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

by Takaaki Tanaka

Slide 1

Slide 1 text

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

Slide 2

Slide 2 text

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

Slide 3

Slide 3 text

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  

Slide 4

Slide 4 text

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

Slide 5

Slide 5 text

製造業の課題 5

Slide 6

Slide 6 text

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

Slide 7

Slide 7 text

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

Slide 8

Slide 8 text

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

Slide 9

Slide 9 text

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

Slide 10

Slide 10 text

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

Slide 11

Slide 11 text

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

Slide 12

Slide 12 text

課題は⼭積み 12

Slide 13

Slide 13 text

Google Cloud の製造業向けソリューション 13

Slide 14

Slide 14 text

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

Slide 15

Slide 15 text

製造業向けソリューション 15

Slide 16

Slide 16 text

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

Slide 17

Slide 17 text

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

Slide 18

Slide 18 text

Google Cloud と Litmus 18

Slide 19

Slide 19 text

Google Cloud と Litmus 19

Slide 20

Slide 20 text

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

Slide 21

Slide 21 text

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

Slide 22

Slide 22 text

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

Slide 23

Slide 23 text

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

Slide 24

Slide 24 text

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

Slide 25

Slide 25 text

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

Slide 26

Slide 26 text

Anthos 26

Slide 27

Slide 27 text

活⽤事例 27

Slide 28

Slide 28 text

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

Slide 29

Slide 29 text

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

Slide 30

Slide 30 text

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

Slide 31

Slide 31 text

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

Slide 32

Slide 32 text

AI 活⽤ 32

Slide 33

Slide 33 text

業界事例 33

Slide 34

Slide 34 text

業界事例 34

Slide 35

Slide 35 text

Manufacturing Data Engine 35

Slide 36

Slide 36 text

MDE のアーキテクチャ 36

Slide 37

Slide 37 text

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

Slide 38

Slide 38 text

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

Slide 39

Slide 39 text

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

Slide 40

Slide 40 text

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

Slide 41

Slide 41 text

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

Slide 42

Slide 42 text

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

Slide 43

Slide 43 text

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

Slide 44

Slide 44 text

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

Slide 45

Slide 45 text

MDE のアーキテクチャ 45

Slide 46

Slide 46 text

MDE の主要な概念 46 ● Archetypes ● Types ● Tags ● Metadata

Slide 47

Slide 47 text

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

Slide 48

Slide 48 text

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

Slide 49

Slide 49 text

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

Slide 50

Slide 50 text

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

Slide 51

Slide 51 text

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

Slide 52

Slide 52 text

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

Slide 53

Slide 53 text

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

Slide 54

Slide 54 text

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

Slide 55

Slide 55 text

MDE の主要な概念 55

Slide 56

Slide 56 text

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

Slide 57

Slide 57 text

MDE のデータの流れ 57

Slide 58

Slide 58 text

分析について 58

Slide 59

Slide 59 text

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

Slide 60

Slide 60 text

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

Slide 61

Slide 61 text

Looker 61

Slide 62

Slide 62 text

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

Slide 63

Slide 63 text

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

Slide 64

Slide 64 text

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

Slide 65

Slide 65 text

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