場合、レイテンシ（遅延）が発生します。エッジコンピューティングはこの問題を解決します。

IoTソリューションを理解するには、一般的に以下の3コンポーネントで構成されると考えると分かりやすいです：

• Things（モノ）：センサーデータを生成するIoTデバイスなど。
• Insights（洞察）：データから抽出される知見。
• Actions（アクション）：洞察に基づき実行される、何らかの価値を提供する行動。

エッジコンピューティングでは、InsightsとActionsのコンポーネントをクラウドからデバイスへ移動させます。つまり、データを処理し洞察を抽出し、それに応じて何らかのアクションを実行するコードの一部をデバイス内に取り込みます。

製造業において、Thingsはショップフロアの機械や設備となります。Insightsはリアルタイム機械データとなり得ます。Actionsの例としては、予期される工具破損を検知して機械が運転を一時停止する、などが挙げられます。

エッジコンピューティングプラットフォームとは？

製造業向けに構築されたエッジプラットフォームでは、PLC、DCS、センサー、ヒストリアンなどの産業システムからデータを収集し、イベント処理、予測分析、機械学習モデルなどのアプリケーションをデータの上でローカルに実行できます。すべてオフラインファーストの展開で可能です。

エッジコンピューティングプラットフォームは、ネットワークのエッジで動作するアプリケーション、デバイス、接続を管理します。ここでは、エッジデバイスと接続設備（Things）が、純粋なクラウドコンピューティングよりも高速に通信し、タスクを実行できます。

多数のエッジデバイスを扱うのは困難です。一元化されたエッジ管理プラットフォームは、分散した多数のエッジデバイスを接続し、ネットワーク全体の適切な管理を保証することでこの問題を解決します。例えば、エッジコンピューティングプラットフォームがあれば、製造業者はすべてのエッジデバイスへセキュリティアップデートを一斉配信し、必要に応じてトラブルシューティングできます。

ある意味で、エッジコンピューティングプラットフォームは、クラウドの計算リソースをデータ発生源に近づけるだけです。つまり、クラウドコンピューティングプラットフォームの仕事をエッジで行うのです。これによりクラウドリソースへの負荷を減らし、エッジデバイスと設備間のデータレイテンシを低減します。機械学習とAIが未来の道であるなら、データを蓄積・分析するスピードは極めて重要です。

エッジデバイスとは？

エッジデバイスは、ローカルネットワークとクラウド間のデータフローを管理する装置です。接続設備（ローカルネットワーク上）とデータ分析用ソフトウェアプラットフォームの間のゲートウェイとして機能します。

スマート製造の文脈では、エッジデバイスは単なる別ネットワーク間のリンク以上の役割を果たします。IoTセキュリティ強化と分析変換機能も備えています。詳しく言えば、エッジデバイスは互いに互換性のないデータ（異なるプロトコルなど）を変換し、異なるソースからのデータを集約・理解可能にしてクラウドへ送れるようにします。

MachineMetrics Edgeは、Wi-Fi、セルラー、有線イーサネットで機械をMachineMetricsクラウドサービスへ簡単に接続します。

従来のネットワークでは物理距離が長いほど大容量データパケットの伝送時間が長くなります。エッジデバイスは、機械からのデータネットワークを、データが蓄積・分析される場所へより近づけます。これによりユーザーへの情報返却が大幅に高速化し、リアルタイム予測分析のようなユースケースで不可欠となります。エッジデバイスとエッジコンピューティングは、より多くのストレージと分析能力を機械設置場所そのものに配置し、データを消費・アクションすることを可能にします。

IoTインフラが複雑化（工場拠点増、デバイス増、ネットワーク増）するにつれ、データ集約と処理の重要性は変わりません。しかし課題は、エッジ上のデバイスがクラウドコンピューティングプラットフォームとの高レイテンシ通信に悩まされることです。

これを解決するのが、エッジデバイスとエッジコンピューティングプラットフォームです。

エッジとクラウドの関係

製造業におけるエッジコンピューティングとクラウドコンピューティングの違いについては別記事で詳述していますので、ここでは簡潔にまとめます。

エッジとクラウドは別個の技術ですが、互いの強みを補完し合うため、しばしば併用されます。関係の核心は、エッジコンピューティングが時間的にシビアなデータを処理・アクションし、クラウドコンピューティングは即時のアクションを要しないデータを一元的な場所に集約する点にあります。

完全なIIoTインフラでは、製造業者はエッジをリアルタイムデータ収集、予測分析、自律的意思決定に、クラウドを集約データ分析、ベンチマーキング、トレンド分析に活用できます。

これらのメリットとデメリットは以下の通りです：

製造業におけるエッジコンピューティングのユースケース

製造業でエッジコンピューティングを採用する実践的理由を議論します。すべてのネットワークをクラウドへ適切に接続しつつ、強力な計算リソースをエッジでも提供することで得られる多様なビジネスメリットがあります。

• 設備稼働率の向上：サブシステムやコンポーネントの故障、劣化状態での運転影響などをリアルタイムで予測し、更なるデータ分析により継続的に精緻化、運用と保全スケジュールの最適化に活用。
• メンテナンスコストの削減：必要なメンテナンスの分析精度向上により、原因、必要なアクション、必要部品についてメカニックへ詳細な指示を出せるため、初回訪問での修理完了率が上がり、修理コストを削減。
• スペアパーツ在庫の削減：エッジ分析モデルを個々のデバイス/システム要件に合わせて調整可能。特定コンポーネント/サブシステムに関連するセンサーを直接読み取り、組織の望むビジネス価値に基づき最適構成を定義。スペアパーツ在庫を最小コストで大幅に効率化。
• 重大故障の予防：コンポーネントに関するデータの取得・監視・分析により、結果が顕在化する前に原因を特定。早期問題検知と予防を実現。
• 状態ベース監視：ITとOTの融合により機械データへアクセス可能となり、レガシー設備使用時でもショップフロア設備の状態を監視可能。
• 新たなビジネスモデル：おそらく最も重要。エッジ分析は新たな機会を捉える新ビジネスモデルの形成を支援。例：ジャストインタイム部品管理システムを、故障予測自己分析で改善し、部品交換通知をバリューチェーン全体へ伝達。「必要時」メンテナンススケジュールを実現し、ダウンタイムと部品在庫を削減、より効率的なモデルへ。

製造業の接続性ランドスケープの変化

産業IoTの狙いは、膨大な機械データに高度分析を適用し、計画外ダウンタイム削減、機械メンテナンス総コスト削減、機械学習能力の活用を図ることです。クラウドは、この種の大量データ取得、転送、分析を可能にする上で不可欠な役割を果たしてきました。

エッジコンピューティングと分析は、この概念を新たなレベルへ引き上げます。機械とデータ処理の物理距離を縮めるのです。距離を隔てて多くのソースからデータを取得する企業にとって、この近接性はいくつかの現実への対処を助けます：

• 距離に起因する接続問題、および膨大な継続的データ転送コスト。
• 運用レベルでの分析可用性。複数レベルのユーザーが迅速に意思決定可能。
• リアルタイムでのデータ可用性。より高速（かつ自律的）な意思決定を実現。
• データのセキュリティとネットワークの完全性確保。

これらすべてをエッジコンピューティングで対処することで、製造業者はコスト削減と効率向上を実現できます。さらに、エラーとセキュリティリスクの少ない信頼性の高いデータ転送が可能になります。また、大規模生産と同等の価値で、カスタマイズや小ロット生産も可能になります。エッジコンピューティングなら、柔軟かつ簡素化されたデバイスメンテナンスでこれらすべてが利用できます。

データ速度が求められ、接続が堅牢である必要があるとき、エッジは製造業者が頼るべきソリューションです。AIと機械学習アルゴリズムを適用し、リアルタイムで問題を可視化・診断・予測する目標は、近接性、速度、堅牢なネットワークにより、より容易に達成できます。リアルタイム可視化と予測通知により、チームは即座に是正措置を講じ、重要データを見逃す恐れなく機械を稼働し続けられます。

産業製造は、エッジコンピューティングの潜在力により革命の直前にあります。新世代のスマートIoTエッジデバイスと組み合わせたエッジコンピューティングアプリケーションは、今後数十年で製造業を完全に変革し、コストを抑制しながら更なる効率と生産性を実現するでしょう。