こんにちは､製造業のDXに注目する岩手在住IT系ライターの宮田文机です。

工場のIoT化に役立つツール・サービスを事例付きで紹介してきた本連載も今回でいったん最終回。第1回「センサの選定・設置」、第2回「通信環境の構築」、第3回「低コストなIoTの実現」につづいて、いよいよ”データを生かす”フェーズで役立つツール・サービスをご紹介します。

データは「加工」しなければ使えない

IoTの目的は工場から収集したデータを生産性向上や異常検出、育成などに生かすことにあります。そのため、収集したデータは使える形に加工しなければなりません。生データを目的に合わせて分類・整理・抽出することで、本当に有用な情報が見えてきます。また、センサから得たデータを勤怠データや基幹システムから得たデータとかけ合わせて分析することで見えてくる事実も少なくありません。そこで役立つのがいわゆるBI（Business Intelligence）ツールです。

BIツールは“企業の膨大なデータを集約・分析し、わかりやすく表示するツール”と定義されます。データ集計・分析ツールとしてもっともポピュラーなのはMicrosoft Excelですが、BIツールはより大量のデータを多様な形式で表示・出力することが可能です。

例えばERPに集約された受注データや勤怠データと、IoTによって取得した工場の稼働データをダッシュボード上で一覧することで、幅広い視点から生産計画の最適化に取り組めるようになります。

ただし、もちろんランプやアラートでワークの状態や機器の故障を知らせるような現場ですぐに使えるシステムも立派なIoTによる見える化ではあります。大事なのは、“何を見える化するか”ということなのです。

それでは、データの集計・加工に使えるツールを事例とともに見ていきましょう。

事例1：世界的に有名で使いやすい、Tableau

おそらく世界的に最も有名なBIツールで、データの取り込み・加工からOLAP分析、サーバーやオンラインでの共有など基本的な機能をすべて揃えています。一般的に、ITシステムに不慣れな方でも使いやすい使用感を持っており、比較的誰でもすぐに使えるようになるといわれています。

画面はシンプルに構成されており、ドラッグ＆ドロップで基本的な操作は進められます。一度無料トライアル版を使ってみるとその使用感が伝わるかもしれません。

【活用事例】

それまでデータ活用文化のなかったタイヤメーカーに導入。データ活用推進チームを組織し、Tableauに取り込んだデータに日々触れることでExcel入力や会議にかかっていた工数を大幅に削減できるように。

事例2：表現の多様さに定評のある、MotionBoard

生産ラインの稼働状況をリアルタイムで反映できる純国産のBIダッシュボードツールです。「ダッシュボード」はBIツールにおいて“様々なデータをひとまとめにして表示する管理画面”のことを意味します。

各種データベースやExcel、CSVのデータまで取り込むことができ、グラフや地図、サンキーダイヤグラムなど多様な形式で表現してくれます。表現の多様さに定評のあるBIツールであり、プログラミング知識はないが多角的な視点からデータ分析に取り組みたいという方は重宝するでしょう。

【活用事例】

多品種少量生産が基本の工作機械メーカーにおいて、工場内の部材の位置や数量、滞留時間を見える化。ビジュアルで直観的に状況を把握できるダッシュボードを開発することで生産のボトルネックを解明した。

事例3：機能の豊富なWebベースBI、Yellowfin

2003年に誕生したクラウド型BIダッシュボードツールで、iPhone・Android用のモバイルアプリもリリースされています。アクションボタンによるワークフローの作成やAIによる分析など、痒いところに手が届く機能がその特徴といえるでしょう。

その代わり、レポートやダッシュボードの表現力は他の製品に比べてやや制限されていると言われています。ほかにもプレゼン作成を助けるストーリーボード機能や、分析内容を見ながら施策に投票する採択機能などがあります。

【活用事例】

工場の見取り図を画像としてYellowfinに取り込み、設備の震動データと連携させることで故障の予兆発生をビジュアル化。ブロードキャスト機能で自動アラートを設定し、予知保全の効率化を進めた。

事例4：製造業に特化したIoTプラットフォーム、Orizuru

データ収集のためのゲートウェイからデータの一元管理、ダッシュボード機能まで備えたIoTプラットフォームです。製造業に特化しており、CNCやPLC、ロボットやセンサーから取得したデータをダッシュボードに収集して一覧できるのがそのポイントといえるでしょう。

工場での利用が前提となっているため、早期導入を助けるテンプレートや3DCADデータの表示といった機能が搭載されています。

【活用事例】

NCデータとセンサから得られた温度・振動などのデータをOrizuruで統合。AIによるデータ解析を実施することで穴あけ加工時の位置ずれといった問題の予測精度を高めた。

まとめ

データを使う、という視点で役立つ情報・ツールについてご紹介しました。本連載のこれまでの記事も合わせて参照すれば、それぞれで扱われている悩みの解決法だけでなく、IoT導入の流れ・注意点についても把握できるはずです。

自社のIoT導入の目的と照らし合わせつつ、ぜひご一読ください！

こんにちは､製造業のDXに注目する岩手在住IT系ライターの宮田文机です。

IoT導入にあたって気になるのがどのくらいの導入コストがかかるのか。平成28年に行われた総務省の調査によると従業員100名以上の製造業に従事する企業がIoTに支出したコストは前年度売上高比で3％未満がもっとも多く、3％～5％未満がその後に続きます。

自社のIoT化に当たってコストを抑えるために意識すべきこと、そしてそのために役立つかもしれない4つのツール・サービスをご紹介します。

IoT導入にかかるコストとは？ 抑える手段は？

IoTの導入・運用で必要となるコストとしては以下のようなものが挙げられます。

• センサー・アクチュエータといった機器の購入コスト
• 通信回線にかかるコスト
• クラウド・サーバーにかかるコスト
• 開発・運用にかかる人的コスト
• システムの構築・運用・保守などにかかる外注コスト

デバイスや通信料金の発達・低価格化により徐々に導入のハードルは下がってきていますが、それでも数百～数億円の費用が提示されることは珍しくありません。中小規模の工場ではとても負担しきれないことも少なくないでしょう。

そこでIoT化に取り組むために覚えておいていただきたいのが「助成金・補助金の活用」と「身の丈IoT」です。まずはIT導入補助金など国、自治体、非営利法人が運用する助成金・補助金の中で利用できるものはないか探しましょう。実際の導入の段階で知っておくべきなのが「身の丈に合った範囲でも十分IoT化は始められる」ということ。ITや通信の知識がなくても今は情報が充実していますし、ベンダーに相談するだけなら多くの場合費用はかかりません。

ここからは低コストで身の丈IoTを実現するために役立つかもしれないツールをご紹介していきます。

事例1：IoT自作の基本ツール、Raspberry Pi・Arduino

IoTをDIYで実現する事例で最もポピュラーなのが、イギリスのラズベリー財団がコンピューター教育用に販売した小型コンピューターRaspberry Pi（ラズパイ）やイタリアで開発されたマイコンボードArduinoを活用したものです。いずれも数千円代と安価ながらセンサーとの接続や機器の制御などIoTで実現したいことが一通り実現可能。プログラミングの知識は必要になりますが、書籍やWeb記事、動画など資料が充実してきているためゼロからでも始められる環境は整っています。

【活用事例】

自動車部品における製造ラインの稼働状況をスマートフォンやPCから確認できるシステムを市販のセンサーとRaspberry Piで確立。生産性の向上や発展させた同システムの事業化に成功した。

事例2：IoT導入の基本システムが一気に手に入る、10万円IoTキット

ものづくりとIoTの融合を目指すIVI（Industrial Value Chain Initiative)）が提案するIoTの実験用デモ機が「10万円IoTキット」です。前述のRaspberry PiやmicroSDカード、ICカードリーダ、ICカード、電流センサー、環境&モーションセンサーなどがまとめて提供され、その名の通り10万円弱でIoTシステムを構築することができます。IVIのサイトでその構成は公開されているため確認しつつ自分で取り揃えることも可能ですし、地域セミナーなどでデモを見たうえで提供を受けることもできます。

【活用事例】

交代制による24時間稼働を強みとするプラスチック製品工場の夜間の稼働状況を可視化。稼働率が低くなる原因特定に貢献し、結果として生産性向上を実現した。

事例3:初期費用0円、現場の声が反映されたIoT GO

自社工場のIoT化に成功した久野金属工業株式会社（詳しくは「IoT導入事例ファイル1： 中小企業5社のスマホを使ったIoT」）が株式会社マイクロリンクと開発したIoTクラウドサービス「IoT GO」です。初期費用0円、月額料金も1設備一日300円程度（工事費別）と安価に設定されているのがポイント。現場への浸透がIoT化の成功のカギといっても過言ではないため、自社工場で実際に導入した経験が反映されているというのは信頼のおけるポイントです。

【活用事例】

自動車のプレス加工部品を主力製品とする久野金属工業の装置のオン・オフ／サイクルタイムを計測。最大52％の生産性向上と売上に対する使用電力量の14.5％削減に貢献した。

事例4：IoT導入～クラウドとの連携までがまとめられたDegu IoTエントリーパック

誰でも簡単に簡単にIoTセンシングを行いクラウドと連携させられる世界の実現を目指すオープンソースプロジェクトDegu（デグー）の初心者向けパッケージです。

その内容はセンシングデータを送信するためのマイコンボード、データ通信を中継するゲートウェイ、照度センサー・加速度センサー・温湿度センサーなど6種類のセンサーセットの3つ。定価41,500円（税別）で、データのセンシング～クラウドへの集積までを簡単にスタートできるパッケージとなっています。ある程度道具が用意された状態から自作IoTに着手したい方には非常に魅力的に映るでしょう。

【活用事例】

果物を栽培するビニルハウスの湿度・温度・土壌の水分状況などをセンシング。機械学習でベストな水分量を把握し、適切な散水を行える状況を整えた。

まとめ

IoTの導入コストを抑えたいという方に向けて4種類のツールをご紹介しました。

前述の通り、まずは身の丈から始めることで安価にIoTを始めることは可能です。そこで理解を深めたうえで工場全体のDXに着手すれば、結果として目標達成につなげられる可能性も高まるはず。「ITは苦手だから……」と尻込みせず、まずはできそうなことから着手してみてください。

こんにちは、盛岡在住IT系ライターの宮田文机です。2020年4月まで『IoT導入事例ファイル』と題し、スマホ・ビーコン・ロボットなど活用ツールもしくはデータ活用・ノウハウ共有・品質管理・新ビジネス創出など目的別に、参考にしたいIoT／AI導入事例をご紹介してきました。

IoT導入に着手しようというとき、まず立ちはだかるのが“自社にノウハウがない”という壁です。データの取得、見える化、制御、AIによる自動化といったスマートファクトリー化の各フェーズに、自社に合った機器の選定やシステム構築といったハードルが存在します。そこで本シリーズでは、IoT化の各段階でよくある課題にあったツール・サービスをフラットな目線からまとめて解説いたします。

初回のテーマは「センサの選び方・使い方がわからない」。機器からのデータ収集に欠かせないセンサの導入・活用をサポートしてくれるツール・サービスをご紹介します。

センサの選び方・使い方はセンサ万別？

IoTのスタート地点は工場からのデータ収集です。

データを取得するには人間でいう五感の役割を果たすセンサを設置しなければなりません。しかし、センサの選別はなかなか骨が折れる作業。そもそも温度センサ、振動センサ、光センサ、画像センサ、加速度センサなどセンサ自体にさまざまな種類が存在し、そのなかでも価格や仕様、機能に差異があるからです。

またセンサから得たデータを活用するには、情報を集約するためのシステムを構築する必要も生じます。

そこでベンダー・サービスの力を借りる機会が訪れます。各ベンダーがパッケージソリューションやコンサルティングを提供していますが、そのなかでも「センサの選定・設置・情報収集」のフェーズで役立つ例を見ていきましょう。

事例1：センシングに長けたIoTプラットフォーム「FASTIO」

エコモット株式会社のFASTIOは、IoTデータの収集・管理に強みを持つIoTプラットフォームです。IoTへの注目の高まりとともに多くのベンダーがIoTプラットフォームを提供し始めました。そのなかでも「FASTIO」はセンシング（センサによる情報の計測・数値化）に長けており、2,000種類以上のラインナップから最適なセンサを選び、シームレスにデータの収集を始めることができます。

【活用事例】

機器に設置した振動センサーからデータを収集し、モバイルネットワークを通してクラウドサーバー上に保存。機械の劣化診断やメンテナンスに生かすことを可能にした。

事例2：さまざまな機器・センサをつなげられる汎用型情報収集装置「Σ軍師」

株式会社KMCのΣ軍師は、さまざまな機器・センサからデータを収集することができる汎用型の情報収集装置です。古い機械やメーカーの異なる設備、後付けの振動センサー・過負荷センサーなどからも情報を収集し、工場内すべての加工機をネットワーク化できるのがその大きな特徴。同メーカーの情報管理ツール「電子カルテ」と連携させればよりデータ活用は捗ることになるといいます。

【活用事例】

金型プレス加工を主とする工場において生産設備の稼働状況データを機器の種類を問わずに取得。生産管理システムで用いるデータの収集を容易にした。

事例3：センサの選定フェーズからサポートが受けられる「予知保全導入支援サービス」

株式会社マクニカはIoTサポートと定常的に設備の異常状態を把握し、メンテナンスを行う「予知保全導入支援サービス」を合わせたソリューションを展開しています。同サービスは機器に適したセンサの選定サポートに始まり、その後の稼働状況の監視やデータ分析、AIアルゴリズムの構築まで一気通貫で行います。

【活用事例】

油圧ポンプの故障を事前に予測するシステムを構築したい、という要望を受けて最適なセンサの選定からシステム構築までサポート。突発故障の予防による生産性向上に寄与した。

事例4：データの可視化環境がそのまま提供される「NEC IoT センサデータ可視化サービス」

NECソリューションイノベータが提供する「NEC IoT センサデータ可視化サービス」は、温度・湿度・気圧・UV・加速度・照度・地磁気の7種類のデータを取得できるマルチセンサーと電流センサーを用いて、作業場内の環境・稼働状況を見える化できるサービスです。ハードウェア・ソフトウェアから回線までまとめて提供される手軽さがポイントです。

【活用事例】

なし（2020年4月1日開始のサービスのため）

まとめ

IoTのスタート段階であるセンサの選定・設置フェーズで悩んでいる方に向けて、4つのツール・サービスをご紹介しました。センサの選定・設置はIoTの初めの一歩です。試行錯誤はつきものですが、各種サポートを活用することでスムーズに導入を進められるかもしれません。今回紹介したもの以外にも自社に適したものはないか、壁にぶつかった際はぜひ探してみてください。

こんにちは。2020年も製造業におけるIoTの可能性に注目する岩手在住ライターの宮田文机です。

今、世界の製造業でロボット導入がどんどん進んでいます。国際ロボット連盟（IFR）によると、2021年まで年平均14％の割合で世界の産業用ロボット販売台数は増加するとのこと。日本も例外ではありません。2015年2月に政府が「ロボット新戦略」を打ち出すなど、積極的なロボットとの協働が推奨され続けています。

生産性向上や働き方改革につながるユニークなIoT導入事例を紹介する本連載。第4回ではロボット×IoTで成果を生んでいる企業の事例を5つご紹介します。

ロボットとIoTの組み合わせがもたらすものとは？

まずはロボットとIoTそれぞれの役割についておさらいしたうえで、組み合わせのメリットを押さえておきましょう。

ロボットは人間の作業を部分的に代行してくれる存在。ものづくりの現場では垂直多関節・双腕・装着型といったタイプのロボットがピッキングや組立て、検査などの工程で利用されています。2013年12月に日本の導入規制が緩和され、人間と同じ空間で作業することが可能になったこともあり、普及は進み続けています。

一方、IoTはInternet of Things（モノのインターネット）の略であり、工場やライン、機械といったさまざまなモノをインターネットにつなぐことで人間にメリットをもたらします。現在人間と全く同じように考え行動できるロボットは存在しません。そのため、ロボットに作業を代行させるためには適切なデータを与える必要があります。その際、機械や製品からデータを取得できるIoTが力を発揮するのです。

事例1：ロボットをIoTでモニタリングする株式会社大日製作所

兵庫県高砂市の工場で航空機・ロボット部品の製造を行う株式会社大日製作所。60名規模の中小企業であり、積極的にロボット・IoTの活用に取り組んでいます。

同社の取り組みのひとつがロボットによる製造の自動化。多関節ロボットがワークを工作機械に脱着する仕組みを整えました。そこで通常ネックとなるのが機械の異常や誤作動。しかし、Raspberry Piによる設備稼働データの取得により機械をモニタリングすることで、無人下においてロボットを稼働させながら、異常の察知のみならずデータ解析による仕組みの改善を行うことを可能にしました。

ロボットには人間のような対応力や思考力がないため、異常への対応や改善活動を行うことは難しいのではないかと懸念している方は多いのではないでしょうか。その弱点の補強にIoTは大きな威力を発揮してくれます。

事例2：ロボットと画像認識をかけあわせた株式会社北斗

群馬県伊勢崎市で精密金属プレス加工や金型設計製作を行う株式会社北斗。60名規模ながら経済産業省から地域未来牽引企業に選定されるなど先進的な取り組みが認められています。

同社は事務製品に用いられる薄型金属部品のプレスラインにおける検査・搬送工程にロボットを導入しました。そこで用いられたIoT技術がカメラによる加工対象商品の形状スキャンです。ロボットは画像認識により起動し、その画像を処理することで良品・不良品の判定も行います。産官学で技術検討を行い必要な機能に絞ってロボットを導入することでコストが大幅に抑えられ、同工程の労働生産性は16倍に高まったといいます。

また、検査工程をロボットに置き換えることでヒューマンエラーを排除でき、流出不良の抑制にもつながりました。ロボットの得意な作業を検討して導入を進めることで、効果とコストの両面でメリットが得られます。

事例3：IoTにより職場巡回ロボットを生み出した兵庫ベンダ工業株式会社

兵庫県を拠点に鉄鋼・非鉄金属製品の製造・加工や土木・機械・電子回路の設計を行う兵庫ベンダ工業株式会社。姫路市に5つの工場を抱えつつ、東京在住の技術者とのテレワークや離島の若者受け入れといった地域にとらわれない活動を行っています。

同社がロボットに代行させるのは、職場環境の見回り・安全衛生パトロール。ROS（Robot Operating System：ロボット開発で広く用いられるオープンソースソフトウェア）を使って制御を行い、センサーやカメラといったIoT機器で精密な自立移動を実現しています。開発されたロボットは自社の職場管理だけでなく、他業種での応用も進められているとのこと。

同ロボットは神奈川大学と協働で須磨海浜水族園で行われたコミュニケーション誘発実験にて、導入前に機能検証がなされたそうです。職場のコミュニケーション促進にも意外にロボットは効果を発揮する場面があるということでしょう。

事例4：IoTでロボットの精密動作を実現するカワノ株式会社

神戸で婦人靴の製造販売に携わる280名規模のカワノ株式会社。ハンドメイドならではの履き心地の良い靴の製造にまい進する企業です。

同社は革靴の製造工程のうち甲革と中底の接着において大量の有機溶剤を用いるため、職人の健康面に負担がかかるという課題にロボットを用いて対処しました。靴のデザイン・サイズの多様さに加え天然皮革由来の個体差もあり、困難とされていた接着の自動化。そこで威力を発揮したのが3Dカメラによる甲革の形状データ計測です。手に入れたデータを元にロボットが動作するシステムが構築されました。

従来は難しかった精密な作業もIoTの力を用いることで再現可能になることがあります。IoT×ロボットで伝統技能のデータ化・継承が試みられる場合もあるようです。

事例5：ロボットのフル活用をIoTで支援するオークマ株式会社

最後に取り上げる愛知県丹羽郡に本社工場を構えNC装置やFA製品を製造するオークマ株式会社の事例です。数千人規模の大企業ですが、IoTを用いて人間とロボットの協働を実現する好例と言えるため、本記事でご紹介いたします。

同社はロボットをフル活用し、素材の投入や加工後の部品の取り出し、切削液の補給や加工時の切りくずの回収までを代行させています。ロボットの稼働状況はIoTによる「見える化」システムで把握。エラーの発生状況や工程の進捗、素材・完成品の場所などが工場内の大型モニターでいつでも把握でき、人間はロボットをよりうまく働かせる方法をデータを元に考えることができます。

同システムにより1日24時間・週7日間の工場のフル稼働が可能になり、大きく生産性が高められているということです。IoTを用いることでロボットのフル活用を実現できている例といえるでしょう。

まとめ

ロボット×IoTの事例についてご紹介しました。ロボットに作業を代行させることで生産性が何倍にもアップした例は枚挙にいとまがありません。

その可能性を広げる技術としてIoTは、他にはない威力を発揮してくれます。

明けましておめでとうございます、マスターブラックベルトの津吉です。今年も宜しくお願いいたします。

冬本番を迎え、私が住む北国では下の写真のように川がすっかり凍ってしまいました。今回は凍った川の“譬え話”を混ぜながら、IIoT（Industrial Internet of Things）やスマートファクトリーについて考えてみたいと思います。

凍った川を渡れますか？

ところで、もし「凍った川の上を歩いて渡れ」と言われたら、皆さんはどうしますか？平均水深は50センチです。川を渡れるかどうかは、この街に長く住んでいれば“経験と勘”だけで判断できるでしょう。経験がなくても、平均水深がたったの50センチなら思い切って川を渡ってみるかもしれません。（データを扱わない“ものづくり”の現場を想像してみて下さい）

しかし用心深い皆さんは川のデータを求めるはずです。そこで「1月の最大水深は5メートル、平均は50センチ、平均的な氷の厚さは10センチ」という情報を得ました。川を渡ってみますか？（過去のデータだけに頼る“ものづくり”の現場を想像してみて下さい）

更に用心深い皆さんは、過去のデータではなく、今の氷の状態を聞くでしょう。そこで「今日の氷の厚さは平均12センチ。12センチもあるのできっと大丈夫」という情報を得ました。川を渡ってみますか？（平均値だけでものごとを判断する“ものづくり”の現場を想像してみて下さい）

氷が割れて冷たい川に落ちる確率（リスク）を5%以下にしたい皆さんは、川全体の平均値ではなく、今現在立っているこの場所の氷の厚さを、歩を進めるごとに知りたいはずです。そこで

• 氷厚センサー
• 水深センサー
• 水温センサー
• 水流センサー

を手に入れました。川を渡ってみますか？（経常利益を少なくとも5%確保したい“ものづくり”の現場が、IIoT機器を手に入れたところを想像してみて下さい）

スマートファクトリーの発展段階

“ものづくり”の現場は、経験や勘、過去のデータや平均値という束縛から離れて、リアルタイムデータを手にするところからスマートファクトリーが始まります。しかしスマートファクトリーはリアルタイムデータだけではありません。スマートファクトリーには4つの要素と4つの発展段階があります。

スマートファクトリーの4つの要素

1. 人の意思
2. スマートファクトリー・システム
3. 人の知恵や知識、経験
4. 人の改善努力

スマートファクトリーの4つの発展段階:

1. 可視（何が起こっているのか）
2. 検出・診断（何故起こったのか）
3. 予測（何が起こるのか）
4. 対策（何をすれば良いのか）

スマートファクトリーの発展段階がAIと共に進むにつれて、人の知恵や知識、経験を使って「ものを見る」ことが少なくなっていきます。しかし一方で、

• 目標と計画を立てる「人の意思」
• 取得した情報を使った「行動への意思決定」
• “ものづくり”を改善しようとする「人の改善努力」

は変わらないどころか、ますます重要になっていきます。「スマートファクトリーやAIが導入されると仕事がなくなる」とよく言われますが、実際はこれまでとは異なる「意思決定と行動」という、機械では置き換えることができない人の能力に重心が移るだけです。

IIoTを導入した場合の川を渡る判断

凍った川の例に戻れば、「川を渡る」という目標を設定したものの、各種センサーを手に入れただけではまだ第1段階の「可視」に過ぎません。センサーから得た情報を（AIではなく）自分の頭で分析しながら、一歩一歩進まなければなりません。

そこで、危険の検出と診断を行ってくれる機能をシステムに追加しました（第2段階）。しかし警報を聞いた時はすでに遅く、避難を始めた瞬間に氷のヒビが一斉に広がり、冷たい川に転落してしまうかもしれません。

そこで、氷が割れる危険な状態を前もって予測する機能をシステムに追加しました（第3段階）。しかし危険な状態を予測してから、一体どちらの方向にどのくらいの速さで避難すれば良いのでしょうか。まだ経験と勘が頼りです。

そこで、「どちらの方向にどのくらいの速さで今歩けば良いのか」、最適な行動（対策）を教えてくれる機能をシステムに追加しました（第4段階）。ここまで改善すれば、凍った川に転落する確率を最小限に抑えることができます。

IIoTとスマートファクトリーの導入

凍った川を安全に渡るだけでもこれだけ改善努力が必要になりますが、その価値は十分あります。これは不良品質を改善しながら（前回の記事を参照のこと）数パーセントの利益を確保しようと努力する“ものづくり”も同様です。

もし皆さんがIIoTやスマートファクトリーの導入をお考えでしたら、新年を迎えた今、その計画を実行に移してみませんか？

明けましておめでとうございます、マスターブラックベルトの津吉です。今年も宜しくお願いいたします。

冬本番を迎え、私が住む北国では下の写真のように川がすっかり凍ってしまいました。今回は凍った川の“譬え話”を混ぜながら、IIoT（Industrial Internet of Things）やスマートファクトリーについて考えてみたいと思います。

凍った川を渡れますか？

ところで、もし「凍った川の上を歩いて渡れ」と言われたら、皆さんはどうしますか？平均水深は50センチです。川を渡れるかどうかは、この街に長く住んでいれば“経験と勘”だけで判断できるでしょう。経験がなくても、平均水深がたったの50センチなら思い切って川を渡ってみるかもしれません。（データを扱わない“ものづくり”の現場を想像してみて下さい）

しかし用心深い皆さんは川のデータを求めるはずです。そこで「1月の最大水深は5メートル、平均は50センチ、平均的な氷の厚さは10センチ」という情報を得ました。川を渡ってみますか？（過去のデータだけに頼る“ものづくり”の現場を想像してみて下さい）

更に用心深い皆さんは、過去のデータではなく、今の氷の状態を聞くでしょう。そこで「今日の氷の厚さは平均12センチ。12センチもあるのできっと大丈夫」という情報を得ました。川を渡ってみますか？（平均値だけでものごとを判断する“ものづくり”の現場を想像してみて下さい）

氷が割れて冷たい川に落ちる確率（リスク）を5%以下にしたい皆さんは、川全体の平均値ではなく、今現在立っているこの場所の氷の厚さを、歩を進めるごとに知りたいはずです。そこで

• 氷厚センサー
• 水深センサー
• 水温センサー
• 水流センサー

を手に入れました。川を渡ってみますか？（経常利益を少なくとも5%確保したい“ものづくり”の現場が、IIoT機器を手に入れたところを想像してみて下さい）

スマートファクトリーの発展段階

“ものづくり”の現場は、経験や勘、過去のデータや平均値という束縛から離れて、リアルタイムデータを手にするところからスマートファクトリーが始まります。しかしスマートファクトリーはリアルタイムデータだけではありません。スマートファクトリーには4つの要素と4つの発展段階があります。

スマートファクトリーの4つの要素

1. 人の意思
2. スマートファクトリー・システム
3. 人の知恵や知識、経験
4. 人の改善努力

スマートファクトリーの4つの発展段階:

1. 可視（何が起こっているのか）
2. 検出・診断（何故起こったのか）
3. 予測（何が起こるのか）
4. 対策（何をすれば良いのか）

スマートファクトリーの発展段階がAIと共に進むにつれて、人の知恵や知識、経験を使って「ものを見る」ことが少なくなっていきます。しかし一方で、

• 目標と計画を立てる「人の意思」
• 取得した情報を使った「行動への意思決定」
• “ものづくり”を改善しようとする「人の改善努力」

は変わらないどころか、ますます重要になっていきます。「スマートファクトリーやAIが導入されると仕事がなくなる」とよく言われますが、実際はこれまでとは異なる「意思決定と行動」という、機械では置き換えることができない人の能力に重心が移るだけです。

IIoTを導入した場合の川を渡る判断

凍った川の例に戻れば、「川を渡る」という目標を設定したものの、各種センサーを手に入れただけではまだ第1段階の「可視」に過ぎません。センサーから得た情報を（AIではなく）自分の頭で分析しながら、一歩一歩進まなければなりません。

そこで、危険の検出と診断を行ってくれる機能をシステムに追加しました（第2段階）。しかし警報を聞いた時はすでに遅く、避難を始めた瞬間に氷のヒビが一斉に広がり、冷たい川に転落してしまうかもしれません。

そこで、氷が割れる危険な状態を前もって予測する機能をシステムに追加しました（第3段階）。しかし危険な状態を予測してから、一体どちらの方向にどのくらいの速さで避難すれば良いのでしょうか。まだ経験と勘が頼りです。

そこで、「どちらの方向にどのくらいの速さで今歩けば良いのか」、最適な行動（対策）を教えてくれる機能をシステムに追加しました（第4段階）。ここまで改善すれば、凍った川に転落する確率を最小限に抑えることができます。

IIoTとスマートファクトリーの導入

凍った川を安全に渡るだけでもこれだけ改善努力が必要になりますが、その価値は十分あります。これは不良品質を改善しながら（前回の記事を参照のこと）数パーセントの利益を確保しようと努力する“ものづくり”も同様です。

もし皆さんがIIoTやスマートファクトリーの導入をお考えでしたら、新年を迎えた今、その計画を実行に移してみませんか？

こんにちは、AI・IoTの活用事例を集めている盛岡在住ライターの宮田文机です。2019年ももう終わりですね。今年は、AI・IoT元年といわれた2017年から2年経ち、本格的に導入を検討する企業が大きく増加した年といえるでしょう。他社に乗り遅れないため工場のIoT化を推し進めたいという需要もどんどん高まっているのではないでしょうか？

中小企業に役立つAI・IoTの導入事例を紹介するこの連載。第三回となる今回は「ビーコン（Beacon）」を使った工場のIoT化事例をご紹介します。

誰もが知るツールとはいえないため、まずはその基礎知識をご説明しましょう。

ビーコン（Beacon）とは？

ビーコン（Beacon）は“Bluetoothの無線通信技術を利用した位置特定・情報通信技術”です。消費電力が非常に小さいBLE（Bluetooth Low Energy）が開発され、2013年にApple社が独自のBLEであるiBeaconがリリースされてから大きく注目を集めました。ビーコン発信機と受信機が通信することで、発信機の位置を特定したり情報を送信したりすることが可能です。しかも数百円～数千円と非常に安価に手に入れることができ、ほとんどの場合BLEが用いられているため少ない電力で使えます。

位置情報を特定する技術としてGPSを思い浮かべる方もいるでしょう。GPSは通信に人工衛星を用いますが、ビーコンは手のひらサイズの機械で位置情報をやりとりします。そのため情報通信が出来る範囲は数メートルから数百メートルと狭くなりますが、その分省電力・安価で正確に位置情報を把握することが出来ます。さらに発信機と受信機のやり取りで完結するため地下や屋内でもスムーズに通信を行わせることが可能です。

ビーコンは商業施設でのキャンペーン通知や雪崩時の捜索などさまざまな用途で用いられています。そして、製造業の現場でも生産性向上やムダの削減に大きく貢献しています。

実際の事例を見てみましょう。

事例1：台車の位置情報を把握しムダを削減した株式会社三松

建築部品や精密加工機械部品など幅広い機械装置の組立てを行う九州の株式会社三松。同社が課題として抱えていたのが、“台車の紛失問題”。顧客企業に組み立てた製品を納品する際に用いた台車が返ってこない事態が多数起こっていたのです。また見つからない台車を探す時間も生産性を下げる要因となっていました。

そこで導入したのが「ビーコンで各台車の位置情報を把握するシステム」。台車にビーコンを取り付けることで工場内マップ上で各台車の位置を一覧することを可能にしました。台車の紛失問題が解決されただけでなく、探す時間が不要になったことで業務効率が改善され、年間約3％の工数削減につながったといいます。

事例2：織機の稼働状況を可視化した丸井織物株式会社

石川県能登町の繊維メーカー丸井織物は積極的なIoT活用により、コストを押さえつつ幅広いニーズに応えることを可能にしています。丸井織物が活用するのが前述のiBeacon。織機にセンサーを取り付けることで、職員がiPod touchを近づけた際に稼働情報を読み取れるようにしました。その結果、不具合が起きても簡単に原因を特定し記録をすることができるようになったということです。

センサーは後付けでメーターや動きから情報を取得できるため、旧式の機械にも対応可能。メンテナンスの精度向上や生産性アップにつながっているということです。

事例3：位置情報で進捗や工数把握を実現したケーアイ工業

静岡県富士市にて金属加工に携わる60名規模のケーアイ工業株式会社。同社はビーコンで作業指示書の位置情報を得ることで工場の進捗や正確な工数まで把握できるようにしました。

その仕組みは製品・部品とともに作業指示書が工場内を移動することで成り立っています。作業指示書の位置が移動するということは、その前の工作機械による作業が完了したということです。すなわち、移動したということは作業が進んだということであり、各移動の間の時間を計測すれば正確な工数も把握することができます。結果としてデータを基にカイゼンの議論が行えるようになり、作業者の意識も高まったそうです。

事例4：出荷の効率をビーコンタグで高めたネスレ日本

最後はネスカフェやキットカットで知られるネスレ日本の事例です。ここでビーコンは製品の積み込みを行うトラックの位置情報・ステータスを可視化し、出荷の効率を高める役割を発揮しました。

ドライバーがトラックの待機場に到達した段階で行き先、車体ナンバーやドライバーの連絡先といった情報がビーコンタグに登録されドライバーに手渡されます。ビーコンタグを使えば、それらの情報とともに位置がわかるため「どこ行きのトラックがいつどこにいるか」工場側で簡単に把握できるように。次に来るトラックの行き先に合わせて出荷準備を行い、ベストなタイミングでドライバーを呼び出す仕組みが整いました。

同社の計測によると、システム導入以前／以後でトラックドライバーの拘束時間に約30％の違いが生じたそうです。

まとめ

製造現場のIoT化を安価に実現できるビーコンの概要と活用事例についてご紹介しました。

モノの位置情報を把握できる機能だけでも多様な活用法があり、記事中で紹介したように進捗把握や効率アップにつなげることができます。これまであまり目を向けてこなかった方も、ビーコンを使ってムダや非効率を改善できないか一度考えてみてください。