製造業向けエッジコンピューティング

はじめに

新しい技術は、製造業者が現場の工程を連携させ、データを収集する方法に革命をもたらしています。

中でも最も有望視されているのがエッジコンピューティングです。

エッジコンピューティングとは、データが収集される場所の近くにコンピューティングリソースを配置することで、データの集約と処理を改善する手法です。

本ガイドでは、エッジコンピューティングについて紹介するとともに、あらゆる規模の製造業者が、IIoT 機械監視の取り組みを推進するためにエッジデバイスを活用することで、どのようなメリットが得られるかを解説します。

エッジコンピューティングとは、コンピューティングワークロードをネットワークの「エッジ」、つまり集中型データセンターやクラウドよりもネットワークのエンドポイントに近いデバイスやリソースに割り当てることを指します。

製造業において、エッジコンピューティングのリソースには、機械、ゲートウェイ、プロトコルコンバータ、あるいはその他の種類の産業用コントローラなどが含まれます。製造業では、エッジコンピューティングといえば、多くの場合、専用のエッジデバイスの利用を指します。

コンピューティングリソースを分散させることで、メーカーは以下のことが可能になります：

1. データ処理速度を向上させる

2. 早い段階で信号と雑音を分離する

3. データの利用しやすさを向上させる

エッジコンピューティングの根底にある考え方は、情報の発生源で処理を行う方が、より高速かつ効率的であるというものです。

産業用資産からデータセンターへと情報がどのように伝送されるかを考えてみましょう。 機械は稼働中に、温度、振動、回転数（RPM）、リソース消費量などのデータを生成します。そのデータは、エンジニアが活用できるようにするために、何らかの形式やプロトコルの変換が必要となるでしょう。その後、データはオンプレミスのサーバーか、クラウドデータベースのいずれかに転送されます。クラウドに送信される場合、地理的に分散した1台または複数の物理サーバーまで、かなりの距離を移動する必要があるかもしれません。

クラウドコンピューティングとストレージは産業用IoTにとって不可欠ですが、データの生成、処理、および返送という一連のプロセスにおいて、遅延、帯域幅、およびデータ管理に関する問題が生じる可能性があります。

繊細な製造工程においては、わずかな遅延であっても、効率や品質に重大な影響を及ぼす可能性があります。

エッジコンピューティングは、データ処理がデータの生成場所から地理的・ネットワーク的に近い場所で行われるようにすることで、このような事態を防ぎます。

製造業においてエッジコンピューティングが重要である理由を理解するには、クラウドアーキテクチャに伴ういくつかの課題を理解する必要があります。

製造業では、かねてより集中型の情報アーキテクチャが採用されてきました。集中型システムでは、業務全般で生成された情報がバックボーンサーバー上で処理・保存されます。これは、大量のデータを処理する上で重要な役割を果たすだけでなく、機密性の高い制御の管理においても不可欠なものです。

クラウドの登場により、この「バックボーン」はオンプレミスのリソースから地理的に離れた場所へと移行しました。しかし、データがクラウドへとたどる経路は、本質的には変わりません。

エッジコンピューティングの進展により、製造業は分散型モデルへと回帰しつつある。

データ処理を単一の場所に集中させるのではなく、エッジコンピューティングのような分散型システムは、ネットワーク全体の各ノードに存在する演算能力やストレージ容量を活用します。この種の構造が「分散型」と呼ばれるのは、利用可能な十分なリソースがある場所で計算が行われるためです。分散型システムでは、処理が行われる場所を決定する主な要因は、その場所との物理的な近接性です。

エッジの拡大が分散型コンピューティングの拡大を意味するとしても、エッジがクラウドに取って代わるわけではないという点に留意することが重要です。

むしろ、エッジとクラウドは共生関係にある。

多くのメーカーにとって、データをアクセスしやすく、拡張性のある場所に保存するためには、クラウドインフラが不可欠です。また、オンプレミスの設備に多額の費用をかけることなく、十分な計算能力で業務を支えるためにも、クラウドインフラは不可欠です。

クラウドがなければ、データの保存、取得、分析といった作業ははるかに複雑なものとなるでしょう。しかし、現代の機械監視の現実を考えると、エッジコンピューティングが望ましい選択肢となります。

したがって、メーカーは業務のニーズに応じてクラウドインフラとエッジコンピューティングを組み合わせることで、デジタル化の取り組みから最大の効果を引き出すことができる。

このようなハイブリッドアーキテクチャ――つまり、集中型インフラが分散型コンピューティングを支える仕組み――は、しばしば「フォグ・コンピューティング」と呼ばれます。言い換えれば、フォグ・コンピューティングとは、クラウドを現場のすぐそばに持ち込む手法なのです。

実際、各技術の将来に関する最も信頼性の高い予測によれば、クラウドとエッジの両方の市場規模は、今後10年間で大幅に拡大すると見込まれています。

エッジデバイスには、センサー、IoT機器、ゲートウェイ、シングルボードコンピュータなどがあります。中小規模から大規模な製造業者まで、これらを活用することで、デジタル化の取り組みを迅速かつ軽量に推進することができます。これらのデバイスは最小限の電力で動作し、消費電力も低く、非常にコスト効率に優れています。

エッジデバイスは、あらゆる機械監視システムにおいて不可欠な要素です。それらが重要である理由はいくつかあります。

プロトコル変換 - すべての機械が同じプロトコルで通信するわけではありません。新しい機械であれば、MTConnectやOPC UAといったプロトコルを、ネイティブで、あるいはKepwareのような変換製品を介して利用できますが、それ以外の機械では、センサーデータをエンドユーザーが理解できる形式に変換するデバイスが必要となります。特に旧式の機械では、センサーデータを有用な情報に変換するための仲介デバイスが必要です。エッジデバイスは、IoT 情報を取得し、データを洞察に変えるために必要なプロトコルへと変換することができます。

複数のセンサーからのデータ - 多くの場合、機械の性能や状態を把握するには、複数のセンサーから同時にデータを取得する必要があります。例えば、CNCフライス盤における部品故障の根本原因を特定するには、特定の部品の劣化に関与する可能性のあるすべてのパラメータに関するデータを取得することが重要です。

エッジデバイスは、複数のセンサーからデータを収集・統合し、機械の状態をより包括的に把握するのに役立ちます。これにより、推測の域を脱し、根本原因を特定することが可能になります。

複数の機械からのデータ - 個々の機械も重要であることは理解しています。しかし、最も有益な知見が得られるのは、単一の機械のデータを部門全体のデータと比較したときです。エッジデバイスは、さまざまな機械からのデータを集約・一元化するのに役立ち、パフォーマンスをリアルタイムで把握しやすくします。

ノイズから信号を抽出する - 機械が生成する情報のすべてが有用なわけではありません。エッジデバイスは、機械が設定されたパラメータを超えた場合や特定のイベントが検出された場合など、重要な情報を、定常稼働中に生成される膨大なデータから選別するのに役立ちます。このフィルタリングプロセスを円滑に行うため、エッジデバイス上で機械学習アルゴリズムを実行するケースが増えています。

リアルタイムのインサイト - 多くの製造業者にとって、機械の監視は生産状況をリアルタイムで把握するための手段です。過去のデータは、長期的な機械の性能や状態を把握する上で重要ですが、稼働時間中の機械の状態を可視化することも同様に有用です。エッジデバイスを利用することで、機械からのデータを視覚的な分析ダッシュボードに転送することが可能になります。機械データをエッジデバイス経由で送信することで、製造業者はリアルタイムのインサイトを得るために必要な分析機能を利用できるようになります。

製造業において成功を収めるためには、継続的な改善のために運用データを効果的に活用することがますます重要になっています。つまり、機械監視プログラムが必要不可欠なのです。

しかし、機械の監視だけでは必ずしも十分とは言えません。製造システムは膨大な量のデータを生成します。そして、そのデータが実用的な形で保存・参照できなければ、何の役にも立ちません。

自社の機械の稼働状況を追跡しているメーカーのうち、データ管理戦略を策定している企業はほとんどない。さらに、現場で生成される膨大なデータの処理に問題がないと回答している企業は、一部の推計によればわずか14％にとどまる。

ここで、エッジデバイスが役立ちます。

エッジデバイスは、機械データを1）判読可能、2）アクセス可能、3）安全、4）追跡したいKPIに関連性のあるものにすることを保証します。

エッジデバイスが実際の製造現場でどのように活用できるかを示すため、Tulip IoT を活用して、既存の機械からデータを収集している事例を見てみましょう。

このメーカーは、よくある課題に直面していました。従来の機械には動作上の不具合はありませんでしたが、インターネットに直接接続することができませんでした。そのため、機械のパフォーマンス測定は手作業で行わなければなりませんでした。その結果、OEEの算出には多くの点で誤差が生じやすく、ボトルネックの分析においても根本原因の特定が困難でした。

生産状況をより深く把握するため、この顧客IoT Tulip デバイスを利用して、アナログ機械をネットワークに接続しました。

このメーカーは、エッジデバイスとセンサーを活用することで、回転数（RPM）やその他の主要な機械パラメータを測定することに成功しました。わずかな初期投資で、生産プロセスに対する理解を深め、ボトルネックを特定し、生産ラインのバランスをより適切に調整できるようになりました。IoT 、このメーカーは複数の機械から同時にデータを収集できるようになりました。そして、Tulip を通じて、この情報を視覚的な生産ダッシュボードに集約しています。これにより、現場の全員がリアルタイムで生産状況を把握できるようになりました。

この機械データと人的パフォーマンスデータを連携させることで、彼らは業務を包括的な視点から把握し、改善すべき点を特定するとともに、仕掛品が生産ラインをどのように流れていくかを正確に把握することができました。

最終的に、このメーカーは生産台数を15％増加させました。同社は、売上原価を削減しつつ、生産拡大という野心的な目標を達成しました。既存工場を再稼働させることで、稼働率と可視性を向上させ、事業に確かな成果をもたらすことができました。