by Ganesh Hegde
この記事は、2024/1/30 に公開された「Achieving Trusted AI in Manufacturing」の翻訳です。
現代のダイナミックな製造業の世界において、AI は、変革的な差別化要因として台頭しました。そして、革新と効率を上げることで競争上の競争上の優位性を求める企業にとって、業界を再構築するほどの影響を与えています。第4次、第5次産業革命が進行するなか、AI 技術は製品の設計、生産、最適化のパラダイムシフトを促しているのです。
企業が膨大な量の履歴データを保存できるようになったことで、AI は、マーケティングやサプライチェーンの最適化、新製品開発など、あらゆる業界の一般的なビジネス分野に応用できるようになりました。さらに、このデータと、ビジネスやプロセスに関するコンテキストがあれば、AI をオペレーションの開発・強化の重要なビルディングブロックとして活用することができます。
製造業においてAI が大きなメリットをもたらす機能分野は数多くあります。主な使用例をいくつかご紹介します。
- 予知保全：機器から送られてくる時系列データ (センサーデータ)、過去のメンテナンスログ、その他のコンテキストデータにより、機器がどのように動作し、機器や部品がいつ故障するかを予測することができます。AI を使えば、いつ、どのような行動をとるべきかを適切に指示できます。
- 品質：目視検査、歩留まり最適化、故障検出、分類などのユースケースは、AI 技術によって強化できます。業界セグメントによって結果は異なりますが、例えば、半導体産業において歩留まりをほんの1%改善するだけで、数百万ドルの節約になるなど、非常に大きな改善となります。
- 需要予測：AI は、過去のデータ、トレンドや、外部要因 (天候、休暇シーズン、季節性、市場の状況など) に基づいて、商品の需要を予測するために使用することができます。
AI は、スマートインテリジェント工場の推進、生産プロセスの最適化、予知保全やパターン分析、パーソナライゼーション、センチメント分析、ナレッジマネジメント、異常検知など、多くのユースケースを可能にします。しかし、強固なデータ管理戦略がなければ、効果的な AI への道は険しいものとなります。
普遍的な産業データへの挑戦
信頼できる AI の基盤としてのデータは、ビジネスプロセスを変革し、製造業の革新、新たなビジネスモデルの定義、新たな収益源の確立を支援する道を切り開くことができます。しかし、多くの経営者は、新たなユースケースに AI を含む新技術を採用することに課題を感じていると述べています。ガートナー社によると、製造業の CEO の80％が、人工知能 (AI)、モノのインターネット (IoT)、データ、分析に代表されるデジタルテクノロジーへの投資を増やしていると述べています。しかし、デジタルトランスフォーメーションへの取り組みが成功していると回答した製造業の組織は、わずか8％に過ぎないともガートナーは報告しています。これは非常に低い数字です。
普遍的な産業データの欠如は、製造業者の間で AI の採用を遅らせている主要な理由の1つです。先進技術は、デジタルトランスフォーメーションの取り組みの一部に過ぎません。優位に立ちたい企業は、データの役割と価値を理解しなければなりません。データを収集するためのセンサーはコストが非常に低いため、新しい設備にはセンサーが標準装備され、古い製造設備にはセンサーが後付けされています。これは、膨大な量のデータを収集し、管理し、活用できる能力を持っているということなのです。
産業用 IoT の時代である今、膨大なデータセットから実用的な結果を生み出すツールを、すぐに導入できます。しかし、これらのデータに対する最高レベルの信頼がなければ、AI/ML ソリューションは疑わしい分析を行い、最適とは言えない結果をもたらします。データには関心のあるすべてのシナリオが含まれており、アルゴリズムがそれを解明するだろうという、データに関する誤った前提でソリューションを構築する組織は珍しくありません。信頼できるデータと堅牢なデータプラットフォームで徹底的に基礎固めをしなければ、AI/ML のアプローチは偏った信頼できないものとなり、失敗する可能性が高くなります。簡単に言えば、多くの組織が AI の価値を理解できていないのは、そもそも欠陥のあるデータが適用されている AI ツールやデータサイエンスを使っているからです。
AI は信頼できるデータから始まる
データの課題を解決し、製造業におけるデータドリブン型 AI を促進するものは何でしょうか？それは、堅牢なデータプラットフォーム上に構築されたデータ戦略を策定することです。
製造オペレーション部門と IT 部門は共にデータ中心の文化を発展させ、特にIT 部門は、信頼性とセキュリティに重点を置いた包括的なデータライフサイクル管理に責任を持たなければなりません。
データに関しては、特にいくつかのベストプラクティスがあります。
- 非現実的なことをする必要はありません。製造現場で解決すべき試験的な問題から始めます。
- 製造業務の付加価値向上に役立つユースケースを特定。収集したいデータを決定します。
- IT と OT の融合によるデータの収集と取り込みの機能を構築し、クラウドの一元プラットフォーム上に現場と設備のデータを収集し取り込みます。
- 製造データの AI 分析において重要な、適切なコンテキストデータ (IT/ビジネスデータ) を追加します。
- データのサイロをなくすこと。複数のソースからのデータを一元化し、共通のデータレイクに保存することで、バリューチェーン全体で信頼できる唯一の情報源を持つ必要があります。
- 信頼できるデータに AI ツールとデータサイエンスを適用し、適切な人材やシステムに洞察を提供することで、最良の情報に基づいた意思決定を行います。
ハイブリッド・データ・プラットフォームの価値
AI は、製造業者がオペレーションを改善し、レベルアップした卓越したオペレーションを達成するのに役立ちます。しかし重要なのは、複雑な AI システムではなく、まずデータに焦点を当てることです。製造業はいまだに、さまざまな種類のプラットフォーム (オンプレミス、プロバイダークラウド、パブリッククラウドなど) で、レガシーなインフラやデータソースを使用しています。このような課題を解決するためには、ハイブリッド・データ・プラットフォームを活用することが不可欠です。それによって、あらゆるシステムからデータを収集し、取り込み、それをあらゆるシステムやプラットフォームに配信することができるのです。
Cloudera は、ハイブリッドデータプラットフォーム上で包括的なデータライフサイクルマネジメントを提供します。それは、製造業における信頼できるデータのためのデータ戦略構築に必要なすべてのビルディングブロックを含みます。主な機能には、データの取り込み、準備、保存、公開が含まれ、データのライフサイクル全体にわたって共通のセキュリティとガバナンス機能を備えています。Clouderaは、どこからどこへでも (プライベートクラウド、パブリッククラウド、オンプレミス、プラットフォームにとらわれない) データ転送を可能にし、製造業が「信頼できる」データ上で次世代 AI ツールやアプリケーションを使用できるようにします。Cloudera Data Platform (CDP) は、最新のデータアーキテクチャに対応した唯一のハイブリッド・データ・プラットフォームであり、製造業の AI をどこでもデータと共にサポートします。詳細については、ウェブサイトをご覧ください。