製造業向けSmart Factoryデモと関連AWSサービスのご紹介

渡邉聡
プロトタイピングソリューションアーキテクト
アマゾンウェブサービスジャパン株式会社
製造業向けSmart Factoryデモと
関連AWSサービスのご紹介

© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved.
自己紹介
渡邉聡 (わたなべさとし)
デジタルトランスフォーメーション本部
プロトタイピング・ソリューションアーキテクト
IoTの導入やPoC段階のご支援を担当
主に製造系のお客様のご支援をメインに活動中
• 技術領域
• IoT, データ分析, ソフトウェア開発
• 趣味
• DIY

Product & Product Design Smart Factory Smart Products & Services
• インフラを意識せず、デザイン作
業そのものに集中
• 多数の並列タスクを実行すること
で、市場に出るまでの時間を短縮
• オンデマンド利用によるコスト削
減
• クリティカルデータとIPを保護す
るセキュリティ
• Overall Equipment Effectiveness
（OEE）の改善
• 制御はエッジ、蓄積・分析・ロ
ジック生成はクラウドのハイブ
リッドとすることで、進化し続け
る工場を実現
• 新しい収益モデルの獲得
• コネクテッドプロダクトによる顧
客体験と品質の改善
• スケーラビリティ（Up/Down,
Global)
• コストの低減とセキュリティの向
上
製造業におけるクラウド活用カスタマーユースケース

生産現場におけるIoT・クラウドの活用例
①
②
③
④
生産状況の見える化
分析による業務改善
予兆保全/品質予測
課題：簡単に早く設備の稼働状況を把握したい
課題：設備稼働データを使った分析により業務改善を行いたい
課題：稼働率向上のために予知保全を行いたい/品質予測により外部
不良率を低減したい
外観検査・画像解析
課題：画像解析用いて設備管理や外観検査の自動化に活用したい
生産ライン
NC
PLC/DCS/OPC
人
データ収集・蓄積可視化
IoT Gateway
生産ライン
生産ライン
生産ライン
データ収集・蓄積
＋可視化
統合データベース
分析
生産
品質
設備
生産ライン
収集蓄積データ加工機械学習
(1)データ発生
(A) データ送信
(B) モデリング
(C) 構築モデルの配布
(2) 異常検知
(3) 警告灯点灯
予測モデル
の作成
生産ライン
収集・蓄積ラベリング機械学習
(1) 撮影
(A) データ送信
(B) モデリング
(C) 構築モデルの配布
(2) 不良検知
(3) 仕分け
予測モデル
の作成

© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark
機械学習を用いた外観検査の自動化
工場データの可視化・分析
https://aws.amazon.com/jp/local/manufacturing/
AWSの製造業に対する取り組み
複数のセッション動画、デモコンテンツをご視聴
できますので、是非ご参照ください。
ARを用いた生産ラインの可視化と異常検知

Amazon Web Service ブログ
https://aws.amazon.com/jp/blogs/news/architecture-of-smart-factory-demo-using-model-factory/

デモ使用機材
• ミニチュア工場装置
• フィッシャーテクニック・エデュケーション
• Conveyor Belt 24V
• Indexed Line with two Machining Stations 24V
• Sorting Line With Color Detection 24V
• PLC
• 三菱電機 FX5UC CPUユニット FX5UC-32MR/DS-TS
• Edge Computer
• NVIDIA Jetson nano

Smart Factory Demo Architecture
Plant
AWS IoT Core
AWS IoT
Greengrass
AWS Cloud
AWS IoT SiteWise
AWS IoT
Events
AWS Lambda
Web Browser
AWS AppSync
Data upload w StreamManager
Publish error warning
Status check
Real-time data
monitoring
Data reference by
head-mount device
AWS IoT Analytics Amazon QuickSight

工場データの収集

PLCの画像

生産工程におけるデータ種別ごとの収集例
Factory AWS Cloud
OPC サーバ
PLC/DCS
Amazon Kinesis
AWS IoT
Greengrass
Amazon S3
AWS Glue
カメラ
既存システム
MES
データストア
RDB AWS Glue
AWS IoT Core
ストリームデータ
DB データ
ファイル
画像
リアルタイムデータ
データ解析/BI/
機械学習サービス
ダッシュボード
アラート
業務アプリケーション
管理者
データ分析官
機械学習エンジニア
フィールドエンジニア
管理者

Stream
Manager
Visual Inspection Demo Architecture
AWS Cloud
Jetson Nano
Greengrass Core
PLC
control
Lambda
Inference
Lambda model
Topic
Amazon SageMaker Amazon SageMaker
Ground Truth
Amazon Simple Storage
Service
AWS IoT SiteWise
Camera
PLC

プロトコルアダプタの選択肢
• Modbus-RTU
• Greengrass Connectorとして提供 (設定のみで接続)
• OPC-UA, Modbus-TCP, EtherNet/IP
• IoT SiteWise (Greengrass Connecter) の利用で可能(後述)
• OPC-UA
• Adapter実装リファレンスを提供
https://github.com/aws-samples/aws-iot-greengrass-opcua-adapter
• OPC-DA, SLMP
• Machine to Cloud 接続フレームワーク (AWS Solutions) として提供
https://aws.amazon.com/jp/solutions/implementations/machine-to-cloud-connectivity-framework/

3rd Party ソフトウェアによる収集
Factory AWS Cloud
MELIPC
MELSEC
AWS IoT Core
AWS IoT
Analytics
Amazon
QuickSight
Operation Dashboard (稼働状況)
BI Dashboard (稼働実績、統計情報)
EdgeCross v1.22 より GUI
操作のみで AWS にリアル
タイムでデータ送信可能。
AWS より WhitePaper を
提供 (※)
AWS IoT SiteWise
※ https://www.mitsubishielectric.co.jp/fa/ssl/sols/psm/psh/solution/detail/?companyid=kmpu1
6nkq8&solutionid=b185eead-2931-4224-89a3-0e977be67d71

internet
of things
AWS IoT SiteWiseは、ローカルゲートウェイを使用してプラントからデータを収集し、
そのデータを構造化してラベルを付け、リアルタイムのKPIとメトリクスを生成して、
データに基づく意思決定を改善します
AWS IoT SiteWise
データを構造化し、機器と
プロセスのパフォーマンス
メトリックを指定する
ダッシュボードを作成および
共有して、現在から過去の機
器データを視覚化
機器データを数分でAWSに
取り込む
ASSET MODEL
Property: Attribute
tool_id :
Property: Time-series
pressforce-ch1 :
Property: Formula
Avg Pressforce : f (pressforce-ch1)
データを時系列データベースに
格納
Analytics
Services

internet
of things
データの収集
• すべての設備のデバイス、機器、ヒストリ
アンDBからデータを収集
• MQTT, OPC-UA, EtherNet/IP, および Modbus
プロトコルをサポート
• AWS IoT CoreおよびPUT APIを介してAWS IoT
SiteWiseにデータを取り込み
• エッジゲートウェイを一元管理
OPC-UA
Modbus-TCP
EtherNet/IP
Device
MQTT
Greengrass
SiteWise
Connector
AWS IoT
SiteWise
AWS IoT Core
AWS SDK
Analytics
Services

AWS IoT SiteWise Monitorによる
リアルタイムデータの可視化・分析
QuickSightによる
中長期データのBI分析

internet
of things
AWS IoT SiteWise Grafana Integraion
• Grafana 7.3.0 以降でデータソースとしてSiteWiseを指
定できるプラグインを提供開始
• AWS Managed Service for Grafana (AMG) のデータソース
としても指定可能
• Grafanaダッシュボードの様々な視覚化オプションで
機器データをニアリアルタイムで可視化、監視が可能
に
• 複数のAWSソース(Amazon Timestream, CloudWatchなど
)およびその他のデータソースからのデータを単一の
Grafanaダッシュボードで可視化可能に
https://aws.amazon.com/jp/about-aws/whats-new/2020/12/introducing-aws-iot-sitewise-plugin-for-grafana/
https://docs.aws.amazon.com/ja_jp/iot-sitewise/latest/userguide/grafana-integration.html
Analytics
Services

internet
of things

internet
of things
AWS IoT SiteWise Edge -エッジでのデータの処理
• アセットモデルによるプロパティに対するラベ
ル付け、変換の実行、およびメトリクスの計算
をローカルで実行
• 変換を使用しデータをフィルタリング
• プロパティとメトリクスの履歴データに
アクセスするためのGET API
• フィルタリングまたは集計された結果のみをク
ラウドに転送しコストを最適化
• アセットモデルは自動的にクラウドから
エッジゲートウェイに同期されます
Ingest
Local Apps
Get API
Label inputs and
compute metrics
Query path
ASSET MODEL
Property: Attribute
robot_id :
Property: xPosition
pIck-rate-ch1 :
Property: Formula
Picking Workcell
Put API
UPLOAD path
Cloud Destinations
Process Streams
Local Storage
Analytics
Services
Preview

Smart Factory Demo Architecture
Plant
AWS IoT Core
AWS Cloud
AWS IoT SiteWise
AWS IoT
Events
Web Browser
Data upload w StreamManager
Publish error warning
Status check
Real-time data
monitoring
Data reference by
head-mount device AWS IoT Analytics Amazon QuickSight
AWS IoT SiteWise
Edge
AWS IoT
Greengrass

装置の異常検知

internet
of things
異常状態の画像

internet
of things
機器またはプロセス内のイベント
を検出するために受信
テレメトリデータを評価する
ための単純なロジックを構築
何千ものセンサーや他のソース
のデータからイベントを検出
結果をトリガーして
操作を最適化
AWS IoTイベントを使用すると、機器および一連のデバイスからのデータを
継続的に監視し、イベントが発生したときに適切な対応をトリガーできます
!
AWS IoT Events
Analytics
Services

internet
of things
IoT Eventsで作成している探知モデル

保守の進化
事後保全
Reactive
Maintenance
Time Based
Maintenance
Condition
Based
Maintenance
状態基準保全
Predictive
Maintenance
保守の進化

Amazon Monitron
https://aws.amazon.com/monitron/
 Amazon Monitron は機械学習や開発の経験が無くても、
Amazonの配送センターで機器を監視するのと
同じテクノロジーで予防保守を実現する
 システムをエンドツーエンドで提供。
振動や温度を捉えるIoTセンサやデータ集約・転送を担う
ゲートウェイ、データを処理するクラウドサービス等
 バージニア北部で利用可能。スターターキットが米国、
英国、EU で購入可能。日本対応は未定
モバイルアプリはGoogle Play Storeで入手可能。
機械学習の技術により産業機械の異常な動作を検知、
予防保全を行えるようにすることで計画外の停止時間の削減を図る

Amazon Lookout for Equipment
https://aws.amazon.com/lookout-for-equipment/
既存の機器センサーを利用している環境で、
機械学習の知識なしに設備の動作異常を検出し、予防保守を可能にする
 個々の機器データを基に機械学習を使用した高精度の異常検知を実現
 従来からある閾値ベースや統計ベースではない
 既存センサーデータを利用可能
 利用が容易ですぐに始められる
 モデル学習、推論の自動化
 継続的な精度の改善
 異常検知結果への人によるフィードバックで精度改善
 異常検知時の対処の自動化
 問題チケットの作成や自動アラームの通知

internet
of things
機械学習を用いた外観検査の自動化

About Visual Inspection Model
Input data Diff
Model
Restored image Abnormal part
① ② ① - ②

internet
of things
モデル作成だけでなくモデルの再学習や
ダッシュボードによる検査状況のモニタリングまでカバー
画像の登録
モデルの学習
モデルの評価
外観検査
正常画像を 20枚以上、異常画像を10枚以上用意し、
それらにラベル情報を紐付ける
登録した画像とラベル情報を指定して学習開始
学習に使用していない画像を使って性能を評価し、
予測が間違っていたら修正して再学習を実行
作成したモデルに画像を入力して得られた結果を
ダッシュボードでグラフィカルに確認
https://aws.amazon.com/jp/lookout-for-vision/
画像の異常検知 – Amazon Lookout for Vision

Amazon Rekognition Custom Labels
 どの欠陥かを区別したい、
画像のどこにどの欠陥があるかまで検出したい場合に有用
 Amazon SageMaker Ground Truth で作成した教師データを使ってモデルを構築
ノーコードで独自の物体検知・シーン認識モデルを構築
https://aws.amazon.com/jp/rekognition/custom-labels-features/

参考リンク
• ミニチュア工場を使ったスマートファクトリーデモのアーキテクチャ
• https://aws.amazon.com/jp/blogs/news/architecture-of-smart-factory-demo-using-model-factory/
• 日本のお客様向け AWSの製造業に対する取り組み
• https://aws.amazon.com/jp/local/manufacturing/
• AWS IoT SiteWise ハンズオンを公開
• https://aws.amazon.com/jp/blogs/news/https-aws-amazon-com-jp-blogs-news-aws-iot-sitewise-workshop/
• https://iot-sitewise.workshop.aws/ja/

Thank you!

製造業向けSmart Factoryデモと関連AWSサービスのご紹介

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à 製造業向けSmart Factoryデモと関連AWSサービスのご紹介

Similaire à 製造業向けSmart Factoryデモと関連AWSサービスのご紹介 (20)

Plus de Amazon Web Services Japan

Plus de Amazon Web Services Japan (20)

Dernier

Dernier (8)