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 Classmethod Inc. Manufacturing Business Technology Department 製造ビジネステクノロジー部 マネージャー　濱田孝治

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」

● 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

会社紹介 4

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

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。

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

製造現場のデジタル化における現状と課題 8

実際に、三菱UFJリサーチ＆コンサルティング株式会社が2022年に行った調査では、 データ収集・利活用にかかる課題としてデータ収集にコストがかかると回答した企業は 47.2% と半数近くにものぼり、次いでデータの利活用にコストがかかると回答した企業は27.7%となりました。 （n=2,090） 参照元：令和４年度製造基盤技術実態等調査　我が国ものづくり産業の課題と対応の方向性に関する調査 従来型の工場データ可視化の限界 高額な初期投資の課題 ● 従来型のソリューションでは、サーバーやネットワーク機器の導入、専用ソフトウェアの ライセンス費用など、スタート時点で大規模な投資が必要 ● この初期投資の大きさが、製造業にとって大きな参入障壁となっている 9

従来型の工場データ可視化の限界 システム連携の困難さ ● 既存システムの多くは独自規格で構築されており、他のシステムとの連携が極めて困 難 ● 例えば、生産管理システムと品質管理システムのデータを組み合わせて分析しようと しても、大規模な追加開発が必要になることが一般的 10

弊社顧客の声 「データ可視化・分析ソリューションを導入したがデータ分析手法や項目に汎用性がなく、少し角 度を変えた分析を実施しようとした場合に、追加コストが掛かることに苦労している」 データ活用の柔軟性不足 ● データは取得できても、その活用方法が固定的で、新しいニーズに対応できない ● 特定ベンダーによるロックインにより、システムの拡張や変更に多大なコストと時間が 必要 従来型の工場データ可視化の限界 11

弊社顧客の声 「PLC Data to Cloud導入はお願いしたいが、そのままの導入だけではなく、データや分析手法 の拡張など、システム導入だけではなく、その周辺のスキルトランスファーもお願いしたい」 デジタル人材の確保・育成 ● 本来は現場（OT）主導でIT（情報システム）と連携しながら進めていくことが製造現場 の改善に不可欠だが、意思決定やコミュニケーションが分断されており、双方の視点 で物事を意思決定できる人材の育成が難しい ● また、クラウドを含めた新しい技術領域の探索は従来とは異なる考えが必要となるが、 主にOT側のメンバーにはその育成に時間をかけることが難しい 現場が直面している具体的な課題 12

クラスメソッドに関連する主な実績 13

14

15

16

PLC Data to Cloudとアジャイル開発による 新しいアプローチ 17

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

PLC Data to Cloudとは クラウドネイティブ であること

● 「標準的なデータ形式での出力により、お客様が使い慣れたツールでの活用が可能」 ● 「既存の設備投資を活かしながら、必要な箇所から段階的にデジタル化を実現」 ● 「特定ベンダーへの依存がなく、システム選択の自由度を確保」 特徴①：オープンな利用が可能な AWSを利用 ● PLC Data to Cloudは、AWSというオープンな基盤上に構築 ● AWSで提供されている、データ基盤やAI関連サービスなど様々 なサービス群を自社の業務に合わせて最適な方法で利用可能 20

特徴②：段階的な投資モデル ● 初期投資を最小限に抑制 ● 利用料に応じた従量課金モデルのため、本当に必要なもの、検証 のために最低限必要なものからの段階的な導入が可能 21

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」

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） 23

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） 24

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

Position ⼯場デジタル化の実現に向けたフェーズとレベル 難易度 データ収集 可視化 分析 改善 予測‧⾃動化 設備 ライン ⼯場全体 サプライチェーン PLC Data to Cloud 提供範囲 Phase Level 26

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

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

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

可視化イメージ PLCデータの可視化はGrafanaを利⽤します。以下は⼀部の可視化イメージ画像です ダッシュボード 30

Grafanaとは？ 🔎「Grafana 濱⽥」 31 https://speakerdeck.com/hamadakoji/ke-shi-hua-puratutohuomugrafananoji-ben-tohuo-yong-fang-fa-noquan-te

Grafanaとは？ 32

Grafanaユースケース JAXA：宇宙科学探査機 33

Grafanaユースケース DENSO：⼯場の⾒える化 34

Grafanaユースケース DENSO：⼯場の⾒える化 35

Grafana Meetup Japanのオーガナイザー 36

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

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

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） 39

アジャイルで実現するビジネス価値の最大化 急速に変化するビジネスシーンにおいて、迅速な市場変化への対応力と継続的なフィー ドバックループを通じたビジネス価値の最大化が求められています。組織にアジャイルを 注入することは、企業の競争力を維持し、イノベーションを創出するために不可欠です。 アジャイルの適用により、これらの変化に柔軟に対応し、さらなる価値を生み出すことが可 能になります。 従来の固定的な設備投資を中心にするのではなく、変化に強い組織となるための支援を 行います。 製造業アジャイル支援 40

製造業アジャイル支援 クラスメソッドだからできるリアルなスクラム支援 クラスメソッドは、多数のスクラム案件を手がけた実績を持ち、その豊富な経験をもとにした リアルなスクラム支援を提供しています。 単なる研修で終わるのではなく、実際にスクラムを活用してプロダクトを開発しているエン ジニアとともに、実践的な開発体験を積むことができます。 41

研修パターン 42

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。

製造業アジャイル支援（顧客事例） 44 🔎　「クラスメソッド　日立　事例」

製造業アジャイル支援（顧客事例） 45 🔎　「クラスメソッド　ライオン　事例」

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） 46

伴走型開発は、お客様とともに成長するチーム開発を実現します。プロダクトオーナーは お客様側が担当し、当社からはスクラムマスターが参画。両社のエンジニアが一つのチー ムとして協働することで、まさに伴走する開発チームを共に作っていきます。 伴走型開発（内製化支援） 47

製造業アジャイル支援（顧客事例） 48 🔎　「クラスメソッド　京セラ　事例」

AWSサミット 2024での顧客登壇 49 🔎　「AWSサミット　京セラ　クラスメソッド」

Generative AIへの取り組み 50 以下のページに記載されている内容は当社で検証中となります。 全ての機能を利⽤できる状態ではないことをご了承ください。

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

Generative AI Lv1 設備の⾳を監視し正常時の⾳と⽐較 GW AWS Cloud Factory ⼯場、設備に設置された機器を録⾳し、 値を読み取り⽣成AIで波形に変換 正常時の⾳と⽐較し、異常を検知 52 LLMs

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

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

Generative AI Lv1 データ分析 上の散布図は、湿度とエラーカウントの関係を視覚化しています。 各点は、それぞれの湿度と対応するエラーカウントを⽰しています。 湿度とエラーカウントの相関係数は約0.995です。 これは⾮常に強い正の相関を⽰しており、このデータセットでは湿度が ⾼くなるとエラーカウントが増加することを強く⽰唆しています。 湿度とエラー数の相関を⾒せて DBに保存されたデータ例 LLMでの回答例 55

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

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

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

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 59

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 60

61

構成図 62 参照元：https://catalog.workshops.aws/generative-ai-use-cases-jp/ja-JP/overview/architecture

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 63

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 64 https://aws.amazon.com/blogs/iot/building-an-ai-assistant-for-smart-manufacturing-with-aws-iot-twinmaker-and-amazon-bedrock/

65 https://aws.amazon.com/blogs/iot/building-an-ai-assistant-for-smart-manufacturing-with-aws-iot-twinmaker-and-amazon-bedrock/ 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

PLC Data to Cloudは、単なるデータ可視化ツールではありませ ん。製造業のデジタル変革を支える、進化し続けるプラットフォー ムであり、いつでも相談できるパートナーでもあります。 製造現場のデータ可視化から活用について、少しでもお悩みが あるかたはいつでもお気軽にお問い合わせください。 まとめ 66

67