Amazon Web Services ブログ
AWS Summit Tokyo: AWS IoT SiteWise を利用した工場のニアリアルタイムの可視化
みなさん、こんにちは！ソリューションアーキテクトの新澤と藤井です。普段は製造業のお客様をご支援しています。
4年ぶりのオンサイトでのAWS Summit Tokyoが 2023 年 4 月 20 日（木）、21 日（金）の 2 日間、幕張メッセにて開催され、大盛況のまま無事イベントを終えることができました！
基調講演・150 を超えるセッション・180 を超える EXPO コンテンツが披露されましたが、今回はその中から製造業に関する展示のうち、 AWS IoT SiteWise を利用した工場のニアリアルタイム可視化のデモ展示についてご紹介します。
なお、AWS Summit Tokyoにおける製造業に関する展示の全体的なコンテンツについては以下のブログもあわせてご参照ください。
モデルファクトリーデモ 1の展示概要
このブログでは、ミニチュア工場を使ったモデルファクトリーの２つあるデモ環境のうち、モデルファクトリーデモ1におけるAWS IoT SiteWise のデモを紹介します。モデルファクトリーデモ1では以下のような展示が行われました。
モデルファクトリーデモ1では2つの工程が存在します。一つ目の工程は人が材料を入荷台に置くことで自動で真空グリップアームが材料を倉庫へ入庫します。二つ目の工程は、Webのオーダー画面から色を指定した注文から始まり、真空グリップアームが対象の材料を倉庫から取り出し、マルチプロセスステーションにて加工が行われ、製品が色ごとに仕分けベルトコンベアで取り出しが行われて出荷されます。
AWS IoT SiteWise は生産設備の稼働状況などのPLCからのデータをOPC-UAプロトコルを介して集約し、 AWS IoT SiteWise Monitor が各製造ラインや製造装置の稼働状態をニアリアルタイムに表示することで、複数工場の現在の稼働状況を遠隔地から把握することを可能とします。展示をご覧になった来場者様からは「実際の設備とデータの流れもわかりやすかった」、「イメージがついたのでぜひ取り組んでみたい」と好評をいただきました。展示に利用したアーキテクチャーは以下となります。
AWS IoT SiteWise
AWS IoT SiteWise は、産業機器データの収集・蓄積・分析・可視化の仕組みをローコードで構築できるマネージドサービスです。工場データを扱うことに特化しており、東京リージョンではデータソースとしてOPC-UAに対応しております。また、AWS IoT Coreを介することでMQTTのデータもSiteWiseに転送することが可能です。今回は、ミニチュア工場のOPC-UAサーバーからOPC-UAプロトコルで実際に送信される情報を活用し、ニアリアルタイムに工場の生産数、稼働率などの稼働状況、設備の振動や温度など設備情報、工場の気温や湿度など環境情報などをダッシュボードに可視化するデモを展示しました。複数の工場の状況を一枚のダッシュボードにまとめて表示することができます。また、生産ラインの状況を製造部門だけでなく生産技術、品質保証など関連する部門と共有するユースケースを表現しました。以下の図が、AWS IoT SiteWise Monitor で構築されたダッシュボードです。
日本国内またはグローバルに分散された工場の状況もニアリアルタイムに可視化できるため、どこで何が発生しているのか、場合によってはより詳細に状況を把握しなければならないのか、データをもとに気づきを得てアクションにつなげることができます。
アセットとアセットモデル
AWS IoT SiteWise にはアセットとアセットモデルを定義する機能があります。AWS IoT SiteWise では、実体を伴った工場、工程、設備、センサデバイスなどを「アセット」と呼びます。アセットは測定値（温度、振動、PLCのレジスタの値など）や属性値（企業であれば企業情報、デバイスであればシリアルNoなど）を持ちます。そして、アセットはアセットモデルから生成されます。アセットモデルとは、アセットがどのような測定値や属性を持つかを定義したテンプレートのようなものです。企業→⼯場→ライン→設備といった製造機能を階層構造で表現することができます。これによりその企業のアセットモデルに紐づくデータを全社的に標準化して持つことができるので、全体で集計したメトリクス、遠隔地のデータの比較、機器ごとにドリルダウンしてのモニタリングが可能になります。以下は、アセットモデルとアセットの関係性を示した図です。こちらの例では、企業を表すEnterprise Model、工場を表すFactory Model、工程を表すProcess Modelに3階層で定義していますが、その企業の実際の構成に合わせて自由に定義することができます。
このようなデータモデルを定義することのメリットとして、まず、大量の設備やデータソースを効率的に管理できることが挙げられます。階層構造なので同階層間のデータを比較しやすいため、例えば別の工場の同じ設備同士でパフォーマンスを比較するなどのユースケースに適しています。また、子アセットの値を集計して親アセットの値を計算できる為、例えば上の図のように各設備のCO2排出量からその企業が排出するのCO2排出量合計を計算するなどのユースケースにも適しています。
外部連携
外部連携の一例として、AWS IoT SiteWise からのアラートを AWS Lambda 経由で Slack に連携するデモを展示しました。緊急性の高い工程の異常については、現場担当者が常時所有しているタブレットやスマートフォンなどにダイレクトに通知する仕組みが必要になります。AWS IoT SiteWise は収集したデータに対してルールベースのアラートを設定することができ、アラートをトリガーにしてメール通知を行ったり、Lambda関数を起動して外部システムにメッセージを送信させることができます。
このデモでは、AWS IoT SiteWise 内で計算された工程能力指数（Cp）が1.00を下回ったら、所定のSlackチャンネルに設備保守担当者に対して対応を求めるようなメッセージを通知しています。工程能力指数（Cp）は一般的に1.00を下回ると異常（工程能力が低下している）と判断されるKPIです。また、このメッセージにあるリンクをクリックすると、AWS IoT SiteWise のダッシュボードが開きます。ここを見ることによってトラブルが起きたタイミングの詳細な前後の状況を確認することができます。このように不具合の情報や対応方法が従業員間で即時共有されることで、ダウンタイムの短縮や設備の修繕履歴を可視化、過去事例やナレッジの横展開などに繋げることができます。
なお、今回のデモには含まれていませんが、AWS IoT SiteWise Edge を利用すると工場にあるサーバでデータを可視化することもできます。リアルタイムで確認が必要なデータは AWS IoT SiteWise Edge で可視化し、複数部門でニアリアルタイムに可視化したいデータには AWS IoT SiteWise を利用することにより、アクションにつながる気づきを効率よく得られることができます。さらに AWS IoT SiteWise のデータをAmazon S3にエクスポートして基幹システムなどにあるデータをBIダッシュボードの Amazon QuickSight で連携させ、経営層などビジネス判断に必要な情報を可視化でき、金額ベースで構内在庫の可視化などもできます。それぞれのサービスと利用部門のイメージは次のようになります。
おわりに
今回は、AWS Summit Tokyo 2023のデモ展示におけるモデルファクトリー1と AWS IoT SiteWise のご紹介をさせていただきました。このように工場の現場、他部門との連携、経営層のみなさまにお役立ちできる様々なAWSサービスがあり、製造のデジタル化による効率化・最適化に取り組んでいます。ぜひ、スマートファクトリーや、製造業におけるクラウドの利活用についてAWSまでご相談ください！
著者プロフィール
新澤 雅治 (Niizawa Masaharu)
アマゾン ウェブ サービス ジャパン合同会社
IoT スペシャリスト ソリューションアーキテクト
製造業、 IT ベンダーを経て AWS に 入社。現在は IoT スペシャリストソリューションアーキテクトとして、主に製造業のお客様のIndustrial IoT 関連案件の支援に携わる。趣味はドライブ、BBQ、ハイキングなどアウトドア全般。
藤井 暢人 (Fujii Nobuhito)
アマゾン ウェブ サービス ジャパン合同会社
技術統括本部 ソリューションアーキテクト
外資系ITベンダーで働きつつ、在職中に大学院に通い技術経営修士 (MOT) を学び、2021 年 1 月に AWS に入社。現在はソリューションアーキテクトとして、これからAWSを活用していこうというお客様への支援を担当。週末にはテニスをしたり、家族とウォーキングなど。