IoT Business & Tech Forum 2017 Review
インダストリー4.0、エッジコンピューティング…
IoTビジネスで「本当に勝つ」処方箋

「機械学習」と「リアルタイム」
二刀流の分析でIoTを活用する
SAS Institute Japan株式会社
松園 和久氏

円滑なIoT導入のヒントは
成功した先進事例に隠されている
株式会社 日立コンサルティング
中村 雄一氏 馬場 隆夫氏

デジタル化によるビジネス変革で
傍観者にならないためには?
アクセンチュア株式会社
河野 真一郎氏

安全・快適な運行のため
IoTなど最先端技術をフル活用
WILLER EXPRESS JAPAN
平山 幸司氏

IoT決済が可能にする
スマートなキャッシュレス社会
みずほフィナンシャルグループ
大久保 光伸氏

課題を解決する2つのポイント
SAS Institute Japan
「機械学習」と「リアルタイム」
二刀流の分析でIoTを活用する
SAS Institute Japan株式会社 ソリューション統括本部 プラットフォームソリューション統括部
 IoT & Advanced Analyticsグループ マネージャー
松園 和久氏

 近年、IoTやデジタルツールの活用意識は高まっているものの、実際の進め方に悩む企業は少なくない。アナリティクスのリーディングカンパニーであるSAS Institute Japanは、機械学習や画像処理、自然言語処理といったAI技術とコンサルテーションを提供中。ビッグデータ分析とリアルタイム分析の二刀流で、企業のビジネスをサポートする。

 『2017年版ものづくり白書』では、日本の製造業が直面している喫緊の課題として、人手不足が顕在化する中での「現場力の維持・向上」と、収益率の低さを打開する「付加価値の創出・最大化」の2つを挙げている。この課題に対して同白書は、データ収集を実施する国内工場が増加していることなどに注目する一方で、「具体的なソリューション等への活用にまでは至っていない」と補足する。

「機械学習の活用」と「即時性の向上」が重要

 このような現状をSAS Institute Japan(以下、SAS)の松園 和久氏は、「IoTや機械学習に関しては多くの企業が手探り。だからこそ、そのHow toを一番知りたがっています」と分析。同社が手掛けた導入事例を考察した結果から「IoTや機械学習の活用には、2つの重点ポイントがあります」と語る。

 最新の事例を見ると、HDDなどを製造する「Western Digital」では、SASが提供する機械学習のソリューションを利用したことで、テスト工程を経る前に歩留りを予測し、不良品に起因する工程の特定がスピードアップ。これが「顧客の信用の向上と、収益性の改善にもつながっている」(松園氏)。また、クレーンなどの設備機器の製造販売とサービスを提供する「Konecranes」では、各クレーンから収集した運転データにリアルタイムで予測アルゴリズムを適用し、不具合の発生確率を瞬時に算出してメンテナンス作業員と連携している。さらに、その運転データを別途分析して製品開発にも役立てている。最後に、大手自動車メーカーでは、リアルタイムに取得したテレマティクスデータに不具合検知を実行している。松園氏はこれらの導入事例から、「予測や検知の為の機械学習の活用」と「IoTデータを活かしたスピード・即時性の向上」こそが成果を出している企業のポイントと説明する。

4M管理の視点で機械学習を活用する

 では、これらの実現で考慮すべき点は何なのか。機械学習の活用で重要となるのは、製造業でおなじみの「4M管理」の視点だ。松園氏によれば、4Mの「Material」「Machine」「Men」「Method」はそれぞれ「分析用データ」「分析ツール・技術」「人・組織」「進め方・プロセス」に置き換えることができ、「分析用データでは『活用目的に応じたデータ収集』、分析ツール・技術では『作業の効率化を指標としたツール選定』、人・組織では『外部リソースを活用しつつも、将来的には内製化』、進め方・プロセスでは『分析作業はPDCAの繰り返し』などが重視されます」と解説する(図1)。

図1:機械学習活用におけるポイントとなる「4M管理」

 これらを踏まえ、SASではGUIの簡単な操作だけで高度な機械学習を実行できる分析環境を提供。これにより、ビッグデータによる高度な分析の実現とともに、分析プロジェクトを通じた人材育成などもサポートする。また、松園氏は分析を進める上で「データの相関関係を追うだけでなく因果関係を追うことこそ重要」と指摘。「分析は、データに現れている因果関係を正確に表現する作業である」という考えから、分析作業には現場の知見を持った人の積極参加を促しつつ、「SASは分析知識の乏しい方にも成果を出す為の仕組みとコンサルテーションを提供して支援する」と訴える。

即時性向上のカギはエッジ・コンピューティング

 次に、スピード・即時性の向上についてはどうだろうか。IoTデータを短時間でアクションにつなげていくためには、「エッジ・コンピューティングがそのカギを握っている」(松園氏)。

 現在、多くの工場のラインではPLC(Programmable Logic Controller)を介した自動化が進んでいるが、重要な工程ほど人間が介在する。なぜなら、一律にプログラムされた処理では、設備の運転状況や製品条件に応じた柔軟な運転は対応できないからだ。そこで、PLCより一段上で、少し俯瞰できる位置にエッジ・デバイスを配置し、ここでリアルタイムにIoTデータを収集して機械学習を実行。その予測や検知結果に応じて最適なパラメータを詮索し、指示につなげていけるエッジ・コンピューティングを導入すれば、「新しい製造工程の実現と収益性向上の両立に役立ちます」と松園氏は言う。

 SASではこのようなエッジ・コンピューティングへの取り組みを既にスタートしており、Ciscoと共同で「Cisco SAS Edge-to-Enterprise IoT Analytics Platform」を提供している。これはCiscoが提供するゲートウェイのなかにSASのソフトウエアを搭載し、その中で機械学習を行うというもの。イタリアの電力会社などで既に導入されている。

 仕組みとしては、まず「データ発生源」からデータを送られた「エッジ・コンピューティング」が、機械学習の結果から必要な指示をデータ発生源に返す。さらに、ひとつの工場内には多数のエッジ・デバイスが配置されるため、それを専用で管理する「エッジ・デバイス管理」との連携も備える。また、工場内で発生した膨大なIoTデータは「クラウド・データセンター領域」に蓄積し、ビッグデータ分析を行うことも可能だ(図2)。

図2:SASが実現するエッジ・コンピューティングのイメージ

 このように、SASは蓄積したデータでのビックデータ分析を提供するとともに、IoTデータのリアルタイム分析エンジンも用意している。この仕組みを「IoT・アナリティクス・ライフサイクル」と呼び、まさに二刀流の分析に対応したシステムを提供できるのが大きな特徴だ。同社は、このIoT・アナリティクス・ライフサイクルで企業のIoTデータ活用を効果的に支援していく。

お問い合わせ

SAS Institute Japan株式会社
TEL:03-6434-3018
URL:https://www.sas.com/ja_jp/home.html


ページトップへ戻る