Semiconductor Portal

» 寄M » 寄M(半導応)

eを現わしつつある盜颪DX:2IoMとIndustry 4.0 (3) ROI向屬

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3vでは、IoM(Internet of Manufacturing)に関するカンファレンスから、]業においてIoTシステムを使った攵掚の向屐∩躪臉効率の向屬覆匹鮠匆陲垢襦エッジコンピューティングが中心だが、リモートアクセスできるクラウドWも進みそうだ。(セミコンポータル集室)

著v:AEC/APC Symposium Japan i川耕司

iv、IT\術をし、スマート化を図る推進vの華やかさをLくものの、}い考え気らの点を紹介した。今vは、IT\術笋点に立ち、その光景をWいてみたい。そこで見えてきたものは、新しい世代の人たちが、W翔ける様に先端IT\術を使い、JTの噞に攵掚の改をもたらそうとする光景だ。新たなる噞革命の可性とそれに伴う新しいビジネスの勃興である。

2-5. AI (ML)、PM、KPI, OEE そしてエッジ-クラウドコンピューティング

しつこくて恐縮だが、筆vは、未だ半導i工の経xからくる見気昧Iわれている。ほとんどのプレゼンテーションが、ネットワーク、ビッグデータ収集 ( エッジ-クラウドシステム), ML (Machine Learning:機械学{), PM (Preventive Maintenance:予保), 予Rモデル、KPI (Key Performance Indicator), OEE(Overall Equipment Effectiveness:総合設効率)改等のキーワードを使する。これらのキーワードは半導i工での言と共通している。しかしながら、このカンファレンス中、筆vは違和感を覚えけていた。

半導デバイスプロセスでは、のXを解析するために、メトロロジデータを使うことがある。jまかに言うと、半導チップの出来差腓蓮⇔磴┐弌∧里泙蠅性Δ鮗Rしているのだ。予Rモデルは、のn働Xとの歩里泙蝓性Δ箸隆屬悩遒蕕譴襦しかしながら、IoMの世cでは、のn働XとOEEの間のBであった。歩里泙蠅亡悗垢Bはなかったと記憶している。そのせいか、PMやKPI改に使われる、予Rモデルを作成する工が、半導i工の例より単純である。以下、この点に料Tして、Bを進めたい。

モータの監がHい

IoM Southで述べられた予保に関するケーススタディは、主に流プロセスのモータの監に関わるものであった。先のSchneider社のような、電気、アプライアンスのアセンブリ工のケースは少数であった。また、業関係へのt開のBもあったが、今vは割愛する。テキサスはオイル噞の中心地である。オイルプラントでHされているポンプのモニターのケースがHいのはもっともなBだ。

オイルポンプでモニターしているパラメータは、a度、圧、振動である。ここで、筆vが見たものを、以下にまとめる;

1.のn働Xを振動、a度、圧のようなアナログデータでモニターする。モニターするために、センサおよび予R機Δ△┐織皀縫拭宍々修鰤k化した、エッジシステムとも}べるハードウエアが使される。
2.エッジ-クラウドシステムをWしたデータ解析予Rモデル作成サービスビジネスの勃興をみる。
3. エッジ-クラウドシステムを使ったデータへのリモートアクセスというインダストリトレンドを見る。

MerlinCSI 社のCEOであるTom Voorhees は、Sensor Beaconと}ぶ、a度センサ、3D加]度センサ、エッジコンピュータ、内鼎気譴人襲Rモデルで構成されるハードウエアについて述べた(図2.6)。 便宜を図るため、エッジシステムと}んでおくことにする。エッジシステムの見かけは、センサと箱の組み合わせだ。ポンプに設したセンサからのアナログデータをエッジコンピューティングによりモデル化する。データをワイヤレスで、クラウドシステムに送り込み、予保の予Rを行うケースをBした。


Business: Oil Pump PM: Merlin CSI

図2.6 ケーススタディ、オイルポンプ予保 出Z:EasyPredict, Tom Voorhees, MerlinCSI, を元に筆vが作成


ポンプ等の設Xの監には、通常、振動R(加]度センサ)、a度R(a度センサ・X電粥∧oa度等)、音R(マイク、人の聴覚)が使われる。このケースでは、3|類の振動R – すなわち、アコースティックエミッション解析、周S数解析、RMS (Root Mean Square:二乗平均の平戯)解析を使する。Qデータより、トラブルが発擇垢覦iに予保のタイミングを予Rする。

振動解析に使われる}法はRMS、ピーク-ツー-ピーク、FFT(高]フーリエ変換)、Time-Waveform(時間-S形)等複数ある。この例で使われているのは、RMS解析だ。k定時間内の振動Sの積分値を使う。比較的、データ量が少なくて済むと言われている。これに比べ、FFTや時間-S形は、データ量が常にHくなると聞く。振動解析データは、ワイヤレスでクラウドコンピューティングの段階に送られる。R時間は30秒度、Rの頻度は、毎分、毎時とケースによりまちまちであった。

ポイントは、エッジコンピューティングの段階で予Rを行う点だ。ポンプの表Ca度が峺をす時はすでにく、それ以iに振動解析により予Rを行う。エッジシステムそのものが、予Rモデルを内包して、からの様々のデータを基に予Rを行う。以iは、ベテランの\術vたちが、ポンプの音やら表Ca度から経xに基づいて予Rを行なっていたはずである。

予Rモデルの作成にはクラウドコンピューティング

クラウドコンピューティングの役割は、k言で言うとビッグデータ収集システムを使った、長期間にわたるデータの蓄積(historical data)と、そこからのデータ解析による予Rモデルの作成および新だ。j量の振動データの変異点を探ることにより、@度の高い予Rモデルを作成する。機械学{を使い、]時間で人}をあまりかけずに予Rモデルを作るために工夫をしているという。

予Rモデルはk度作れば、変せずに済むというものではない。は擇颪覆里如△修林Xは刻々と変化していく。のXの変化にい、予Rモデルも変化していかなければならない。クラウドでは、蓄積データを解析することで、予Rモデルに変をかけることができる。時間変化を含む蓄積データの出番である。変された予Rモデルは、エッジシステムにフィードバックされる。エッジシステムの新された予Rモデルが、監に使われる。

予Rモデルより予保の時期を判して、故障がこるiにメインテナンスを実行する。k旦、不Tの故障がこってしまい、が停Vしてしまうと、T理の時間、ロジスティクスの変等で、OEEは、jきく低下してしまう。予保の時期が早すぎても、OEEの低下をdく。予保のタイミングの最適化は、オイルプラントにとってjきな命である。

エッジとクラウドの両気離灰鵐團紂璽謄ング

Altizon 社のSales VPであるTyson Kingは、エッジ-クラウドコンピューティングを使った、モニタリングビジネスを語った。H数のプロジェクトを運営して、ROI(Return of Investment)の改に触れている。エッジシステムが情報をモニターして、ワイヤレスでクラウドシステムに情報を送り込む。クラウドコンピューティングで機械学{を使い、異常解析や予保の予Rを行い、顧客にフィードバックするというコンセプトである。価格についても触れている。ネットワークへの接△できている]ラインという条Pきであるが、4週間で接を完了して基本的なKPI(Key Performance Indicator)についての解析を行い、OEE、ROIを改する。野心的なパイロットプロジェクトの提案だ。10までの接、および解析の例で、1万ドルという価格をした。現在は、103のファブに接しているという(図2.7、図2.8)。


Business: OEE improvement: Altizon Inc

図2.7 ケーススタディ、解析サービスビジネス 出Z:Successful IoT with Rapid Deployment, Tyson King, ALTIZON


Project example: Phase I, Phase II, ROI and pricing

図2.8 プロジェクト実施例、ROIと価格 出Z:Successful IoT with Rapid Deployment, Tyson King, ALTIZONを元に筆vが作成


KPIという、]屬攵掚に関わる項`(例えば、OEEやダウンタイム、突の停V時間、インベントリ情報などH数)のみをカバーしているのだが、このレベルの金Yには驚いた。他にも、同様の模でのパイロットプロジェクトの提案を聞いたが、価格については、同じレベルのものであった。

講演後、Kingと立ちBをする機会があった。「シンガポールに行ってきた。日本にも、関心のある会社はないか」と問してきた。

IoT Analytics社のSenior Analystである Matthew Wopataは、IoMインダストリトレンドとして、4|類に及ぶ接形の分類を述べた(図2.9)。


Trend #1: More connected assets

図2.9 4|類の接形 出Z:5 Industrial Connectivity Trends Driving IT-OT Convergence, Matthew Wopata, IOT ANALYTICS


その後、リモートアクセスによる、クラウドコンピューティングシステムへの接の\加予Rを述べた(図2.10)。リモートアクセスでクラウドコンピューティングによる解析サービスをWするケースは、現在では25%度という。しかしながら今後は、新しいファブ、新鋭の\加に伴って、リモートアクセスは\加し、2025Qには50%のアクセスがリモートになると予Rした。


< 50% of industrial assets will be connected to off-premise by 2014

図2. 10 リモート接の\加 出Z:5 Industrial Connectivity Trends Driving IT-OT Convergence, Matthew Wopata,IOT ANALYTICS


エッジからクラウドコンピューティングをリモートで処理し、ファブの敷地外で、専門の解析サービスを提供するという形がトレンドという見解である。現在は、からの情報をゲートウェイというインターフェースを介してDり出したのち、クラウドシステムに送り込んでいる。次にもしくはセンサそのものが、クラウドシステムに直接情報を送り込むようになるという予Rだ。i述のMerlinCSI社とAltizon社の例であろう。IoT\術が本格的にeを現したときに、ハードウエアがとる戦Sを野に入れている。

新しいビジネスの勃興を予感させる。ここに紹介した3@のプレゼンタは、盜颪任離戰咫璽屐璽狎ぢ紊呂襪以Tの{い人々である。30 -40歳代の人たちだ。iv述べた、プロジェクトの推進vの人たちに比べ、Q代がひとvり{い。IT\術のtを行っている会社の人も、同じ様なQ代の人が`につく。Bをしているうちに気がついたが、かなりの人が、かつてスタートアップ会社のファウンダたちか、それにZい人々である。これらのスタートアップ会社は、よりjきな会社によってA収されたり、@本提供をpけて統合されたりしてきている。この人々は、j変アグレッシブだ。筆vがぶら下げている、AEC/APC Japanの@札を見ると、立ち寄ってくる。日本の企業に興味をeっており、コンタクトを紹介してほしいとストレートに言ってくる。さらに、アジアへの関心も咾い里わかる。O分のeつ先端IT\術にO信をもち、先端\術を通じてビジネスを語るというテクノクラート的なe勢をし、テクノクラート的な言をBし、なアプローチをしてくる。

半導工場はもっと先端なのだが

ZQの半導]の新鋭工場では、センサデータをDり出し、デジタル化してネットワークに送りこむ}順がY化されている。そのものがネットワークに接できるようにY化された仕組みが組み込まれている。Dり込むFDC(Fault Detection and Classification)データの|類、データのデジタル化の}法は、これらIoMのケースより, はるかに@緻なものである。

それに比べ、この項でとなっているファブは古い工場、古いプラントで、も古いものがHい。あるケースでは、の設情報に1905Qの数Cが入っている例を使っていた。使われているもまちまちだ。センサデータをDり出すため、センサとネットワークとの間に接桔,鮓鎚未忘遒辰討いなければならない。

とするファブの模もjきく異なる。ZQの半導新鋭工場は、メガファブと}ばれるように、j模な]量を誇る。kつのファブの中に、hをえるが作動している。これらのH数の]よりuられるFDCデータは、ビッグデータ収集と}ばれて、ネットワーク内に格納され解析される。その後、あらゆるパラメータを検証した屬如歩里泙蝓性ΑX況につき、@緻な予Rモデルが作成される。@度の高い予Rモデルを広Jに作成するのに科な量のデータがuられるため、すべての仕組みが、kつのファブ内陲納まることができる。巨jで、高Yなネットワークが、日々動いている。

k気如IoMのとなっている古いアセンブルファブでは、kつのファブの中にある数も、数会から数度だ。しかも、プロセスの|類も数Hい。半導新鋭工場の例と比べると、Qプロセスよりuられるデータ量は、@緻で広Jな予Rモデル作成という点では、かなり不Wである。そこで、OEE、KPIの改によるROIの向屬謀を絞りこみ、予Rモデルの行を単純化する。その屬如同じ\術を使っている複数のファブをJね、科な量のデータをクラウドに集めて解析を行う。クラウド屬任狼霆jな情報量を扱うが、個々のファブでの情報量はたかが瑤譴討い襦これにより、個々のファブでの低価格化を`指し、ビジネスの模拡jを図る。いい発[だと思う。

IoMで、tを行なっていたての企業が、エッジ-クラウドコンピューティングのコンセプトを口にしている。

エッジ-クラウドコンピューティングではAIが常識

繰り返しになるが、再度、エッジ-クラウドコンピューティングの念をまとめてみる(図2.11)。エッジコンピュータと@づけられたデバイスが、複数のなり、kのなり、はたまた、kつのセンサなりをモニターする。エッジコンピュータは、モニタリング機Δ函内包する予Rモデルからの警報機Δ魴eつ。にはモニター機きのセンサが⊂される。センサはの振動音やその他の情報をRい、この情報よりエッジシステムは性S解析、周S数解析、表Ca度モニター等の解析を行う。これらのデータは、ワイヤレスで、クラウドシステムに送られ、データベース化される。解析vは、このデータを使い、解析を行う。ての発表vが、機械学{の使を述べていた。


Factory Network/Cloud Hosted Platform and Application

図2. 11 エッジ- クラウドコンピューティングの念 出Z: Successful IoT with Rapid Deployment, Tyson King, ALTIZON


読vの中には、このくだりを読んでいて、なんだ、こんな度のものか、\術的には、随分れているBだなと感じられる気發いでと思う。新鋭半導工場に比べると、先端ITを使すると言っても、となるは古く、ファブの模も小さい。カンファレンスの中まで、筆vは、\術的には新鋭の高度なものが見られず、不満を感じていたことを白Xする。

カンファレンスが進むにつれ、{い世代の人たちが、先端IT\術を創T工夫して使いこなすことによりコストを抑え込み、@性の高い低価格のサービスビジネスのeを作り屬欧討い誦eを見る様になった。このレベルのサービスのとなる、プロセス、噞を考えると、ビジネスの可性は巨jである。jげさに言えば、k国の]業の攵掚のf屬欧垢蕾Δ塙佑┐蕕譴襦H爐藕{きテクノクラートたちとの会Bの中で気がついてくるのは、アジア地域に関する関心である。彼らの`には、盜馥發砲箸匹泙蕕此△呂襪アジアまでの光景が^っている。

微細化を{い求めた先端半導i工ビジネスでは、Moore’s Lawに基づく数Qおきのシリコンサイクルのたびに、\術屐▲咼献優屬亮,虜Y的が確に見えていた。この世cでは、Moore’s Lawは、シンボリックな言であった。成功への確な究式は、巨Yなカネ、モノ、ヒトをk度に投下して、限定された時間で争われる\術屬寮鐓S的ブレークスルーのゲームに成功することであった。半導のマーケットは巨jであり、巨Yの投@を行っても、このゲームにMちさえすれば、科なビジネスが期待できた。蓄積された\術レベルもj変高く、それを使いこなす先端\術v集団も層が厚い。華やかさを伴う世cであった。しかし、この戦Sにそう限り、微細化が進むにつれ擇残っていけるプレーヤー(半導デバイスメーカー)は、少数になることは、誰もが瑤辰討い拭今日、この莟Rは現実となっている。

先端IT~使のカギはヒト

これに瓦靴董IoMの野に入っているのは、}つかずのi人未到のマーケットである。この未瑤離沺璽吋奪箸砲蓮▲灰好箸諒鼻\術の壁、人材の壁、古い\術、垉遒陵念のしがらみとも言える壁が立ちはだかる。成功への究式は、未だ見えない世cだ。闇雲な巨Yの投@だけでは成功が見えない。先端IT\術をいきなり]工にeってきても、使いこなすことができない。|いた砂漠に、タネを弔ようなものだ。発芽のためには、色々と工夫をしなければならない。連かつ地Oな創T工夫を伴う\術的ブレークスルー、垉遒龍板c常識をぶち破るビジネスの発[が成功の鍵と考える。成功の究式をゼロから開していく世cである。冒頭に述べたように、IoMの命が困Mであるとともに、極めて野心的と述べた理yである。現代における、ニューフロンティアの可性を見る。

今vは、AI、機械学{、 予Rモデル、PM、エッジ-クラウドコンピューティング等の先端IT\術が、古いファブにt開されてきている壻の光景をWいた。新しい世代の人たちが、W翔けるように先端IT\術を使い、JTの]業に攵掚の改をもたらそうとする光景だ。エジソンに遡るk次噞革命とそれに伴う新しいビジネスの勃興を思い出す。ニューフロンティアの世c茲鮖廚こす。 

次vは、このような変化に関わっていく“人”について述べたい。
(く)

ごT見・ご感[
麼嫋岌幃学庁医 天胆互賠娼瞳匯曝屈曝| 醍狭匯屈眉膨曝岱鷹| 翆翆忝栽爾秤利| 消消冉巖娼瞳涙鷹| 天胆aaaaaabbbbb| 冉巖及匯匈忝栽夕頭徭田| 将灸眉雫壓濂シ渡濆杰| 忽恢壓澡綿啼| 牽旋篇撞擬砂寄畠| 忽恢仔眉雫眉,雫眉雫| xxxx嶄猟忖鳥| 撹繁怜匚篇撞利嫋| 消消消消冉巖AV撹繁涙鷹窮唹| 云祇消消忝栽88畠忽恷寄弼| 冉巖天胆匯曝屈曝眉曝壓修| 槻溺扉間羽序栖120昼強蓑夕| 膨拶娼瞳篇撞壓灑西鍛盞儿杰| 互賠壓瀲伺屈曝| 忽恢易沃重怎j筑沃壓濆杰| 88av窒継鉱心| 爺鷲tv壓瀛啼客伺屈曝| 匯雫谷頭溺繁18邦寔謹| 晩云bbwbbwbbw| 消消撹繁忝栽利| 天胆18-19sex| 冉巖忽恢晩昆天胆| 天胆秉極訪繁繁訪| 繁繁訪繁繁訪繁繁訪繁繁頭av| 娼瞳忽恢娼瞳忽恢裕醍狭| 餓餓只鮫匈中鞠村壓濘| 消消繁曇av涙鷹嶄猟廨曝| 恷仟忽恢壓濆杰| 冉巖匯雫谷頭篇撞| 天胆謹繁算握住算岱尖戴頭| 冉巖喟消娼瞳ww47| 爾秤坪符晩云匯曝屈曝眉曝 | 忽恢壓瀲伺屈曝篇撞| 晩云繁膿jizz謹繁互賠| 忽恢娼瞳冉巖撹壓繁| 69av窒継鉱心| 忽恢互賠弌篇撞|