ゴールデンフィンガープリントを使用してIoTを活用する方法

モノのインターネット（IoT）テクノロジーを活用して製造プロセスにプラスの影響を与えることを積極的に模索しているIT部門にとって、インディアナジョーンズがかつて追いかけたもののように聞こえるという理由だけでなく、知っておくべき重要な用語があります：The Golden指紋。 今週ドイツのハノーバーで開催されるCEBITトレードショーで、Software AGのTechnology and Digital AlliancesのバイスプレジデントであるBart Schouwに、この指紋が金色になっている理由とITにとっての意味について話を聞きました。

「黄金の指紋は比metaです」とSchouwは説明し、それは探偵小説の重要な証拠のようなものであると続けました。 しかし、企業では、それを製造プロセスに適用して、Schouwが完璧な製品と呼ぶものを生産するための条件がいつ満たされるかを判断できます。

ゴールデンフィンガープリントを見つけることは反復プロセスであり、製造中にデータを記録して保存するときに発生するタスク設計図であるため、一連の製造実行を長期にわたって比較できます。 同時に、工場の出力が評価され、各製造工程の成功が、製造中に記録されたデータとともに記録されます。 正しく行われた場合、結果は、製造装置からの入力の全体（製造中の製品の状態を記録したセンサー）とプロセス結果の総合的な成功指標から構成される一種の指紋です。

指紋認証プロセスはもともと化学産業向けに開発されましたが、Schouw氏は、一般的にほとんどの種類の製造に適用できると述べています。 たとえば、自動車メーカーは、各コンポーネントがどこから来たのか、塗装中の温度、各ネジまたはボルトのトルク測定値、およびシャーシを組み立てたときのロボット溶接機からの測定値の記録を持ちます。 次に、自動車の生産時に、自動車の修理時または欠陥の修理時に生産品質が追跡されます。

自動車製造における機械学習

このシナリオを仮想の自動車工場に適用してみましょう。 各自動車が製造されると、測定値はエンドツーエンドの生産プロセス中に追跡され、以前の生産実行と比較されます。 たとえば、ボルトが間違ったトルク設定で締め付けられているなどの問題が発生したとします。 その問題は記録され、今では車が売られる前に修正することができます。 最終的に、これらのエラーが発生せず、重大な欠陥なしに車両が出荷されるように、生産機械を調整できます。

「特にプロセス業界では、どの条件が実際に完璧な製品につながるのか明確ではない場合があります」とSchouw氏は述べています。 「したがって、機械学習と新しいデータ視覚化ツールを使用すると、製品の完璧なバッチにつながった生産実行のデータを実際に取得できます。その後、機械学習ツールに戻って、データ内の類似パターンを見つけます。」

ご想像のとおり、どんな種類の複雑な製造でも、意味のあるフィンガープリントを得るのに十分なデータを得るには、製造の実行ごとに数千の個別のデータポイントが必要になります。 これには、製品の状態、および使用中の製造ツールと機械の状態を測定するセンサーが必要です。 IoTテクノロジーとIT部門が輝く場所です。

各製造工程が完了すると、その工程からのデータは、製品につながるイベントのパターンとして視覚化できます。 これには、ネットワーク化されたセンサーとツール、およびそれらのイベントを記録する手段が必要です。 また、評価を実行するには特別なソフトウェアが必要です。 Schouwは、この部分が人工知能（AI）と機械学習の重要なユースケースになると述べました。

生産データをリアルタイムで追跡

これが、ITと製造業が結びつくポイントです。 IT部門は、各製造工程からの膨大な量のデータを統合し、それを使用して、各工程を完全な工程のゴールデンフィンガープリントと比較する必要があります。 実行はリアルタイムで分析されるため、以前の実行と比較されるため、実行が成功する可能性が低い場合は事前に判断できます。

プロセス製造では、製造パラメータを調整して、実行をゴールデンフィンガープリントに近づけることができる場合もあります。 生産中に実行を視覚化し、実行が失敗する時期を事前に判断する機能は、成功することのない実行でさらなる材料を無駄にせず、時間を無駄にしないことにより、大幅な節約をもたらします。

Schouw氏は、黄金の指紋を見つけてリアルタイムで生産プロセスを追跡できるAIを搭載したソフトウェアを生産する会社の一例として、Trendminerを指摘しました。 彼はまた、Software AGがTrendminerを買収する計画を立てていることを共有しました。

製造の効率化

ただし、コスト削減と高品質の側面だけがIoTと製造業にあるわけではありません。 Schouwは、製造で機械学習を使用する別の側面はF曲線の追跡に関係していると説明しました（「F」は故障を表し、工場で追跡されます）。 Fカーブを追跡するとき、工場ではなく工場を効果的にフィンガープリントします。工場が最初に建設されたときから、工場が試運転され、そして障害の割合が許容できないレベルに達するために最終的にシャットダウンされます生産施設の年齢。

時間の経過とともに生産の失敗に寄与する条件を追跡することにより、収益が減少するポイントに到達するまで許容レベルまで減らすことができます：物を修理し続けるのが高すぎる場合は、代わりに工場を再構築する方が理にかなっています。

重要なのは、ITを製造プロセスに直接関与させることにより、製造がより効率的になり、無駄が減り、欠陥が減ることです。 そして会社はお金を節約します。 適切に実行すると、結果はほぼすぐに表示されます。 製造業のIT部門にとって、ゴールデンフィンガープリントは、IoTをビジネスの中心に統合するための出発点として非常に理にかなっています。