製造の課題に立ち向かう Manufacturing Data Engine と Manufacturing Connect の ご紹介

Transcript

1. 製造の課題に⽴ち向かう Manufacturing Data Engine と Manufacturing Connect の ご紹介 2024/7/10 製造ビジネステクノロジー部 ⽥中 孝明
2. Xへの投稿の際は、 ハッシュタグ #cm_odyssey でお願いいたします。 2 お願い
3. 登壇者紹介 3 • クラスメソッド福岡 
 • 製造ビジネステクノロジー部 
 • チームマネージャー 
 • サウナ・スパ プロフェッショナル 
 田中 孝明 (Takaaki TANAKA) こーめい 

4. 話すこと • 製造業の課題 • Google Cloud の製造向けソリューション • 活⽤事例 • Manufacturing Data Engine を⾒る • 分析について 4
5. 製造業の課題 5
6. 製造業の課題 • 労働⼒の確保とスキル不⾜ • 競争⼒の維持とコスト管理 • 技術⾰新とデジタル化への対応 • サプライチェーンのリスク管理 • 持続可能性と環境への影響 6
7. インダストリー 4.0 への約束 • システム間の透明性 • データへのアクセス、迅速な意思決定 • AI‧ML の活⽤による最適化 • 迅速な拡張性 7
8. システム間の透明性 センサーからコントローラ、SCADA、MES、 ERP までに異種システムを接続することで、 新しいレベルの透明性を⽣み出し、クロスシ ステムのユースケースを解き放つ 8
9. データへのアクセス、迅速な意思決定 オペレーター、保守員、サプライヤーなどが データやセルフサービスツールにアクセスで きるようにすることで、新しい洞察を迅速に ⾏い、データ主導の意思決定を⾏う 9
10. AI‧ML の活⽤による最適化 AI/ML を適⽤して稼働時間、スループット品 質を向上させることで、機械、ライン、プラ ントレベルでの運⽤を最適化し、OEE を向上 させる。 10
11. 迅速な拡張性 多数のポイント接続の代わりに統合された データリポジトリを活⽤することで、パイ ロットを完全な運⽤展開に迅速に拡張する。 11
12. 課題は⼭積み 12
13. Google Cloud の 製造業向けソリューション 13
14. 製造業における変⾰を加速 • 数百におよぶ産業⽤通信プロトコル、エッジワー クフローの実⾏、Google Cloud との密接な結合が 可能 • ⼯場データを処理、コンテキスト化、保存し、 様々なユースケースですぐにデータ活⽤ • ビルトインされた分析と AI のユースケース群で即 座に効果を出し、⼤規模な展開も可能。 14
15. 製造業向けソリューション 15
16. Manufacturing Data Engine • ⼯場データの処理、コンテキスト化、保存 を⾏うための基盤となるクラウドソリュー ション 16
17. Manufacturing Data Engine • 分析ユースケース ◦ 分析プロダクトを基盤としてレポート作成 • 機械学習ユースケース ◦ ML プロダクトを基盤として ML モデルを作成、ト レーニング、実⾏する • 統合ユースケース ◦ 会社で利⽤可能な他の視点と製造データの統合レ ビューを提供 17
18. Google Cloud と Litmus 18
19. Google Cloud と Litmus 19
20. Manufacturing Connect • 250 以上のマシンプロトコルに対応 • ほぼ全ての製造アセットと接続 20
21. Google Cloud 上の Manufacturing Connect GKE アプリで管理 Manufacturing Connect 21 機械 PLC デバイス ハブ エッジ 処理 Google Cloud コネクタ 機械 機械 250以上のプロトコルを サポートする PLC およ びシステムに接続 Pub/Sub コネクタ Node-RED グラフィカルイン ターフェイスを備えたノー コード分析エンジン
22. Google Cloud 上の Manufacturing Connect GKE アプリで管理 Manufacturing Connect 22 機械 PLC デバイス ハブ エッジ 処理 Google Cloud コネクタ 機械 機械 250以上のプロトコルを サポートする PLC およ びシステムに接続 Pub/Sub コネクタ Node-RED グラフィカルイン ターフェイスを備えたノー コード分析エンジン
23. Manufacturing Connect Edge • エッジデータプラットフォーム • ⼯場内に導⼊されるソフトウェア スタック • 250 以上のプリビルドドライバー を使⽤してあらゆる⼯場デバイス に接続 23
24. オンプレミス or Edge Google Cloud Manufacturing Connect Edge 24 Manufacturing Connect Edge Manufacturing Connect Manufacturing Data Engine Marketplace Packaged Solution Private Repo GKE App VM / Container / OS
25. オンプレミス or Edge Google Cloud Manufacturing Connect Edge 25 Manufacturing Connect Edge Manufacturing Connect Manufacturing Data Engine Marketplace Packaged Solution Private Repo GKE App VM / Container / OS
26. Anthos 26
27. 活⽤事例 27
28. 根本原因の特定 28 • 品質の変動を特定 • 不具合の発⽣源の排除 • メンテナンス最適化 • 機械調整の改善
29. マシンレベルの異常検出 29 • センサーデータ活⽤ • トレンド‧異常検知 • 根本原因の分析 • OEE の最適化
30. 予測メンテナンス 30 • 事前構築された MLモデルを使⽤ • グローバルな可視性 施設ごとのメンテナンス 戦略
31. インライン品質管理 31 • センサーデータと 視覚データを集約 • 品質上の問題が検出 されると警告 • プロダクトの品質 への影響を把握
32. AI 活⽤ 32  
33. 業界事例 33
34. 業界事例 34
35. Manufacturing Data Engine 35
36. MDE のアーキテクチャ 36
37. MDE のアーキテクチャ 37 PubSub トピック PubSub は、ソリューションのさまざまなコンポーネン ト間でメッセージをルーティングするために使⽤される MDE のメッセージ ブローカー
38. MDE のアーキテクチャ 38 メッセージ マッパー 受信メッセージを処理し、ソースメッセージクラスに分 類するとともに、ホイッスル変換を実⾏
39. MDE のアーキテクチャ 39 構成マネージャー ユーザー構成を管理し、他のソリューションコンポーネ ントに公開
40. MDE のアーキテクチャ 40 メタデータ マネージャー メタデータバケットとインスタンスを管理し、レコード 処理に参加
41. MDE のアーキテクチャ 41 バッチ取り込み Cloud Storage Bucket バッチ取り込み⽤のファイルをアップロードするための バケット
42. MDE のアーキテクチャ 42 Cloud Storage Reader Cloud Storage にアップロードされたファイルからバッ チデータを読み取る役割を担う
43. MDE のアーキテクチャ 43 BigTable Writer BigTable シンクにレコードを書き込む役割を担う GCS Writer ⽣のソースメッセージを Google Cloud Storage アーカ イブに書き込むとともに、処理済みのレコードを Google Cloud Storage シンクに書き込む役割を担う
44. MDE のアーキテクチャ 44 Federation API 共通のインターフェースを使⽤してすべてのデータ リポ ジトリにアクセスするための API を提供
45. MDE のアーキテクチャ 45
46. MDE の主要な概念 46   • Archetypes • Types • Tags • Metadata
47. MDE の主要な概念 47   • Archetypes ◦ データ分類の 第⼀レベル ◦ 基礎となる データストレージ スキーマを定義 Archetypes 離散 数値 連続
48. MDE の主要な概念 48   • Types ◦ データ分類の 第⼆レベル ◦ データシンクの 指定 ◦ メタデータの 関連付け Archetypes 離散 数値 連続 タイプ タイプ タイプ
49. MDE の主要な概念 49   • Types ◦ データ分類の 第⼆レベル ◦ データシンクの 指定 ◦ メタデータの 関連付け Archetypes 離散 数値 連続 タイプ タイプ タイプ
50. MDE の主要な概念 50   • Tags ◦ データソースを表す Archetypes 離散 数値 連続 タイプ タイプ タイプ タグ タグ タグ
51. MDE の主要な概念 51   • Types ◦ データ分類の 第⼆レベル ◦ データシンクの 指定 ◦ メタデータの 関連付け Archetypes 離散 数値 連続 タイプ タイプ タイプ
52. MDE の主要な概念 52   • Metadata ◦ システムのデータモデルのコアコンポー ネントで、センサーの読み取り値やイベ ント事実に関するコンテキストデータを 表す ◦ データレコードに関連付けられており、 BigQuery のデータモデルの⼀部として 使⽤できる
53. MDE の主要な概念 53   • Metadata の例 ◦ どのタグが数値の読み取り値を出⼒したか ◦ 数値が読み取られた時点では、どのような製品 が処理されていたか ◦ センサーはどのデバイスに属するか ◦ イベントが発⽣した時点では、どのような変化 が進⾏していたか ◦ 読み取り時にアクティブだったレシピは何か
54. MDE の主要な概念 54 エッジ クラウド シーケンサ MCe MDE PLC データポイント （raw データ及び PLC 固有 PLC ペイロードに追 加されたメタデータ JSON ペイロード （標準化） MCe レベルで追加さ れたメタデータ 分析 クラウドデータモデ ル MC レベルで追加さ れたメタデータ 外部メタデータプロ バイダー （オプション） データ記録 メタデータリポジト リ 構成リポジトリ API
55. MDE の主要な概念 55
56. MDE のデータの流れ 56 GCS の ファイル （CSV、 Acro、 JSON） PLC 値 PLC 値 Manufact uring Connect  Edge の タグ MDE ファ イルイン タージェ スター カスタム MQTT ブリッジ PubSub メッセー ジ メッセージペイ ロード識別⼦ メッセージ型 パーサー 離散 数値 連続 変換 変換 変換
57. MDE のデータの流れ 57
58. 分析について 58
59. 製造における分析の課題 59   • スケーラビリティ ◦ 最新のデータベース⽤に設計されていな い現⾏の BI システム ◦ 履歴データへのアクセスの⽋如 • アジリティとガバナンス ◦ 反復開発への未対応 ◦ 断⽚化されたデータ
60. 製造における分析の課題 60   • データのコンテキスト化 ◦ データに関連するコンテキストがない ◦ サイロ化 • プロセスの透明性 ◦ デバイスのパフォーマンス、歩留まり、 スループットに関するレポートがない ◦ パターン、傾向、相関係を特定する機能 がない
61. Looker 61  
62. Looker を使⽤して MDE を構築 62   • MDE アーティファクト ◦ MC を介して接続された産業機器⽤の取 り込みパイプラインを提供 • カスタマイズ可能な LookML モデル • LookML ダッシュボード
63. Looker を使⽤して MDE を構築 63   • 部品の品質監視 ◦ ⽣産ラインのセンサーのキャリブレーションの 問題を特定し、サプライヤーと連携する • 範囲外センサー分析 ◦ 同じ⽣産ラインで様々なレシピを⽐較して、⽣ 産レシピの問題を特定 • コンポーネントモニタリング ◦ センサーデータと履歴データの傾向を検出する
64. Looker を使⽤して MDE を構築 64   • マシンサイクルタイム分析 ◦ 滞留を検出してスループット改善の機会 を特定 • 最終品質相関分析 ◦ ⽣産中に品質を予測し、早期に是正措置 を講じる
65. その他のデータ連携⼿段 65   • Vertex AI ◦ Auto ML + AI プラットフォーム • Grafana ◦ 可視化 • Apigee ◦ 統合 API プラットフォーム • Tableau ◦ レポート
66. 正規化された データを活かせる クラウド環境を 66