見える化、監視の次は？　ソラコムが考える製造業IoTのメリットと課題

2024年02月19日 09時00分更新

大谷イビサ　編集●ASCII　写真●曽根田元

提供: ソラコム

製造業はモノを作っているだけじゃない

大谷：ここまでは工場の可視化により、機械の故障を予兆したり、検知したりといった話ですが、ほかのソリューションはありますか？

井出：顧客向けのリモート管理サービスとしてのIoTですね。

製造業がやっているのって、モノづくりだけではありません。製造業のDXを考えると、コストを削減することだけじゃなく、利益を上げていくこと。要は付加価値を上げていくことが重要になります。

今までの製造業ってモノ作って、売ったらおしまいでした。でも、デジタルやコネクテッドの導入で変わってきたのは、モノを売って、納めた後のサブスクリプション型サービスが実現するようになってきたことです。通信を使うことで、メンテナンスサービスを提供したり、モノが壊れたときにPLCからより詳細に分析するためのデータを取り出すこともできます。

松下：プラントなどに設置するバルブを製造するキッツという会社では、バルブの開け閉めの稼働データをとって、AIで解析しています。お客さまに対しては、月1回のレポートを提出し、メンテナンス時期をアナウンスするサービスとして提供しています。

バルブの開け閉めデータを解析するキッツの事例

大谷：リモートでメンテナンスや障害の原因特定が可能になるということですね。この場合は、顧客のネットワークを使わせてもらうことになるのですか？

井出：顧客のネットワークとは別のネットワークをSORACOMのIoT向けデータ通信で構築した方が、ハードルが低いです。工場にあるOTネットワークって、コンピューターが使うITのネットワークと基本的には分離されていて、インターネットにつながらない閉域網になっていることが多い。ですから、メンテナンス用に別のネットワークを引くことになります。

大谷：なるほど。リモートサービスはいろいろ考えられますね。先日取材した京都のFUKUDAさんの事例と同じですよね（関連記事：残量検知デバイスでエンジンオイル販売を変えたFUKUDAとSORACOM）。燃料の在庫を適正化しつつ、顧客側の発注という作業自体をなくすという。

井出：製造で使う資材の在庫管理をIoTで効率化するという事例もあります。スマートショッピングでは、在庫管理ソリューションとしてスマートマットを提供していて、資材の重さを量って在庫管理し、足りなくなったら発注するという作業を自動化します。このスマートマットにも、SORACOMが搭載されています。

松下：在庫管理はどの業界でもあるのですが、物流業界以外には在庫管理の専任担当がいるわけではなく、他の業務担当が片手間に実施することも少なくありません。スマートマットを利用して、面倒な作業を自動化することで、本来の業務に集中できるという便利さがあります。

井出：これは比較的IoTでメリットが出やすいソリューションです。結局、資材が足りなければ製造に影響が出ますが、在庫を抱えすぎるとコストがかかるので、適正在庫を保つことが必要になります。

松下：AGCでは、タンクの残量検知を行なって、なくなる前に自動発注するシステムを構築しています。

タンク内の残量検知と自動発注まで行なっているAGC

製造業が柔軟性を得るためのデジタル化、そしてIoT＋AIによる価値創造へ

大谷：今後、製造業はますますデジタル化していくのでしょうか？

井出：製造業では、親会社、子会社、外部ベンダーなどが連携してモノづくりを行なっているので、上流の会社がデジタル化していったら、子会社や外部ベンダーはおのずとデジタル化を求められてくるはずです。

昨年のモノづくり白書をひもとくと、「サプライチェーンが分断されている」という課題が書かれています。今、作っているモノを、どのメーカーも恒久的に作ればOKという時代は終わっており、市場のニーズに合ったモノを作るために、発注先をダイナミックに選んでいく柔軟性が必要とされています。

松下：テスラモーターズとか、まさに好例ですよね。

井出：そのような判断を的確に行うために、デジタルを導入することで、サプライチェーンを管理したいというニーズが大きくなると思います。逆に言えば、デジタルがなければ、サプライチェーンの効率的な管理はできないはずです。

大谷：最後にAIの活用について教えてください。IoTで集めたデータをどのように解析するかという点で、いろいろ興味深いです。

井出：クラウドにはセンサーデータが溜まっているので、機械学習で正常、異常を解析するというのがオーソドックスなユースケースですね。

前述したAmazon MonitronにはAWSの機械学習アルゴリズムが組み込まれているので、デバイスからアプリまでワンストップで利用できるのが最大のメリットです。振動自体を可視化する製品は今までもありましたが、数が増えると監視も大変です。でもMonitronでは、数多くの機械の中から、どの機械を優先して部品交換した方がよいかまで教えてくれます。

松下：画像解析に関しては、先ほども話したとおり、データが溜まる前に製造が終わってしまうというプロジェクトが多いのが難点でした。一方で、生成AIに関しては、自社データをきちんと学習させることで、ナビゲートとして期待できるのではないかと思います。たとえば、故障時にどのように対応すべきか、自ら探さなくても、ガイドしてくれるみたいなイメージですね。

昨年末に参加したAWS re:Invent 2023のインダストリアルゾーンで見たデモは、工場のデジタルツインで機械の故障をアラートで上げてくれるというもの。これだけなら、まあ予想が付くのですが、さらにAWSの生成AIアシスタントサービス「Amazon Q」と組み合わせることで、故障した部品の品番と対応方法までアナウンスしてくれるんです。どの現場に行き、どの機械のどれをいじればいいかまで教えてくれる。これなら僕でもできるなと。

井出：マニュアルの「こんなときどうする？」みたいな例を、すべて把握しているということですよね。

松下：生成AIの精度を向上させる手法として「RAG（Retrieval Augmented Generation）」が注目されています。自社が持つデータやドキュメントと生成AIを組み合わせることで、例えば初期対応をどうすればいいかくらいはできそう。誰しも扱える製造ラインの実現にCopilotとして寄与できるのではないかと。無人まではいかなくとも、省力化にはつながるかなと思いますね。

大谷：ありがとうございました！