デジタルトランスフォーメーションの衝撃第 4 回

By マイクロソフトエンタープライズチーム

2016年12月13日

デジタルトランスフォーメーションの衝撃
インテリジェントプロセスで「業務を効率化」

デジタルテクノロジーは、製品の生産、機器の保守、施設の管理、顧客のアフターサービスなど、あらゆる業務プロセスの即応性、サービスレベル、コスト効率を極限にまで高めることを可能にします。さらに将来起こりうる事象を予測し、問題が顕在化する前に対処する試みも始まっています。

IoT (Internet of Things) の進展によって、身の回りのさまざまなモノがインターネットにつながるようになりました。センサーやモバイルデバイス、ウェアラブルデバイスといった多様なデバイスが、膨大な量の情報を自ら発信するようになったのです。これらのデータをクラウド上に集約すれば、今までは実現できなかったリアルタイムの対応や革新的な知見の獲得が可能になり、従来の業務プロセスを根本的に改善したり、あるいはまったく新しいプロセスに置き換えたりすることが可能になります。

ドイツが産官学を挙げて推進しているプロジェクト「インダストリー 4.0」もこうした取り組みのひとつです。バリューチェーンに含まれる業務の現場をクラウド上で可視化し、生産計画や在庫状況などの変化に合わせて、工場のラインをはじめとする生産機器・システムをリアルタイムでコントロールする――。これがインダストリー 4.0 の骨子であり、こうした取り組みは「スマートファクトリー」とも呼ばれています。

センサーや機器をネットワークでつなぐ

さまざまなセンサーやデバイスからデータを集めて、業務を効率化する試みは、IoT という言葉が生まれる以前から行われていました。工場におけるファクトリーオートメーション (FA) や建物におけるビルディングマネジメントシステム (BMS) はその代表例です。ただし、IoT がこれらと違う点は、よりネットワーク化、オープン化、大規模化、そしてリアルタイム化が進んでいる点です。

例えば、米カーネギーメロン大学は、7,000 平方フィートの面積を持つ大規模な研究所に設置したセンサーやアクチュエーターから情報を収集するシステムを構築しました。高度な建築技術を研究する建築物性能診断センターが、建物のエネルギー効率と運営効率を向上させるために導入した新しいシステムです。

これまでとの違いは、冷暖房、換気、照明、電力、セキュリティなどを制御する数百ものセンサーやアクチュエーターをネットワークにつなぎ、それらが発信するデータを 1 つのシステムの上に集約したことです。従来は、これらが発信するデータを個別の "閉じた" システムを通じて収集し、分析していましたが、非常に時間がかかる割に、そこから得られる有益な情報は限定的なものでした。この状況を改善するために同センターは、Microsoft SQL Server Enterprise と Microsoft Azure のハイブリッドクラウドによるデータ統合・分析ソリューションを導入しました。センサーなどから収集したデータは Azure SQL Database や Azure HDInsight などのクラウドサービスで分析される仕組みです。

現在、職員は Power BI を利用してデータを統合し、わかりやすくビジュアル化されたレポートに変換し、関係者と共有しています。現場のデータにリアルタイムでアクセスできるようになったため、故障した機器を即座に発見できるなど、その時々の状況に即応できるようにもなりました。この結果、研究所のエネルギー消費量をおよそ 3 分の 2 に削減することができました。

世界中に広がるシステムをリモート監視

大規模化、広域化の代表例が、水やエネルギーに関するテクノロジーおよびサービスの世界的プロバイダーである米エコラボです。

同社は、顧客企業に効果的な節水方法を提案するサービスなどを含む総合的な水処理ソリューションを提供しています。この事業の拡大のために、世界 100 か国以上で顧客企業が運営する 3 万 6,000 もの水処理システムからデータを収集し、クラウド上に集約するシステムを構築しました。顧客企業ごとの水処理の状況をリモート監視する仕組みです。

マイクロソフトが同社と連携して開発した水処理ソリューションは、以前のものより遥かに規模が大きく、非常に高機能です。そのプラットフォームには、多様なデバイスが発信するデータを収集するクラウドサービス Microsoft Azure IoT Suite をはじめとする Microsoft Azure のクラウドサービスを活用しました。

このシステムの導入により、現場担当者が水処理システムの投資効率を計算して顧客に伝えたり、水やエネルギー、操業コストの削減方法について助言したりすることが可能になり、サービスレベルが大幅に向上しました。

機械学習により将来的な故障や障害を予測

AI 技術の一種である「機械学習」をデータ分析に活用して、機器や設備の障害や故障の予測に取り組む企業も登場し始めています。トラブルが発生する前に補修や交換を行うことによって、ダウンタイムをなくし、メンテナンス業務を効率化するとともに、顧客満足度を向上することが狙いです。

機械学習とは、人間の学習能力と同様の機能をコンピュータで実現する技術を指します。例えば、これまでに蓄積したセンサーデータと、そのデータが取得された状況でどのような事象が起こったのかを学習します。この学習結果に基づいて、センサーからどのようなデータが得られたら、どんな現象が起こるのかを予測します。学習するデータが膨大であれば、人間が取得していない新たな知見を見いだすことも可能です。

加工組み立てメーカーの米ジェイビルサーキットは、こうした取り組みで大きな成功を収めています。28 か国に拠点を持つ同社は、世界中の工場の生産ラインから収集したデータを Azure のクラウド上に集約し、さらに Cortana Intelligence Suite を導入して、機械学習によってデータを分析するシステムを構築しました。このクラウドサービスは、ビッグデータを顧客がアクションに移せるインテリジェンス (知) へと変換する役割を担います。

新システムによって、生産ラインから収集したデータをリアルタイムに分析し、製品の不具合の発生を予測することが可能になりました。潜在的なエラーが検出されると、システムが自動的にエンジニアやオペレーターの注意を喚起します。個別の生産ラインを監視するだけでなく、世界中のすべての工場と製品からデータを収集して、分析を行っていることが大きな特徴です。

このシステムによって生産効率を大幅に向上できただけでなく、生産ラインそのものの改良につながる知見も得られるようになりました。同社では、今後このソリューションを環境制御システムやその他のデータソースと統合することも計画しています。

日本企業の業務の最適化も加速

日本でも、IoT や AI を活用して、将来的に起こる事象の予測を試みる企業が登場し始めています。空調設備を中心に総合的なシステムエンジニアリングを提供する高砂熱学工業は、そうした企業の 1 つです。

「環境ソリューションプロフェッショナル」を目指す同社は、機械学習を活用した「設備運用最適化システム」の開発を進めています。最適運用を行ううえで空調の熱負荷予測は重要な要素であり、空調設備の制御機能と予測機能の連携が必要とされていました。

同社では、これまで熱負荷予測の実用化を難航させていた、膨大なデータの蓄積と建物ごとのソフトウェアのカスタマイズの必要性という課題を解消する手法として、クラウドや AI の採用を決断。Azure Machine Learning の機械学習サービスを活用した検証プロジェクトに着手しました。このプロジェクトにおいて、Azure Machine Learning が過去のデータを学習して、温度や電力などのセンサーから収集するデータを基に熱負荷を予測するシステムを構築したのです。

2016 年 1 月に提出された最終報告では、過去に高砂熱学工業で行ってきた予測と近い結果が得られたと評価され、加えて「熱負荷の平均値を特徴量 (変数) にすることで、精度は高められる」「2 週間分の熱負荷平均を特徴量にする場合と比較し、前日の熱負荷を特徴量として用いるほうが、より高い精度を導き出せる」といった、精度向上へ向けた新たな知見を得ることにも成功しています。同社では、機械学習を利用した熱負荷予測の実用化に大きく前進したという実感を得ています。

このほかにも、業務の最適化という課題に関して、日本マイクロソフトは数多くの日本企業との協業を開始しています。例えば、2016 年 9 月には、売上高世界トップの工作機械メーカーである DMG森精機と、工作機械を中心とする制御システムのネットワーク化によるスマートファクトリーの実現に向けて技術協力することを発表しています。工場内のすべてのデバイスをインターネットに接続し、設備の情報やセンサーデータをクラウド上に集約し、リアルタイム解析や生産・品質管理の最適化に取り組む予定です。

こうした流れはまだ始まったばかりです。今後も多くの企業が、製品の生産、機器の保守、施設の管理、顧客のアフターサービスなど、あらゆる業務を効率化させるために、デジタルテクノロジーを活用する動きを加速させていくことになるでしょう。

デジタルトランスフォーメーションの衝撃第 4 回