eを現わしつつある盜颪DX:2IoMとIndustry 4.0 (2) データの可化
i川耕司の寄Mによる連載「eを現しつつある盜颪DX」シリーズ2陲2vでは、IoM(Internet of Manufacturing)に関するカンファレンスの中から的な講演内容をレポートする。スマートファブで予保にDり組み、実績を屬欧討いSchneider社の例を紹介している。(セミコンポータル集室)
著v:AEC/APC Symposium Japan i川耕司
iv、盜]業でのDXの萌芽ともいえる光景を書いた。半導i行の先端\術新鋭工場とは異なり、模的には、kvりも小さな]工場のスマート化のBだ。華やかさをLいた、いささか懸念をQいた始まりだった。しかし、参加v、プレゼンターの議bを`の当たりにするにつれ、盜颪砲ける]業の_いT在に`を覚まさせられていく。]のスマート化とは、困Mかつ野心的な命であることを見せつけられる。
2-3. スマートファブの現実は?
Schneider Electric 社歟甘Innovation LeaderのKenneth Labhart は、Schneider社でのIoT化に、デジタルトランスフォーメイション(DX)という言を使した。同社はPLC(Programmable Logic Controller)を世cで初めて商業化した会社と聞いている。Schneider社は、約270億ユーロ(約3兆1000億)のQ間売幢Yをeち、フランスに本社をく、コングロマリットだ。売幢Yでは、日本のNEC社と同度の模に当たる。業^数約13万5000@ 、その傘下に98のDistribution Centerをeち、207ヵ所のファブを44ヵ国にeつ。ファブスマート化による、社に渡る]効率の改を`bみ、2017Qにスマートファクトリープロジェクトをスタートさせた。6ヵ月で、10の工場にプロジェクトをt開して、現在では、80の工場でDXプロジェクトが進行中という。
戦S的には、スマートファブ化の社的t開のコンセンサスが成立している。その中で、小さなプロジェクトから始め、次にプロジェクト模を拡jしている。`Yはjきく、現実は、B元のk歩から、という}い考えだ。
同が使ったケンタッキーΕ譽シントンのアセンブリ工場のケースは、このカンファレンスの発表の中では、最j模のプロジェクトの例だと思う。(図2.4) この工場は、1957Qに建てられ、業^数408@である。配電盤のや、セイフティスイッチを攵する。アセンブリ工に使われる主なプロセスは、プラスチック成形、電気メッキ、電気ペイント、金鏖湛というところである。新鋭工場のBではない。工場の模から考えて、プロジェクトのとなる、ネットワークに接するの数は、最jで数というところかと推定される。
図2.4 Schneider社レキシントンファブ 出Z:Brownfield Smart factory, Lexington, KY , Kenneth Labhart, Schneider Electric を元に筆vが作成
Labhart の講演は、データの「見える化」のインパクトを述べた内容であった。工場の流れ作業の中で突こるの停V(unplanned equipment down)は、厄介な問である。停Vに至るには、予兆がある。予兆を見つけ、故障に至るメカニズムを理解して、官策を行使するというBだ。
停Vの予兆となるのパラメータを絞り込むためには、データ収集の仕組みに、k旦は触れなくてはならない。アセンブリ工場には、少なくとも、数|類の異なる工があり、Q工には数会から数のが動いている。工の違いから、から集まる情報の|類が異なっている。筆vは、この時点で、Qプロセスから集めてくる情報がプロセス毎にどのように違っているのかの記述に、困Mを覚えながら書き進めている。念的なレベルの記述でおしいただき、Bを進めたい。
から出てくるパラメータ(例えば、電流、電圧、流の流]、圧、a度、バルブの開閉]度、プロセススピード、オペレータの報告等々)は、数Hくあり、停Vに関連するパラメータと、く関連しないパラメータとが混在している。このデータの僂涼罎ら、関連するパラメータだけを絞り込む。関連するパラメータから予Rモデルを作成して、そのデータをモニターする。
筆vは、半導i工に使われているビッグデータ収集の世cに、長くした。半導i工のアタマのままでいる。この時点では、どの度@密なデータ収集が行なわれているのかという期待を内包してプレゼンテーションを聞いている。
1分間の間に、どれだけj量の情報が、ネットワークに流れ込んでくるかを考えると、頭が真っ白になる。これらの情報は、リアルタイムで処理されなくてはならない。から出てきた情報をデータベースの中に格納して、いつでもすぐにDり出せるXにすることである。Qデータには、住所(アドレス)がいており、データベースのめられた番地に収まっていく。人間は、これらのデータをグラフやプロットの形に「可化(見える化)」しないと、理解できない。データの可化するためのソフトウエア群が要になる。
このk連の作業に、リアルタイムが要求されるのだ。がVまってから、データが出てきたのではBにならない。このような高]化でのj量のデータ処理はビッグデータ収集システムと}ばれ、ここ数Qようやく実化されてきている。
このようにデータを見える化したのち、どのパラメータを監して、どのような異常挙動が出たら、停Vがこってしまうかを理解する。これが、予Rモデルの念である。予Rモデルからの情報で、が停Vするiにメインテナンスを行う予保が要である。
ZQ@がれているAIは、この壻でを発ァする。ここでしばしばAIが判を行うとの誤解がある。AI (機械学{やディープラーニング)は、蓄積されたデータ間のあらゆる相関関係を高]で解析できるため、いろいろなケースを組み合わせたシナリオを瞬時に組み立てることができる。いわゆる、予Rモデルによる[定シナリオである。予Rモデルの基本を作るのは、データサイエンティストと}ばれる\術vである。予Rシナリオの中には、もっともらしいシナリオもあれば、反瓦砲箸鵑任發覆い隼廚錣譴襯轡淵螢もある。
どのシナリオを基にして、棺菎法を組むかを判するのは、人間だ。どのような棺菎法をDれば、jに至ることなくすむのか、判を求められる。仮に、停Vがこっても、どのような棺菎法をとれば、]時間でを復帰させ、被害を最小に食いVめることができるか、最_要な判を下すのは、人間なのだ。
このケースでは、のUnplanned Equipment Downtimeの6%削を報告している(図2.5)。また、Mobile AR(拡張現実)を使った、とそのデータを同時に覚化する~効性についても言及した。20%のMTTR(Mean Time To Repair)削の例である。OEE = MTBF/(MTBF+MTTR)の式を思い浮かべると、MTTR20%削の与えるインパクトはjきいものがある。ここで、OEEは総合設効率(Overall Equipment Effectiveness)、MTBFは平均故障間隔(Mean Time Between Failures)である。
図2.5 ケーススタディ、スマートファブ 出Z:Brownfield Smart factory, Lexington, KY , Kenneth Labhart, Schneider Electric を元に筆vが作成
この辺りになり、まきながら、筆vのアタマの切りえが始まった。このプレゼンターの主は、高]データ収集や予Rモデルを使ったリアルタイムでの予Rという先端ITの仕組みを述べることではない。このようなITの仕組みを、]現場で使いこなそうとしている現実を彼の点から述べることにあるのだ。図2.5の中で、MobilityとKnowledge sparkという言が印的だった。ことが進行している場で、人間がITシステムのを借りて、その場でを理解し、最適な解策を判する。Pは現場できているのだ、会議室ではない。どっかのTV番組で聞いたセリフを思い出す。判を素早く実行に,垢海箸砲茲辰董Mobilityを確保する考え気鮨唆している。
その後、Labhartは、ITとOT (Operation Technology) に言及し, 両vの融合の要性を述べている。さらに、]現場での人の役割の変化にも~単に触れている。
k点だけ、言には屬辰燭、言及しなかった項`がある。ROI (Return Of Investment)である。6%の停V時間の削というアウトプットに瓦靴董見える化に要なITシステムへの投@Yは見合うものであったかどうか。筆vはこの点に関心があった。しかし、このプレゼンテーションにおいて、ROIは考慮するのに要な項`である、と述べただけに里泙辰討い襦
最後に、DX(デジタルトランスフォーメーション)の旅は始まったばかりであり、この後も、スマートファブの実現には、Long Journeyが要だと締めくくった。彼の講演の雰囲気は、 単にバラ色の来気鱸Wくものではなかった。]組Eの中で、DXを推進するリーダーとして、プロジェクトの成功に向けての現実的な歩みをとつとつと語る、_みのある内容であった。彼のC影の中に、k瞬、深いシワを見たのは、筆vの気のせいであったのだろうか?
会場の反応は、淡々とした雰囲気であるものの、X心にメモをDるe(ラップトップをくe)がHかった。中、深くDくeもHく見られた。出てきた問は、DXプロジェクトを推進するにあたっての、社内根vしやら、リスクのDり気某┐譴詁睛討任△辰拭ANDONという]理念は、今日の成功をもたらせたものである。DXプロジェクトを推進するということは、k旦成功をもたらした理念を捨てまで、さらなる]効率を求めるために、別の]理念に々圓垢襪海箸澄先端ITを使った仕組みへの々壻を社内組Eの中でどう行なっていくのかという菘世任痢▲▲疋丱ぅ垢鮓陲問が`にいた。盜颪任料避E内陲虜vしは、日本でのものとは異なるCがあるものの、T構しんどいものだ。問vの気癲▲廛譽璽鵐拭爾汎韻犬茲Δ平篆頁vとしての立場にあるようだ。
2-4. 28%の成功確率のB
スマートファブへのOは、平Qではない。盜颪任呂匹嶺度の企業が、スマートファブ化へ、的なアクションをDっているのだろうか?参考になるレポートがある。INC Researchが2019Q9月に出したレポートだ。次のようなデータがある;
・8% の企業-- DXを的に社内プロジェクトとして推進し、j模な成功例を経xしている。ビジネスとして、ROIのT果を出している。改のスピードにも満Bしている。
・20% の企業--- `に見える改T果が出始めている。会社としても凖な価値を認められている。プロジェクトの模拡jにT欲をeてる。
・13%の企業 -- パイロットプロジェクトの段階でVまっている。はっきりとした改効果がuられていないため、次への確なステップがWけていない。
・37% の企業-- パイロットプロジェクトが進行中で、まだT果が見えていない。
・22%の企業 -- DXをt開するかどうか、まだ検討中。
このデータから、28%の企業が、スマートファブ化に積極的にDり組んで、M的に拡j化を進めていく考えをeっていると見て良いと思う。
28%の成功の分類に入る中でも、スマートファブ化に先行している、いわゆる1グループの企業は、企業あげてのDり組みを行っており、先のSchneider社のケースはこの例に入る。同じ28%の中でも、2グループの企業は、工場でt開しておらず定の業所か、定のプロセスにt開している段階だ。
今日の成功を捨ててまで、新しい仕組みへの々圓鮖遒澆襪砲△燭蝓28%をリスクに見合った確率と見るか、それとも、割の合わない確率と見るか?この数C、読vのSさんは、どの様に捉えるだろうか?
このv、先端IT\術をし、スマート化を図る推進vの点を紹介した。`Yは高く、現実的なk歩は}い考え気澄W翔ける様にり来る先端IT\術に瓦靴董△修譴鮓充造忙箸い海覆后地CにBをつけたとも言えるOT笋点をみることができる。
半導新鋭工場にインストールされる先端ITシステムビジネスでは、数、ネットワークのサイズのjきさ、それらにvされる投@金Y、いずれも巨jである。巨jな@本がk度に投下され、先端IT\術、最新、最新プロセス\術、先端\術v集団が、W空より舞いTりる様にの進tを進めていくような、スピード感にあふれたビジネスだ。
しかし、IoMで筆vの`に映っているのは、このような世cとは異なる。kつkつは小模な古いファブ、異なる場所に立地するH数のファブがだ。講演内容は}いものの、地味な印を覚える。筆vには、華やかさにLける、あるT味では気がかりな始まりに見えていた。
次vでは、IT\術笋点に立ち、何が見えているかを紹介したい。
(く)