Upgrade to Pro — share decks privately, control downloads, hide ads and more …

製造現場のデジタル化における課題とPLC Data to Cloudによる新しいアプローチ

濱田孝治
November 07, 2024

製造現場のデジタル化における課題とPLC Data to Cloudによる新しいアプローチ

製造業のデジタル化が叫ばれて久しいものの、多くの企業がその実現に苦心しているのが現状です。本スライドでは、製造現場が直面している様々な課題と、それを解決するための新しいアプローチである「PLC Data to Cloud」について解説します。

濱田孝治

November 07, 2024
Tweet

More Decks by 濱田孝治

Other Decks in Technology

Transcript

  1. 所属 • 製造ビジネステクノロジー部 マネージャー ◦ 独立系SIerを経て2017年9月 クラスメソッド入社 • ブログ著者ページ:https://dev.classmethod.jp/author/hamada-koji •

    はてなブックマーク累計 14,928個 • Xアカウント:@hamako9999 コミュニティ運営 • JAWS-UG コンテナ支部運営 • Grafana Meetup Co-organizer AWS認定関連 • 取得済AWS認定:SAP, DOP, DBS, SOA, SAA, DVA, SCS, CLF • AWS APN Ambassador 2020 濱田孝治(ハマコー) 2 🔎「クラスメソッド 濱⽥」
  2. • 会社紹介 • 製造現場のデジタル化における現状と課題 • PLC Data to Cloudとアジャイル開発による新しいアプローチ •

    サービス紹介 ◦ PLC Data to Cloud ◦ 製造業アジャイル支援 ◦ 伴走型開発(内製化支援) • デモ ◦ メーターのAIによるデータ可視化 ◦ デジタルツインによる生産ラインのデジタルシミュレート • まとめ Agenda 3
  3. 5 会社概要 名称 クラスメソッド株式会社 本社所在地 東京都港区⻄新橋1-1-1 ⽇⽐⾕フォートタワー 代表者 横⽥ 聡 従業員数

    780⼈(グループ全体) 売上 769億円(2024年6⽉末) 設⽴ 2004年7⽉7⽇ (第21期) 拠点 国内 8拠点 東京 / 札幌 / 仙台/ 上越 / 名古屋 / ⼤阪 / 福岡 / 那覇 海外 5拠点 ベルリン(ドイツ) / バンクーバー(カナダ) / バンコク(タイ) / ソウル(韓国) / ダナン(ベトナム) グループ会社 プリズマティクス株式会社 ネクストモード株式会社 アノテーション株式会社 プロパゲート株式会社 事業内容  クラウド(AWS等)の技術コンサルティング、開発、運⽤ データ分析基盤の技術コンサルティング、開発、運⽤ アプリケーション(モバイルアプリ、IoT等)の開発、運⽤ SaaS導⼊⽀援、運⽤⽀援 企業向けIT⼈材育成、内製化⽀援、⼈材派遣 ⽣成AIを活⽤した業務の効率化コンサルティングとシステムの 導⼊⽀援
  4. 6 オープンな発想 広い視野を持ち、何事にも積極的に取り組んでいくのがクラスメソッドのスタイ ルです。作り手視点のプロ意識と消費者視点のセールス意識を軸に、社員の1人ひ とりが現場提案とスピード決裁をモットーとした課題解決を行っています。柔軟 かつ行動的な姿勢で、現在は4,000社を超える企業への支援実績があります。 オープンな発想と⾼い技術⼒により、 すべての⼈々の創造活動に貢献し続ける ⾼い技術⼒ 私たちは常に興味と関心を持ち、新技術に取り組むチャレンジを続けています。

    先進的かつ専門性の高い技術力はAWSクラウド活用において最上位企業のみが認定 される「AWSプレミアティアサービスパートナー」や、国内初となる「GitHub Enterprise」パートナーシップ認定といった形で評価されました。 すべての⼈々 技術力でお客様の売上に貢献するために、私たちはビジネス視点とコンシュー マー視点を兼ね備えた柔軟な思考を心がけています。それらを下支えするのはフ ラットな組織と個人裁量です。クラスメソッドは学びを欲するクリエイティブな 人材を積極的に採用し、より多くのお客様にサービスをご提供します。 創造活動への貢献 クラスメソッドはお客様から常に必要とされる付加価値を提供し、社会から必要 とされる存在であり続けることを目指しています。そのために市場へ耳を傾け、 技術情報やノウハウを自ら創造、発信、改善し続け、お客様や技術コミュニティ など幅広い分野への貢献に努めます。
  5. 7 組織図 取締役会 AWS事業本部 データ事業本部 営業統括本部 アライアンス事業部 業務⽀援グループ 経営企画グループ 海外グループ

    情報システムグループ 管理グループ アノテーション プリズマティクス プロパゲート ネクストモード 関連会社 産業⽀援グループ 製造ビジネステクノロジー部 ゲームソリューション部 リテールアプリ共創部 ⼩売流通ソリューション部 SBJソリューション部 ⼈事グループ
  6. 14

  7. 15

  8. 16

  9. PLC Data to Cloudとは Mission Purpose Value Proposition 製造プロセスをクラウドに統合 し

    企業の⽣産性向上と持続可能な成⻑ ことで を実現する データを価値に変える
  10. 特徴③:アジャイルな開発・改善サイクル • お客様のニーズに応じて、迅速な機能追加や改善が可能 • 実際の利用状況に基づいた継続的な改善を実現 • システムの変更や機能追加に必要となるスキル獲得を、伴走型開 発でクラスメソッドメンバーが継続的に支援 22 実際の顧客現場での進め方の例

    • 「A社様では、1つのラインからスタートし、効果を確認しながら他ラインへ展開」 • 「B社様では、既存の生産管理システムとの連携により、データの二重入力を完全に排除」 • 「現場オペレーターの使い勝手を重視した、直感的なインターフェース設計」
  11. PLC Data to Cloud Manufacturing Equipment Sensor Robot PLC GW

    AWS Cloud IoT Core Database MELSEC OMRON KEYENCE MQTTs Visualization Analytics Notification Factory ゲートウェイ、通信、AWSクラウド環境をワンストップで提供 Ethernet/IP SLMP Modbus 25
  12. Architecture Factory AWS IoT Greengrass PLCs Gateway Hardware Hub Internet

    AWS Cloud IT OT MQTTs Data Visualization Platform Data Analytics Platform Kinesis Data Firehose S3 Private Subnet Public Subnet Virtual Private Cloud (VPC) Internet Gateway Aurora Fargate Data Handling 27 Glue Redshift IoT Core SQS Lambda Custom Software
  13. Factory Architecture GW Ethernet/IP SLMP Modbus Cloud Hub GW Cloud

    Hub PLCとGatewayをEthernetケーブルを⽤い直接接続する構成の他、中継するPLCを利⽤した構成も可能です Ethernet/IP SLMP Modbus 28
  14. サービス提供内容 1  AWS Cloud環境⼀式 AWSに環境⼀式をデプロイいたします 2  ゲートウェイハードウェア ⼯場内に設置するゲートウェイ機器⼀式 3  通信回線

    ⼯場内にインターネット回線がない場合はLTE/5G通信回線を提供 4  ゲートウェイソフトウェア PLCからデータを取得し、AWS Cloudに送信するソフトウェア⼀式 5  可視化画⾯作成⽀援 Grafanaにて作成する可視化画⾯の作成⽀援 6  ゲートウェイ設置作業 ⼯場、設備内へのゲートウェイ設置作業 7  導⼊⽀援 事業所、PLC台数、取得するデータの整理、ネットワーク構成の整理 [条件]  AWS環境はお客様ご⽤意のアカウントに構築いたします  ゲートウェイハードウェアはレンタル品でのご提供となります  通信回線は当社指定の通信事業者、通信プランとなります 29
  15. Schedule ‧導⼊事業所の検討 ‧PLC台数、データの整理 ヒアリング ⾒積‧契約 現地作業 データ収集開始 ‧⾒積発⾏ ‧業務委託契約 クラウド、ゲートウェイ設

    定 ‧ドキュメント作成 ‧ネットワーク構成設計 ‧ゲートウェイ設置⼯事 ‧疎通確認 ‧可視化画⾯作成 ‧分析基盤構築 1か⽉ 2W〜1か⽉ 2W〜1か⽉ 2W〜1か⽉ 37
  16. AWS⽉額利⽤料概算 AWS Service Pricing 1 AWS IoT Core USD 10.0-

    2 AWS Lambda 3 Amazon SQS 4 Amazon Aurora USD 310.0- 5 Amazon S3 USD 8.0- 6 Amazon Athena USD 80.0- 7 Amazon ECS USD 100.0- 8 その他 USD 80.0- USD 588.0- 【想定条件】 PLCからのデータ取得回数 600点/回 PLCからのデータ取得頻度 3秒/回 Athenaによるクエリ 100回/⽇ PLCからの取得頻度、回数などで利⽤料は変動いたします。 詳細ヒアリング後にお⾒積いたします。 38
  17. 提供研修一覧 43 研修名 時間 想定 人数 開催形式 概要 アジャイル 超入門

    2時間 5名〜20名 オンライン・オフライン アジャイルの基本を学び、なぜアジャイルが現代のビジネスに必要なのかを 理解します。アジャイルの歴史や具体例を通じて、その効果と活用方法を明 確にします。アジャイルの基礎知識を得ることで、組織全体での導入準備を 整えます。 スクラム基 礎研修 1〜2日間 5名〜20名 オフラインのみ スクラムはアジャイル手法の一つであり、特にチームの生産性を向上させる ためのフレームワークです。本研修では、スクラムの基礎知識から役割とプ ロセスの詳細を学びます。さらに、経験主義的アプローチの思考やスクラム ガイドにはないエッセンシャルな部分にも触れ、実践的な理解を深めます。 プロダクト バックログ 研修 1日間 5名〜20名 オフラインのみ スクラムによる開発サイクルをスムーズに行うためには、プロダクトバックロ グの適切な整理と優先順位付けがとても重要です。プロダクトの価値を最大 化するためのプロダクトバックログの作成方法を学びます。ビジネスモデル キャンバスを用いた価値定義や、ユーザーストーリーマッピングによる MVP (Minimum Viable Product)の整理などを通じて、より良いプロダクトバックロ グの作成を目指します。 スクラム実 践研修 3〜4日間 5名〜20名 オフラインのみ 実際のスクラムでの開発を体験することで、理論だけでなく実践的なスキル を身につけます。チームでの開発体験実習を通じて、スクラムのプロセスを 実際に体感し、開発現場での応用力を高めます。
  18. Generative AI Lv1 デジタル化が困難なデータの可視化 GW AWS Cloud Factory JSON {

    "humidity": 51, "temperature": 21 } ⼯場、設備に設置されたアナログメータを撮影し、 値を読み取り⽣成AIでJSONに変換 51 LLMs
  19. Generative AI Lv1 データ分析 Factory GW AWS Cloud AWS Cloud

    Excel、BIツール、Pythonなどを⽤いて分析 ⽣成AIを使って分析 Data Analytics Platform Data Analytics Platform 53 LLMs
  20. Generative AI Lv1 データ分析 import pandas as pd # Load

    the CSV file to inspect its contents file_path = '/mnt/data/plc_output_data.csv' data = pd.read_csv(file_path) # Convert the 'Timestamp' column to datetime format data['Timestamp'] = pd.to_datetime(data['Timestamp']) # Group the data by day and sum the 'Production Count' daily_production = data.groupby(data['Timestamp'].dt.date)['Production Count'].sum() import ace_tools as tools; tools.display_dataframe_to_user(name="Daily Production Data", dataframe=daily_production) # Display the resulting daily production daily_production PLCから10分に⼀度出⼒された⽣産量を⽇別に算出するときのアプローチ DBに保存されたデータ Pythonで分析するコード例 LLMでの指⽰例 組織内の全てのメンバーが、PythonやBIツールなどの技術的な知識やスキルに関わらず あらゆるデータにアクセスし、それを理解し、活⽤できるようにするプロセスを提供 54
  21. Generative AI Lv2 ラダー図の解析 56 このラダー図は何を⾏って いるのか解説せよ ラダー図の解釈 1. ステップ1

    (00001):  R000 スイッチ緑が押されるとR1000がオンになります。 2. ステップ2 (00002):  R000内部保持(R000がオン状態を保持する)により、R1000がオンのまま維持されま す。  R002 スイッチ⾚が押されると、R1000がオフになります(リセット機能)。 3. ステップ3 (00003):  R001 スイッチ⻩が押されると、R000内部保持によってR1000がオンのまま維持されま す。 4. ステップ4 (00004):  R1000がオンの状態である間、ランプ緑(R500)が点灯します。 結論 したがって、「スイッチ(R000)→スイッチ(R001)の順に押すと、ランプ(R500)が点灯し続ける。(⾃⼰ 保持)」「スイッチ(R001)→スイッチ(R000)の順ではランプ(R500)は点灯しない」「スイッチ(R002)を 押すと、ランプ(R500)は消灯する」という動作を⽰すラダー図であると⾔えます。 稼働中のラダー図は存在するが、ラダー図を解析できるスタッフが退職し仕様が把握できない。 ⽣成AIにラダー図を読み込ませて分析することで、概要を把握する。 既存のラダー図 LLMによる回答例
  22. Generative AI Lv3 品質問題と復旧⼿順の提案 Factory GW AWS Cloud PLC説明書 製造機器説明書

    個別パラメータ RAG RAG(Retrieval-Augmented Generation) ⼤規模⾔語モデルによる⽣成に、独⾃の情報を組み合わせることで、 回答精度を向上させる技術のこと。 📤以下の内容でエラーが発⽣しています。 ----------------- PLC番号:001 エラー対象機器:AAA エラーコード:xcx00a ---------------- エラーコードより、 機器を再起動することで復旧する可能性があります。 57 LLMs
  23. PLC説明書 製造機器説明書 個別パラメータ RAG Generative AI Lv4 品質問題の事前回避 Factory GW

    AWS Cloud 📤以下の内容でエラーが発⽣する可能性があります。 ----------------- PLC番号:001 対象機器:AAA ---------------- パラメータを再設定してエラーを回避しました。 同種の過去のデータや正常パラメータと最新のデータ を⽐較し設備の調整が必要な場合に、AIが⾃動でパラ メータを算出し、設備へ反映‧調整される 58 LLMs
  24. 61

  25. 67