第15回「製造業のビッグデータにおけるAI活用の課題とは?」

ハングの発生

IoT(モノがインターネットに繋がる事象)とAIが工場のあらゆるQCD管理(「Quality:品質・仕様」「Cost:コスト・原価」「Delivery:数量・納期」)に適用された場合、工場の様々なシーンにおけるデータが各種センサーを通じて集積・分析・共有し続ける事になります。このような工場は「スマート工場」という名称が用いられ、日本産業界が目指す「Society5.0」やドイツが先駆的に実現している「インダストリー4.0」の理想像であり、これによって一切の無駄が生じない極限の製造ビジネススタイルに至ります。

ただし、ここに「データ量」という現実的な視点を持ち込みますと、ひとつの課題点が見えて来ます。全ての工場の生産活動が可視化(見える化)されてデータとして処理され続ける時、そのあまりの膨大なデータ量によって通常システムでは対応しきれず途中で稼働を停止してしまう状態、いわゆる「ハング」が発生するリスクがあります。

ハングはシステムが受け入れる事のできない程の量のデータ、つまり「ビッグデータ」を捌ききれない時に起こります。電子世界における処理人材不足なのです。電子世界がハングする程の情報量を人がひとつひとつ確認する事も出来ませんので、そこに新たなテクノロジーを適用する必要性が生じます。このような電子世界の処理能力不足を解消する為のヒーローがAIとなります。

AIとビッグデータ処理

現在のAIは主に3つの得意分野を有しています。数値予測・ニーズ・マッチングなどを展開する「予測機能」、情報判断・情報仕分け・音声識別・画像識別・動画識別・異常検知などを展開する「分類機能」、作業自動化・表現生成・行動最適化などを展開する「実行機能」です。ビッグデータ処理を行うAIは、特にこの中での「分類機能」に特化したものが大きな役割を果たします。

それぞれ機能領域における具体的な活用事例は、「予測機能面」では「線形回帰」「重回帰」「協調フィルタリング」、「分類機能面」では「ディープラーニング」「ロジスティック回帰」「SVM」「k-means法」、「実行機能面」では「DQN」「自然言語処理」といった名前が上がります。様々なAIのアルゴリズムを活用し、そのシーンにもっとも見合った形を適用しているのです。

AIがビッグデータ処理を効率的かつ適切に行う際に重要な観点が、日付時刻情報(タイムスタンプ)です。リアルタイムで生産活動全体を監視したい場合、「日付時刻情報をIoTシステム全体におけるどのような状況・順序で刻印するのか」という設定に誤りがあると、日付時刻に対するデータの信頼性が失われてしまいます。ビッグデータを取り扱うIoTシステムは、場合によっては「データを伝達する順序」「実際に事象が発生した順序」という2点に相違が出るケースが見受けられます。スマート工場の理想像を実現する為には、この点を十分に配慮した上でAI学習を促さねばなりません。

ここまでご愛読いただきありがとうございました!

よろしければ弊社SNSもご覧ください!
Twitter https://twitter.com/CrystalmethodZ9
Facebook https://www.facebook.com/クリスタルメソッド株式会社-100971778872865/