「製造リファレンス・アーキテクチャをベースとしたシステム構築を行うための基盤技術トレーニング」と題して実施した一連の勉強会スライド。 こちらのスライドの説明動画は、 https://aka.ms/mfgra4mpn000 から参照できます。 Microsoft Partner Network参加パートナー様は、こちらのスライドのPDFファイルを、 https://assetsprod.microsoft.com/mpn/ja-jp/resource-202 よりダウンロード可能です。

1. Azure
2020年7月
(MPNパートナー様向け配布用)
Tech Briefing:
製造リファレンス・アーキテクチャをベースとした
システム構築を行うための基盤技術トレーニング
福原 毅 ( tfukuha )
日本マイクロソフト株式会社
パートナー事業本部 パートナー技術統括本部 第二アーキテクト本部
シニア クラウド ソリューション アーキテクト ( Azure Data & AI )
～ Part 0: 製造リファレンス・アーキテクチャについて

2. 製造リファレンス・アーキテクチャ とは？
• マイクロソフトが捉える製造業のトレンド
• デジタル フィードバック ループのステップ
• 製造リファレンス アーキテクチャの構成
Appendix:
• 日本マイクロソフト株式会社 パートナー技術統括本部の役割
• Why Azure ?
目次

3. マイクロソフトが捉える製造業のトレンド
製造業のインテリジェント化
スマートセンサーによる拡張やデータ処理の高度化が、
製造業をこれまで以上に接続された、インテリジェントなものにしている
➢ 2021年までに世界の大手2000社の 20% がインテリジェントな製造業に移行 する
➢ 2021年までに AI が $2.1T の事業価値を生み出す
XaaS 化の台頭（製品から顧客エクスペリエンスへ）
XaaS はサービスベースのビジネスモデルと定義されることが多くなり、
製造業は B2B から B2B2C に移行している
➢ 2018年に オンデマンドサービスは $57B まで成長 する
➢ 2021年にUSで 8650万人がシェアリングエコノミーのユーザーに
IT と OT の融合
コネクティビティ、ビッグデータ、IoT の拡大がインテリジェント製造業
への扉を開き、IT と OT の融合は避けられないものになった
➢ 2021年までに 360億以上もの IoT デバイス が接続 される
➢ 2018 - 2020年の間で 協働ロボットは 159% 増加 する
2019 Manufacturing Trend – Microsoft
http://info.microsoft.com/rs/157-GQE-382/images/EN-US-CNTNT-Report-2019-Manufacturing-Trends.pdf

4. マイクロソフトが捉える製造業のトレンド
ビジネスは変化する労働力へ適応
ベビーブーマー世代が引退し新世代が中心になることで、
どのようにビジネス運用をしていくかを再検討する必要がある
➢ 55歳以上世代がアメリカで最も早く成長する労働力セグメントに
➢ 2024年までにUSでは 73.6万人のデータサイエンティストが必要 とされる
（予想では市場に 43.8万人 しかいない）
不確実な時代を生きる
二極化した政治環境や、法規制、個人の台頭など先が読めない時代に
➢ 49% のビジネスリーダーが 3年前よりも不確実さが増していると感じている
➢ 66% の消費者がブランドにとっては公的な立場を取ることが大事であると感じている
製造業での技術進化
製造業の技術は進化し続け、製造プロセス改善、従業員支援、
革新的な製品提供の機会を創出する
➢ 製造業の 2/3 が 3D プリンターを利用 している
➢ 2025年までに ロボットシステムに $67B が投資 される
2019 Manufacturing Trend – Microsoft
http://info.microsoft.com/rs/157-GQE-382/images/EN-US-CNTNT-Report-2019-Manufacturing-Trends.pdf

5. 変革を推進する要因
デジタル化に対する期待値と、対応の遅れに対する強い危機感
インテリジェントなロボッ
ト プロセス オートメーショ
ンを使用してスキルの
ギャップに対処
60%
By 2023
ブロックチェーンとIoTを利用
したサステイナビリティの証
明を提示
30%
By 2025
70%
By 2022
クラウド型イノベーションプ
ラットフォームを活用して新
製品・新サービスの50％を
創出
サプライチェーンの回復力と
AIに投資し、15％の生産
性向上を目指す
半分
By the end of 2021
ローコード技術を用いて業
務に関連したアプリケー
ションを作成
30%
By 2021
IoT と機械学習を利用し
た生産ラインのデジタル
化で10%のコスト削減を
実現
65%
By 2030
OEMが現場アセットのIoTデー
タを活用し、計画外のダウン
タイムを25%削減
40%
By 2024
60%
By 2022
スマートファクトリーの焦点
をテクノロジーからプロセス
のチェンジ マネジメントに
シフト
アセットを内部顧客として扱
い始め、ダウンタイム40％短
縮を目指す
20%
By 2021
消費者向けメーカーのサプラ
イチェーンがカスタマイズを大
規模に管理
75%
By 2024
IDC FutureScape: Worldwide Manufacturing 2020 Predictions – Dec 2019

6. ・・・しかしながら、現場の現実は？
O
E E
情報の流れが遅い:
• 手動 & サイロ化された環境
• 1つのラインに障害が発生すると連
鎖反応が起きる（情報がつながっ
ておらず防げない）
世代間の技術ギャップ:
• 新旧の設備から全体的にデータ
を取得するのが困難
• データの所有者が不明
人材＆スキルギャップ:
• 技術の継承
• 若い人たちの関心の喪失 (低下)
• カスタマイズへの対応
• 品質管理、エクスペリエンス、視覚化

7. デジタルフィードバックループのステップ

8. マイクロソフトが提供可能な
基盤技術
従業員の働き方支援 | お客様とのつながり強化 | オペレーションの最適化 | 製品の変革
製造業におけるマイクロソフトの注力領域
よりよい未来の創造Intelligent Energy and Manufacturing
コネクテッド製品/
製品イノベーション
コネクテッド
フィールド サービス
コネクテッド販売
およびサービス
未来の工場/
オペレーション
インテリジェント
サプライ チェーン
サステナビリティ働き方改革
CONNECTED PRODUCT/
PRODUCT INNOVATION
CONNECTED FIELD
SERVICE
CONNECTED SALES
AND SERVICE
FACTORY/
OPERATIONS OF THE FUTURE
INTELLIGENT
SUPPLY CHAIN
SUSTAINABILITYWORKFORCE
TRANSFORMATION
Product-as-a-Service
Factory
of the
Future
Intelligent
Supply Chain
製造業向けのリファレンス・アーキテクチャを提供を開始
IoT & エッジ
AI
ハイブリッドクラウド
ハイパフォーマンス
コンピューティング
複合現実
ブロックチェーン 量子コンピューティング
高度なデータ解析
ID | セキュリティ | コンプライアンス | DevOps

9. COVID-19 の影響
Microsoft Analysis: May 2020
リモートでのコラボレーションと生産性を強化
プライバシーとセキュリティを強化してリモートワークをサポート
インテリジェントなロボット プロセス オートメーションとローコード技術の展開を加速
AI主導の予測と処方的な分析とデジタル ツイン
今後の製品・プロセス開発が加速する

10. 製造業におけるマイクロソフトの注力領域の再整理
Respond (喫緊の状況に対処) | Recover (現状回復と復活の計画立案) | Reimagine (ニューノーマルの形成)
Transform
your workforce
Engage customers
in new ways
Build more agile
factories / production
Create more
resilient supply chains
Unlock innovation
and deliver new services
Formerly Connected Field Service Formerly Factory of the Future Formerly Intelligent Supply Chain Formerly Connected Product InnovationFormerly Workforce Transformation

11. 製造業のデジタル トランスフォーメーションを支えるMicrosoft Platform
Azure
ニーズに合わせたアプリケーションが社内で構築されていても、パートナーからの提供でも、Microsoft からの提供でも、
Azure は、迅速かつ効率的なスケールアップを可能にする、本番環境のデジタル プラットフォームです。
Transform
your
workforce
Engage
customers
in new ways
Build
more agile
factories
Create
more resilient
supply chains
Unlock innovation
and deliver
new services
Formerly
Connected Field Service
Formerly
Factory of the Future
Formerly
Intelligent Supply Chain
Formerly Connected Product
Innovation
Formerly Workforce
Transformation

12. デジタル トランスフォーメーションのステップ
価値
時間
フェーズ
テレメトリー
ダッシュボード
“何が起こってい
るかを理解”
エッジ ゲートウェイPLCs/IPCs
1
Connected
“プラグインの
導入”“データとソースの
定義”
AI モデル、機械
学習
“将来予測”
時系列 / 履歴
データ、履歴データ
のモデル化
“原因と影響の
理解”
2
Predictive
“従量課金”、
成果ベースの製品
“新しいサービスと
ビジネスモデル”
デジタル フィード
バック ループ、
API 呼び出し
“自律的に最適化
するレスポンス”
3
Cognitive

13. デジタル トランスフォーメーションのステップ
価値
時間
フェーズ
テレメトリー
ダッシュボード
“何が起こってい
るかを理解”
エッジ ゲートウェイPLCs/IPCs
1
Connected
“プラグインの
導入”“データとソースの
定義”
AI モデル、機械
学習
“将来予測”
時系列 / 履歴
データ、履歴データ
のモデル化
“原因と影響の
理解”
2
Predictive
“従量課金”、
成果ベースの製品
“新しいサービスと
ビジネスモデル”
デジタル フィード
バック ループ、
API 呼び出し
“自律的に最適化
するレスポンス”
3
Cognitive
Azure IoT
エコシステム
(既存と新規の
シナリオで有効)
Azure IoT プラットフォーム
とサービス
Azure データ
プラットフォームと AI
Azure、
D365
および
サードパーティ
プロバイダー
(SAP, etc.)
ACTIONS
( 業務適用 )
THINGS
( データ収集 )
INSIGHTS
( データ蓄積・分析 )

14. インテリジェント クラウド + インテリジェント エッジ による
デジタル フィードバック ループ・フレームワーク
THINGS – データ収集 INSIGHTS – データ蓄積・分析 ACTIONS – 業務適用
Power BI
Surface 他
各種スマートデバイス
業務デバイス
• 共通の
データ モデル
• 構造化・非構造化
データ格納
• Azure AD による認
証・アクセス制御
機械学習モデル
開発・管理
Azure Machine Learning
業務アプリケーション
Power
Automate
Cognitive Services
• IoT データ収集
• デバイス管理・プ
ロビジョニング
• 通信規格対応
(HTTP, AMQP,
MQTT)
データ蓄積
(データレイク)
人
各種スマート デバイス
データ保護 - ID / Security
機器/
センサー GitHub
Azure Active Directory
ユーザー管理・認証・アクセス制御
データ収集・
連携
DB
Azure
IoT Hub
Azure
Data Factory
(Synapse Pipeline)
学習済み AI モデル
Microsoft Teams
Azure
Data Lake Storage
Gen2
PowerApps
外部データ
(非構造化)
Azure Security Center
脆弱性チェック、脅威検出・レポート
• ノンコーディングで
アプリ・ビジネス ロジック・レポート作成
• デバイスをを問わないビジネス チャット、オンライン
会議、ファイル共有
• 現場や人に関連するデータ収集
Dynamics
365
Azure
Logic Apps
Azure
Functions
Azure
App Service
Azure
Kubernetes
Service
• Serverless とPaaS、コンテナー オーケストレーター
データ処理・
分析
Azure Synapse Analytics
Azure Cosmos DB
Azure
DevOps
Bonsai
Azure Sphere
セキュア
MCU
セキュア
OS
10 年間
セキュリティ更新
組み込み
IoT デバイス
• OPC- UA 接続
• リアルタイム
データ処理
• 機械学習モデル
による推論実行
• 継続セキュリティ
保護
Azure
IoT Edge

15. なぜ、製造リファレンス・アーキテクチャが必要か？
１．MSの製品・サービス視点ではなく、製造業の業務変革視点で会話する
２．MSの製造業ソリューションの全体像・世界観をお伝えする
３．業務シナリオ・ベースでのパートナー・ソリューションで早期実装を目指す
まず、どの業務の変革に使えるかをチェック

16. 製造リファレンス・アーキテクチャ の構成
業務シナリオのユースケースの全体像 必要な業務ファンクションとサブシナリオ 業務ファンクションを現場の絵で図解したイメージ
必要なシステム機能とシステム構成図 サブシナリオでのシステム連携イメージ Microsoftのサービスで構築する際のリファレンス
まずは、どの業務変革に使えるかの確認から！

17. 組立工程
ユースケース
• 工場の情報ユーティリティ基盤として、生産現場で使い捨てにされている情報や、共有されていない情報をクラウド化し共有。
• データのカタログ（グラフテンプレート）を保有しており、収集されたデータ同士を自動で分類/紐づけ。簡易な工場デジタルツインを生成。
• 変化点分析等、工程を跨る分析の自動化や、動作の最適化、ワークフローの自動化にも活用可能な基盤を構築する。
場内物流生産管理工場長/本社 加工工程 品質検査・
品質管理
設備保全 工場工務
工場アンドン
材料ロット
変更
設定
変更
治具
変更
工場生技
人員
配置
作業手順
変更
スキルマップ
カイゼン
稼働状況 稼働状況
FMEA分析
作業指示/
差立
ワークフロー
（保全依頼・警報等）
工場の情報ユーティリティ基盤
予測・最適化
モデル生成
（品質・歩留・在庫）
y = f (x1, x2, …)
予兆保全・
保全作業指示
ビデオ マニュアル
監視カメラ
CDM
変化点管理
個人端末
共用DB
（文書・数値）
安全
アラート
Smart
Workplace
保全 調達
本社情報システム
既存ITとの
接続性向上
予測モデル
改善
処理の
自動化
文書の
クラウド共有
文書・DBの
自動更新
自動アラート
データ自動
分類・紐づけ
QC7つ道具
各種案内在庫水準検査結果作業実績 作業手順
OPC

18. ソリューションシナリオ・サブシナリオ一覧
ソリューションシナリオ 業務改善シナリオ（２～３以上のポイントソリューションが連携して動作するシナリオとする） 対象ユーザー/業務
0. 工場の情報ユーティリティ • 工場の情報を工程横断で、かつ、時間変化を継続的に蓄積する。後の情報分析、自動化等の基盤とする。
1. 現場文書のクラウド共
有・データ自動更新
• 現場で使い捨てにされているOffice文書、例えばQC7つ道具等のテンプレートをOfficeやPower BI上で構築・提供し、収集し
たデータを流し込み、文書の作成・更新を自動で行えるようにする。
• 例えばスキルマップ自動更新の場合、工員毎の作業スピード（所要時間）、歩留まり等を自動でモニタリング。スキル要件定義
表の成熟度と突き合わせ、自動でスキル認定を行う。
• ラインの歩留まり情報は経営ダッシュボードに連携する。
→ その他に、工場で使い捨てにされている情報は無いか？
• QC7つ道具自動作成
• スキルマップ自動更新
2. 工場モニタリング（工場
アンドン）/ 経営ダッシュ
ボード連携
• 直替時/欠員時の連絡事項や、段取り替え、材料ロット替え等の情報（変化点情報）を情報ユーティリティ基盤に蓄積、参照
可能にする。工場工務からのお知らせ・通達や5S・KY（危険余地）関連活動の状況通知せなども確認できるようにする。
→ Surface Hubを、工場に設置される大型液晶アンドンとして使う。また個人端末に情報を配信し、関係者がタイムリーに情報共
有できるようにする。Officeドキュメントのテンプレートなどを使い、情報ユーティリティ基盤の情報をPower BIで整形・表示する。
• 情報共有(直替、欠員等)
• 情報共有(材料ロット替)
• 工場工務のお知らせ・通達
3. 簡易工場デジタルツイン
作成
• CDMを用いて、工場内の様々な工程に亘るデータを分類/紐づけし、可能な精度で簡易な工場デジタルツイン（タイムスナップ
ショットデータ）を作成。各種データの変化点管理（傾向分析と変化点の紐づけ）やトレーサビリティ管理を可能にする。
• 変化点管理(前後情報の
統合）
• トレサビ管理(4M)
4. 最適操作・設定の自動
算出
• 納入実績や生産実績を元に、工程停止時間や歩留まりを考慮した最適な在庫水準を算出する。
• 各加工機の生産実績や材料ロット等を加味の上で、個体差まで考慮した最適な加工パラメータを自動で算出する。
• 機器の稼働状況センシング結果等をもとに故障予測を行い、最適な保全作業内容を導き出す。
• 在庫水準最適化
• 最適パラメータ算出
• 保全作業自動指示
5. 操作・設定ワークフローの
自動化
• （シナリオ4.の発展版）最適水準や最適設定を算出した後、自動でその値に基づいた業務を行う。あるいは、業務指示を発行
する。
• 例えば、機器状況の異常を検知して、自動で保全依頼を行う。
（4.と同じ）
5-2. 自動アラート • （シナリオ5.の発展版）5.の処理の一環として、アラートの発行を自動化する。 • 各種自動アラート(安全/
品質/納期)
6. 工場内独自システムの連
携動作
• 工場内に散在するExcelマクロや小規模内製ソフトをLogic App等でつなぎ、工場全体のワークフローの自動化範囲を拡大する。
特に、差立等には内製ソフトが使われているケースが多い。
• 指図・差立システム(工場・
工程MES)連携

19. データ化・データ蓄積基盤
（デジタル情報蓄積）
文書生成・共有化
（テンプレート適応）
見える化 工程間情報統合
（簡易デジタルツイン）
最適値算出/分析自動化
（アナリティクス、ML、AI）
処理の自動化
（ワークフロー/アラート）
既存システムとの連携
ファンクションマップ サブシナリオ0～6の概要
各サブシナリオで実現できることを類型化すると下記のようになる。
• 各サブシナリオを具体的なステークホルダーの課題に当てはめて詳細展開したものが次のページ。
サブシナリオ6
各種アンドン 予測モデル改善
傾向分析
各種書類・
DB更新
各種自動アラート
CBM/予兆保全
検査一部自動化
自動手配
各種データの蓄積
既存SW連携
（工場内SW）
既存SW連携
（本社IT）
トレサビ管理
ビデオマニュアル
変化点管理、
カイゼン記録
特急生産指示
工場財務改善
サブシナリオ5サブシナリオ4サブシナリオ2サブシナリオ1サブシナリオ0 サブシナリオ3

20. 工場長/本社
生産管理
設備保全
工場工務
間
接
部
門
場内物流
部品/材料
加工工程
治工具/金型
作業員
組立工程
品質検査
品質管理
班長・
工場生技
製
造
部
門
ファンクションマップ サブシナリオ0～6 詳細展開
在庫管理
搬送手順登録
WMS連携
本社ERP連携
品質(IQC) ロット/個番
作業手順書更新
検査手順書自動更新
稼働状況
稼働環境(治具、設定)
作業実績
ライン効率(OEE)
作業手順
検査結果
出荷実績
生産計画
作業指示/差立
傾向分析（品質）
傾向分析
（実績・稼働状況）
傾向分析(実績)
スキルマップ自動更新
FMEA分析DB更新
カイゼンDB自動更新
工程立上手順書作成
(デジタルツイン活用)
QC7つ道具自動作成
傾向分析(品質)
保全作業完了報告
資料作成支援
お知らせ・通達 安全管理
最適タクトタイム算出
(工程設計/人員配置)
最適パラメータ算出
品質予測モデル改善
トレサビ管理(4M)
特急生産指示
(材料遅延回復)
工場財務改善支援
部品・材料・治具の
自動払い出し
納期アラート
CBM/予兆保全
CBM/予兆保全
品質アラート
安全アラート
保全作業自動指示
指図・差立システム
(工場・工程MES)
連携
工場ERP連携
在庫管理・発注
システム
(工場ERP)連携
機器制御
システム連携
操業実績
工場購買
操業環境記録（気温等）
設備稼働率
保全計画
4M
作業工数 スキル・習熟度
カイゼン内容
変化点管理
変化点管理(前後工程
の情報統合)
稼働実績
作業内容
在庫 発注指示
生産管理板/工場アンドン
カイゼン案の自動抽出
品質予測モデル改善
設備の自己診断
アンドン（進捗）
生産進捗モニタリング
作業時間管理
個人別
生産実績管理
アンドン(工場)
工場(経営)ダッシュボード
アンドン(部材)
アンドン（品質）
アンドン(OEE)
生産管理板
工場財務
特急生産指示
(進捗遅れ回復)
稼働ベースのコスト管理
（ヒト/機械とも）
ユーティリティコスト削減
最適リソース自動手配
PLM連携
（BPO更新）
保全予測モデル改善
在庫自動DB更新
各工程での
部材横断管理
最適在庫水準算出
棚卸自動化（カメラ等）
ストックポイント見直し
BOPとカイゼン内容
を紐づけ
納期予測モデル改善
マニュアル用ビデオ撮影
異常停止
情報共有(材料ロット替等)
情報共有(直替、欠員等)
検査一部自動化
サブシナリオ0
データ化・データ蓄積基盤
（デジタル情報蓄積）
サブシナリオ4
最適値算出/分析自動化
（アナリティクス、ML、AI）
サブシナリオ5
処理の自動化
（ワークフロー/アラート）
サブシナリオ3
工程間情報統合
（簡易デジタルツイン）
サブシナリオ6
既存システムとの連携
サブシナリオ1
文書生成・共有化
（テンプレート適応）
サブシナリオ2
見える化

21. 生産管理
品質管理
Azure
工場長
品質検査
品質検査
組立工程
場内物流加工工程
工場生技 設備保全
工場工務
QC7つ道具自動作成
変化点管理
(前後工程の情報統合) 保全作業自動指示
保全予測モデル改善
CBM/予兆保全
アンドン（工場)
品質予測モデル改善
検査一部自動化
トレサビ管理(4M)
特急生産指示
(進捗遅れ回復)
傾向分析
（実績・稼働状況）
スキルマップ自動更新
FMEA分析DB更新
工程立上手順書作成
(デジタルツイン活用)
納期アラート
最適在庫水準算出
最適タクトタイム算出
(工程設計/人員配置)
最適パラメータ算出
工場（経営）ダッシュボード
お知らせ・通達
（5S, KY関連、総務関連）
検査一部自動化情報共有（アンドン）
異常停止稼働実績
作業実績スキル・習熟度
情報共有
(材料ロット替)
4M
検査結果
保全計画
検査結果
ライン効率(OEE)
情報共有
(直替/欠員等)
カイゼン内容
現場への情報共有
稼働状況
傾向分析(品質)
出荷実績
傾向分析(品質)
生産進捗モニタリング/
生産管理板
部品/材料
製品
生産計画
作業指示/差立
傾向分析(実績)

22. 製造リファレンス・アーキテクチャの活用例
Vision to Value Engagement Model
Envision Validate Commit Onboard Realize ValueDiscover

23. What to listen for
“We’re embarking on a ______________________ initiative.”
• Factory of the Future
• Smart Factory
• Industry 4.0
• Digital Twin
• Connected Factory
• Connected Operations
• Industrial IoT
• Predictive Maintenance
• Digital Manufacturing
• First-Line-Worker
• Supply Chain Control Tower
• Digital Product Development
• Smart XXXXXX (Brewery,
Mine, Dairy, ect.)
• Safety/Security/Sustainability
Envision Validate Commit Onboard
Realize
Value
Discover

24. デジタル トランスフォーメーションのステップ
Envision Validate Commit Onboard
Realize
Value
Discover
価値
時間
フェーズ
テレメトリー
ダッシュボード
“何が起こってい
るかを理解”
エッジ ゲートウェイPLCs/IPCs
1
Connected
“プラグインの
導入”“データとソースの
定義”
AI モデル、機械
学習
“将来予測”
時系列 / 履歴
データ、履歴データ
のモデル化
“原因と影響の
理解”
2
Predictive
“従量課金”、
成果ベースの製品
“新しいサービスと
ビジネスモデル”
デジタル フィード
バック ループ、
API 呼び出し
“自律的に最適化
するレスポンス”
3
Cognitive

25. 見える化
エッジサイドサーバ
データ収集
データ分析
予測・最適化
データ蓄積
生産管理・製造/保全実行
周知
経営管理工場財務管理
全体システム構成イメージ
デジタルデバイス製造・組立装置警報装置 モニタリング 治具(センサ)
品管 工場物流 工場工務
生技/
保全
販売
計画
経営者
装置設定
分析辞書
装置設定
稼働状況
稼働状況
蓄積データ
一次分析結果
一次分析結果
予測値
予測値・
稼働実績
作業自動指示
作業指示
財務データ
作業実績
財務データ
販売実績
計画値・
予測値・
実績値生産計画調達計画
調達・納入
生産指示
工場(経営)
ダッシュボード製造設定安全アラート
受渡データ
作業実績

26. 見える化
エッジサイドサーバ
データ収集
データ分析
予測・最適化
データ蓄積
生産管理・製造/保全実行
周知
経営管理
工場財務管理
全体システム構成イメージ
デジタルデバイス製造・組立装置警報装置
データ収集GW
デバイス管理
エッジデータ取得
定時分析
傾向分析
辞書生成
Data Lake
・センサデータ ・検査結果
・装置ログ
DWH
・製品加工履歴
・グラフ構造データ 傾向分析
品質予測モデル
保全予測モデル
ワークフロー反映
保全作業指示
特急生産指示
最適パラメータ算出
最適加工パラメータ
最適在庫水準
最適保全時期
最適タクトタイム
OPCサーバ
装置データ収集
ストリーム分析
異常検知
センシング
動画処理
動体検知
工程の情報統合
工程データ紐付
変化点管理
品質指標
歩留傾向
品質傾向
経営指標
生産実績
コスト変動
アラート
品質アラート
納期アラート
業務指標
稼働履歴
保全状況
経営ダッシュボード
品質ダッシュボード
データ収集GW
稼働状態表示
生産実績表示
ETL
データ変換 データ格納
労務人事管理
労務管理
権限管理
出荷計画
生産計画管理
生産実績管理
財務管理
ユーティリティコスト
工場財務分析
在庫管理
工程横断在庫
モニタリング 治具(センサ)
品管 工場物流 工場工務
生技/
保全
販売
計画
経営者
サブシステム
機能
コミュニケーションプラットフォーム
保全計画
保全作業指示
パラメータ変更指示
生産計画
RPA/コネクタ
工程別計画
指図・差立
工員管理
作業員管理
作業実績記録
調達
発注管理
納品管理
ファイル共有 情報共有
生産管理版
引継ぎメモ
その他文書
スキルマップ
QC7つ道具

27. 見える化
エッジサイドサーバ
データ収集
データ分析
予測・最適化
データ蓄積
生産管理・製造/保全実行
周知
経営管理
工場財務管理
システム構成イメージ例：5-2. 自動アラート
デジタルデバイス製造・組立装置警報装置
データ収集GW
デバイス管理
エッジデータ取得
定時分析
傾向分析
辞書生成
Data Lake
・センサデータ ・検査結果
・装置ログ
DWH
・製品加工履歴
・グラフ構造データ 傾向分析
品質予測モデル
保全予測モデル
ワークフロー反映
保全作業指示
特急生産指示
最適パラメータ算出
最適加工パラメータ
最適在庫水準
最適保全時期
最適タクトタイム
OPCサーバ
装置データ収集
ストリーム分析
異常検知
センシング
動画処理
動体検知
工程の情報統合
工程データ紐付
変化点管理
品質指標
歩留傾向
品質傾向
経営指標
生産実績
コスト変動
アラート
品質アラート
納期アラート
業務指標
稼働履歴
保全状況
経営ダッシュボード
品質ダッシュボード
データ収集GW
稼働状態表示
生産実績表示
ETL
データ変換 データ格納
労務人事管理
労務管理
権限管理
出荷計画
生産計画管理
生産実績管理
財務管理
ユーティリティコスト
工場財務分析
在庫管理
工程横断在庫
コミュニケーションプラットフォーム
保全計画
保全作業指示
パラメータ変更指示
生産計画
RPA/コネクタ
工程別計画
指図・差立
工員管理
作業員管理
作業実績記録
調達
発注管理
納品管理
ファイル共有 情報共有
生産管理版
引継ぎメモ
その他文書
スキルマップ
QC7つ道具
モニタリング 治具(センサ)
品管 工場物流 工場工務
生技/
保全
販売
計画
経営者

28. リファレンス・アーキテクチャ：No.0
工場の情報ユーティリティ
IoT Edge Runtime / Agent
Expectation for Partners
• Edge（❶）でのオンライン処理ソリューションの開発・インプリ
• 工場現場業務に沿ったアプリやデータ収集（❶❹）のアクセラレータ開発
• データ見える化ソリューション（❻）の開発・インプリ
【例】
• OPCなど通信機能を持った装置の場合
OPC UA仕様等に沿ったIoT Edge モジュールをEdge PCに組み込み、IoT Edgeライ
ンタイム上でデータ取得および送信を実現できる。同時に、OPC UA側のネットワーク
とAzure IoT側のネットワーク分離を行う。
• 視覚機器（監視カメラ）などの場合
画像処理の学習済モデルをエッジ側で行い、処理結果やイベント発生時の静止画
だけをBlob on EdgeとAzure Blob Storageの同期機能で送信することで、動画転
送による通信負荷を抑制できる。
Edge PC / Gateway Device1
各工場のIoT Edgeからのデータを集約し、クラウド上のData Lakeに格納する。また、IoT
Hubでは各IoT Edgeのデバイス管理を行う。
IoT Hub2
Power Appsにより現場作業員の業務実績をクラウド上に格納する。
モバイルアプリ3
IoT Hubやモバイルアプリによってクラウド上に送信されたデータをスケーラブルなData Lakeに
格納する。長期に渡って横断的に蓄積されたデータから、必要な量・必要なデータ構造で
Data Lakeから切り出して使用する。
Data Lake4
Data Lake のデータを構造化データとして切り出したデータマートについて、Power BIを使用
し、過去の製造履歴を見える化する。
Synapse Analytics / BIツール5
製造現場の各装置／センサからのデータを収集し、テレメトリとしてIoT Hubへ送信する。
カメラ 治具（センサ） モバイル製造・組立装置
Azure Data Lake
Storage
Power BIPower Apps
業務実績
業務実績テレメトリ
テレメトリ
製造履歴
製造履歴
製造履歴
装置設定 被写体 使用 実績入力
センサデータ
Azure Stream
Analytics
画像
画像
生技/保全 品管
Azure Blob
Storage
IoT Hub
Azure ML
IoT Hub
Gateway
Device
動画
ストリーム
センサデータ ストリーム
センサデータ
ストリーム
業務実績 製造履歴
1
2 3
4
5
Blob on Edge
IoT Hub
Gateway
Device
IoT Edge Runtime / Agent
OPC
Twin & Proxy
OPC
Publisher
Azure
SQL DB
Azure Synapse
SQL
Azure Synapse
Pipeline
Azure Synapse
Pipeline

29. リファレンス・アーキテクチャ：No.1,6
現場文書のクラウド共有・データ自動更新／独自システム連携
モバイル
Power BIPower Apps
業務実績
テレメトリ
製造履歴 製造履歴
実績入力
工場長/生技etc..
センサデータ
Azure Data Lake
Storage
Azure Stream
Analytics
生技/保全 工場長/品管etc..
IoT Hub
製造・組立装置
装置設定
1
5
Logic Apps
SharePointPower Apps
業務実績
Logic Apps
PC
Hololens
Office 365
Dynamics
365
独自
システム
テレメトリ
業務実績 製造履歴
業務文書
6
ダッシュ
ボード
3
4
2
Expectation for Partners
• 工場の業務に沿ったアプリやオフィス文書の連携テンプレート（❶❸）
• 既存システムやERP等と連携した業務ソリューション（❹）
• ダッシュボード、VR/MR/ARによる工場ソリューション（❻）
Edge から収集した製造記録と Power Apps から収集した業務実績を蓄積する。
それらを紐付けた製造実績データを保持する。
※紐付けについては No.2 以降で記載。
Data Lake2
Teams / SharePointで現場担当者の業務文書を管理する。
業務文書共有3
工場の既存独自システムは Dynamics 365で結び付けられ、Logic Apps や On-
premise data gateway を使用してクラウド側にデータを連携する。
独自システム4
Data Lake に保持している製造実績データを SharePoint 上の Office 文書や独
自システム連携用 DB に反映し、現場担当者の編集作業を不要にする。
実績反映5
製造実績は Power Apps や Power BI でダッシュボード化され、業務ロール毎に
必要な観点で情報が提供される。
ダッシュボード6
モバイルアプリ1
Power Apps で現場担当者の業務実績を取得する。
On-premise
data gateway
IoT Edge Runtime
OPC Twin & Proxy
OPC Publisher
Azure
SQL DB
Azure
SQL DB
Azure Synapse
Pipeline
Azure Synapse
SQL
Azure Synapse
SQL
Azure Synapse
Pipeline
製造履歴

30. リファレンス・アーキテクチャ：No.2,3
工場モニタリング/簡易工場デジタルツイン作成
Expectation for Partners
• 装置ログなどから有意なデータ構造を見出すデータ加工（❸）
• 分散処理PaaS等を利用した大規模データ処理ソリューション（❸）
• 工程横断データ分析ソリューション（❹）
IoT Hubから受け取った製造記録（装置ログ・検査結果など）を時系列データの
まま格納する。
格納の時点では対象装置や検査工程ごとのデータであり、製造対象品ごとに紐づ
いていない。
Data Lake2
データ加工結果をBIツールで見える化し、不良要因分析や傾向分析を行う。
Synapse Analytics / BIツール4
Edge PC / Gateway Device1
製造装置のログやセンサデータ、検査結果を時系列で取得し、IoT EdgeからIoT
Hubに送信する。
Data Lake に蓄積された大規模データを Synapse Analytics 上の Apache
Spark で分散処理することにより、高速に構造化データに加工できる。
データ加工の例
• 正規化: 手入力データやアナログ値データを整形し、データ間の比較を可能に
する。
• 変化点検出: 時系列データが変化するタイミングに対してイベントを定義する。
• 工程別データの紐付け: 製造対象品毎に工程、検査などのデータを紐付け、
トレーサビリティ管理が可能なデータ構造にする。
データ加工3
RFID/QRリーダ
装置ログ/
センサデータ
製造・組立装置
Power BI
テレメトリ
製造履歴
装置設定 検査実施
Azure Data Lake
StorageAzure Stream Analytics
生技 品管
IoT Hub
センサデータ
ストリーム
1
製造指示・指図
テレメトリ
検査結果
製造ログ
BOM/BOP
2
4
X
X
X
X
:
時刻
加工前データ
A
工程1
A
B
B
:
型番
a
工程2
a
a
b
:
合格
検査結果
OK
NG
可
:
X
X
X
X
:
加工後データ
A
工程1
A
B
B
:
型番
a
工程2
a
a
b
:
OK
検査結果
OK
NG
OK
:
変化点
変化点
IoT Hub
Gateway
Device
IoT Edge Runtime / Agent
OPC
Twin & Proxy
OPC
Publisher
On-premise
data gateway
IoT Hub
Gateway
Device
Azure Synapse Analytics
Azure Synapse
SQL
Azure Synapse
Pipeline
3

31. リファレンス・アーキテクチャ：No.4,5,5-2
予測・最適化／作業指示／アラート
Expectation for Partners
• Edgeでのリアルタイム異常検知ソリューション（❶）
• MLやCognitiveによる工場特化型分析ソリューション（❷）
• ERPなど周辺システムと連携する生産最適化ソリューション（❹）
Edgeでの装置監視・アラート（Hot path）1
装置からのセンサデータストリームに対して、機械学習モデルで異常判定を行い、異
常時は警報イベントを発報する。異常判定時の静止画をAzure Blob on Edgeと
Azure Blob Storageの同期機能で送信することで、クラウド側での学習に使用で
きる。機械学習モデルについては、クラウド側で作成されたものをIoT Hubから配布
し、IoT Edge デバイスにデプロイすることで、多数のEdge PCに同時に適用できる。
分析モデルの開発者が Azure ML 上で、Data Lake や Synapse Analytics の蓄
積データを使用して分析モデルを作成する。
機械学習/AIのモデル作成（Cold path）2
Logic AppsのコネクタでERPから生産計画・調達計画を参照し、Azure Machine
Learningで作成したモデルが算出する最適値と比較を行う。比較および通知の
ワークフローを Logic App で自動実行して Teams への通知を行う。
作業指示4
Synapse SQL に格納された製造履歴を参照し、Machine Learning により機械
学習モデルを作成。モデルを Kubernetes へ展開し、品質予測や在庫最適値を
算出する。
予測・最適化3
Teamsやモバイルアプリから各担当のモバイル端末へ通知を行う。
Surface Hub をアンドンとして使用し、通知を表示する。
通知5
モバイル製造・組立装置
製造履歴
画像
Azure
Kubernetes Service
Azure
Data Lake
Storage
Azure Stream Analytics
Power Apps
IoT Hub
カメラ
動画 センサデータ
メッセージ 通知
4
5
Logic Apps
model
テレメトリ
Stream Analytics
on Edge
警報装置
発報
model
Model
deploy
ERP
Teams
予測値・最適値
通知
分析モデル
開発者
Azure Machine
Learning
Cognitive
Custom Vision
1
計画値・
実績値
32
画像
Azure Synapse Analytics
Azure Blob Storage
Blob
on Edge
Azure Container
Registry
IoT Edge Runtime / Agent
ML Model (ONNX)

32. まとめ：製造リファレンス・アーキテクチャの活用
製造業のお客様
•自社の業務プロセスにおけ
る新技術導入ポイントの
理解促進
•新しい業務およびビジネス
テーマに迅速に対応
ソリューション パートナー
•製造業のお客様の業務に
おける先進的なソリューショ
ンの開発と提案
•最新ITの実践例にもとづく
ソリューションを早期にお客
様へ展開
SI パートナー
•複数ソリューションを連携し
て、お客様へ統合サービス
として提供
•IT / OT の融合
•ハイブリッド IoT
•ハイブリッド・クラウド
日本マイクロソフト
•主要な業務シナリオにおけ
る リファレンスアーキテクチャ
を提供し、より短いサイクル
で継続的なイノベーションを
支援
•最新のテクノロジー、基盤
サービスの継続的な提供
製造業のデジタル業務変革の叩き台として、
製造リファレンス・アーキテクチャ＆パートナー・ソリューションを、ご活用ください。

33. Factory of the Future
リファレンス・アーキテクチャ
https://aka.ms/MFG_RA_FoF_DL
Intelligent Supply Chain
リファレンス・アーキテクチャ
https://aka.ms/MFG_RA_ISC_DL
Product as a Service
リファレンス・アーキテクチャ
https://aka.ms/MFG_RA_PDaaS_DL
製造リファレンス・アーキテクチャのダウンロード URL

34. 製造リファレンス・アーキテクチャ とは？
• マイクロソフトが捉える製造業のトレンド
• デジタル フィードバック ループのステップ
• 製造リファレンス アーキテクチャの構成
Appendix:
• 日本マイクロソフト株式会社 パートナー技術統括本部の役割
• Why Azure ?
目次

35. 製造業におけるマイクロソフトの注力領域
Respond (喫緊の状況に対処) | Recover (現状回復と復活の計画立案) | Reimagine (ニューノーマルの形成)
Transform
your workforce
Engage customers
in new ways
Build more agile
factories / production
Create more
resilient supply chains
Unlock innovation
and deliver new services
Formerly Connected Field Service Formerly Factory of the Future Formerly Intelligent Supply Chain Formerly Connected Product InnovationFormerly Workforce Transformation

36. 製造業のデジタル トランスフォーメーションを支える Microsoft Platform
Azure
ニーズに合わせたアプリケーションが社内で構築されていても、パートナーからの提供でも、Microsoft からの提供でも、
Azure は、迅速かつ効率的なスケールアップを可能にする、本番環境のデジタル プラットフォームです。
Transform
your
workforce
Engage
customers
in new ways
Build
more agile
factories
Create
more resilient
supply chains
Unlock innovation
and deliver
new services
Formerly
Connected Field Service
Formerly
Factory of the Future
Formerly
Intelligent Supply Chain
Formerly Connected Product
Innovation
Formerly Workforce
Transformation

37. 製造業へ提供可能なソリューション全体像
ISV パートナー様
(例: 自動化関連企業)
SI パートナー様
D365 Supply Chain Management
(Asset Management, Connected Manufacturing)
D365 Service (Field Service)
Power Apps & Power BI
Teams for Firstline Workers
Devices for Firstline
Knowledge Management, Learning
M365 Security & Compliance
産業向け優先シナリオ
Engage
customers
in new ways
Build more agile
factories
Create more
resilient supply
chains
Unlock innovation
and deliver
new services
Transform
your
workforce
SI Partnerの皆様による
マイクロソフトソリューションの拡張
ISVソリューションを
マイクロソフトと共同販売Common Data Model & Exchange Platform
CDM Data Share Governance
Azure Platform
Intelligent Edge Intelligent Cloud
Manufacturing Industry Accelerators
Regulatory Compliance
Digital Asset Mgmt. Digital Supplier Mgmt. Workforce Transformation
Power Platform
RoboticsIndustrial KPIs
AI & Deep
Reinforcement Learning
Simulation Mixed Reality
Open Manufacturing Platform
Synapse
Digital Twins
Industry Digital Twin Models
Common Use Cases

38. パートナー様向け共同販売モデル
テクノロジ アーキテクト（技術支援：PoC、ハッカソン、勉強会）
プログラムとインセンティブ（Azureインセンティブ、マーケティングご支援、プレス発表）
ツール（販促資料・案件情報などの共有オペレーション）
大企業
中堅・中小企業
Channel Management
Territory Success
Partner Management
Develop, Launch, Grow
Offers into Market and
Capacity Requirements

39. DRIVE FOR
CLARITY
LISTEN & HOLD
POSITIVE
INFLUENCE CONSTRUCTIVE
FEEDBACK
COLLABORATION
私たちのゴール: パートナーの皆様の成功のため、皆様の技術力をさらに上げるプラクティスと機会を提供します
M365
OCP ENABLEMENT & TECHNICAL TEAM
パートナー事業本部 パートナー技術統括本部の役割
AZURE
D365
M/S Partners are
Profitable While
Delivering Customer
Success
GROW
ROADMAP PLANNING DEPLOYMENT REVIEW
RECRUIT
INVESTMENT STRATEGY
BUSINESS PLAN
Powerful Collaboration
ASSESS
CAPABILITIES
PLANNING
JOINT
COMMITMENT
INSIGHTS
Investing in Our People
ONBOARDING
ENVISIONING
Investing in Our Partners
TRAINING
AGREED
ENABLEMENT
GOALS
ASSESS
TECHNICAL
CAPABILITY CONSOLIDATED
LEARNING MOTIONS
ADVANCED
WORKSHOPS
(On Prem,
VILT)
CERTIFICATIONS
Role Clarity/
Career Path
DEVELOP
Closing
the Skills
Gap
HACKATHONS
EVENTS
BOOTCAMPS
Tech
Briefings
PoC, Build Assist
Architecture
Design
Session
Solution
Technical
Review
TECHNICAL
DEVELOPMENT PLAN
TECHNICAL
ENABLEMENT
PLAN
LAUNCH
SOLUTION
TECHNICAL
REVIEW
ARCHITECTURE
& RFP REVIEW
SALES
DEAL
ENABLEMENT
LAUNCH
WORKSHOP
Insights
TECH SALES
ENABLEMENT

40. Part 0: 製造リファレンスアーキテクチャについて
Part 0.5: 事例を中心としたユースケース
Part 1: IoT 基盤
Part 2: Data & AI 基盤
Part 3: サーバーレスとシステム間連携基盤
Part 4: Power Platform / Dynamics 365 概説
Part 5: “製品の変革” を支える基盤サービス
Tech Briefing: 製造リファレンス・アーキテクチャをベースとした
システム構築を行うための基盤技術 トレーニング (座学)

41. Tech Briefing (スライド) : パートナー ネットワーク リソース
https://partner.microsoft.com/ja-jp/asset#/?lang=Japanese&search=Azure&sort=updated

42. ADVANCE WORKSHOPS: Microsoft Cloud Workshops ( as of July 2nd )
Application Development Infrastructure Data Advanced Analytics / AI / IoT
Application Modernization Azure Stack Cosmos DB real-time advanced
analytics
Big data and visualization
Cloud-native applications Building a resilient IaaS architecture Data Platform upgrade migration Cognitive Services and deep
learning
Continuous delivery in Azure
DevOps
Business continuity and disaster
recovery
Migrate EDW to Azure SQL Data
Warehouse
Intelligent analytics
Modern cloud apps Cloud-native applications Migrating SQL database to Azure Internet of Things
OSS PaaS and DevOps Enterprise class networking in Azure Modernizing Data Analytics with
SQL Server 2019
IoT and the Smart City
Serverless architecture Enterprise ready cloud Real-time data with Azure Database
for PostgreSQL Hyperscale
Machine Learning
High Performance Computing SQL Server hybrid cloud MLOps
Hybrid identity Predictive Maintenance for remote
field devices
Line-of-business application
migration
Securing the IoT end-to-end
OSS PaaS and DevOps
SAP Hana on Azure
SAP NetWeaver on Azure
Security baseline on Azure
Hands-on experience led by Microsoft with Whiteboard Design Session and Labs. Full catalog available on Microsoftcloudworkshop.com/
日本のパートナー様向けに、パートナー事業統括本部で開催
• 10月23日(水), 31日(木): Big data and visualization
• 11月29日(金): Cosmos DB real-time advanced analytics
• 12月11日(水): Line-of-business application migration
• 4月10日(金), 24日(金):Cloud-native applications /
Cognitive Services and deep learning (Online)

43. 43 https://docs.microsoft.com/ja-jp/learn/browse/?resource_type=learning%20path&roles=data-engineer

44. CERTIFICATIONS: Microsoft Azure トレーニングと認定資格
Azure 認定資格の役割別 (Role-based) と専門 (Specialty)分野 の拡充
専門 (Specialty)
ソリューションを高度に扱うための深い技術スキル
Apps & Infra
開発者 及び
インフラ技術者
Data & AI
データ技術者 及び
AI技術者
役割別(Role-Based)
役割別に必要な技術スキル
Associate
Expert
DevOps Engineer (AZ- 400)
Azure Solutions Architect
(AZ- 303 AZ 304)
基礎トレーニング
クラウドを理解するための基礎知識
Azure Fundamentals (AZ-900)
Azure Data Fundamentals
(DP-900)*
Azure AI Fundamentals (AI-900) *
Azure Administrator (AZ-104)*
Azure Developer (AZ-204)*
Azure Security Engineer (AZ-500)
Data Analyst (DA-100)*
Azure Data Engineer
(DP-200 DP-201)
Azure AI Engineer (AI-100)
Azure Data Scientist (DP-100)
Azure Database Admin (DP-300)*
最終更新: 2020年5月
Migrate SQL Workloads to Azure (DP-050)
Migrate NoSQL Workloads to Azure Cosmos DB
(DP-060)
Migrate Open Source Data Workloads to Azure
(DP-070)
Migrate Application Workloads to Azure
(WS-050)
Azure IoT Developer (AZ- 220)
Azure for SAP Workloads (AZ- 120)
*In BETA

45. EVENTS BOOTCAMPS:
昨年度実施されたData Engineer向けBootcampのアジェンダ – Day 1, 2(例)
Time Day 1
7:00 - 8:00 Breakfast
8:00 - 8:15 Event Overview
8:15 - 9:15 GEN101: Opening Keynote
9:15 - 10:15 GEN102: Migration Keynote
10:15 - 10:30 Break
10:30-11:30 GEN103: Cloud Native Strategy Keynote
11:30-12:30 Lunch
12:30-1:30 GEN104: Azure Compute
1:30 - 3:00
GEN105: Overview of Azure Hybrid Networking and
Routing
3:00 - 3:15 Break
3:15 - 4:15 GEN106: Azure Storage
4:15 - 5:15 GEN107: Identity and Access Management
5:15 - 5:30 Break
5:15 - 5:45 Auditions for MVP Challenge
5:30 - 8:00 Company Store Visit + Partner Showcase Expo
Time Day 2
7:00 - 8:00 Breakfast
8:00 - 8:15 Daily Recap
8:15 - 9:15 GEN109: Data Platform Keynote
9:15 - 9:30 Break
9:30 - 10:30
DAT101: Database Migration options - SQL Server
2008 R2 End of Support
10:30 - 11:30
DAT102: Azure Open Source database and OSS
migration to Azure overview
11:30-12:30 Lunch
12:30-1:30 DAT103: Inside SQL Server 2019
1:30 - 2:30 DAT104: Cosmos DB technical overview and demo
2:30 - 2:45 Break
2:45 - 4:45
DAT105/106: SQL Hybrid Cloud whiteboard design
session Part 1 and 2
4:45 Free Evening
5:00 - 5:30 Auditions for MVP Challenge

46. EVENTS BOOTCAMPS:
昨年度実施されたData Engineer向けBootcampのアジェンダ – Day 3, 4 (例)
Time Day 3
7:00 - 8:00 Breakfast
8:00 - 8:15 Daily Recap
8:15 - 9:15
GEN108: AI Intelligent Cloud and Intelligent Edge
Keynote
9:15 – 9:30 Break
9:30 - 10:30 DAT107: Big Data Analytics Solutions
10:30-11:30
DAT108: Azure SQL DB Managed Instance Deep Dive
- Part 1
11:30-12:30 Lunch and Internal Showcase Expo
12:30-1:30
DAT109: Azure SQL DB Managed Instance Deep Dive
- Part 2
1:30 – 2:30 DAT110: SQL Data Warehouse
2:30 - 2:45 Break
2:45 - 3:45 DAT111: Azure Databricks
3:45 – 4:45
DAT112: Introduction to SQL Server Big Data
Clusters
4:45 Free Evening
5:00 - 5:30 Auditions for MVP Challenge
Time Day 4
7:00 - 8:00 Breakfast
8:00 - 8:15 Daily Recap
8:15 - 9:15 GEN110: Datacenter Strategy Keynote
9:15 - 9:30 Break
9:30 - 11:30
DAT113/114: Azure SQL DB Managed Instance
hyperscale Deep Dive
(Part 3 and Part 4)
11:30-12:30 Lunch
12:30-2:30
DAT115/116: Cosmos DB real time advanced
analytics workshop - MCW (Part 1 and 2)
2:30 - 2:45 Break
2:45 - 3:45
DAT117: Hands-on with migrating to Azure SQL
Database Managed Instance using DMS
3:45 – 4:45
DAT118: SQL Server on Azure virtual machines: new
features, competitive differentiation and quota
retirement
5:00 – 7:00 Attendee Party

47. EVENTS BOOTCAMPS:
昨年度実施されたData Engineer向け
Bootcampのアジェンダ – Day 5 (例)
Time Day 5
7:00 - 8:00 Breakfast
8:00 - 8:15 Daily Recap
8:15 - 9:15 GEN111: Lessons learned from ethics AI reviews
9:15 – 10:15 GEN112: Power BI Overview and Demo Keynote
10:15 - 10:30 Break
10:30-12:30 GEN113: MVP Challenge
12:30-1:30 Lunch
1:30-2:30 GEN114: Azure IOT state of the art
2:30 – 3:30 GEN115: Mark Russinovich Keynote
3:30 Event End

48. Developer focused event where participants (Open) learn through hands-
on experimentation (Hack) using challenges based on real world
customer engagements designed to mimic the developer journey. The
event provides a unique upskilling experience. Rather than traditional
presentation-based conferences, OpenHack offers 10 Technology topics
and is a unique hands-on coding experience for developers.
HACKATHONS:

50. 製造リファレンス・アーキテクチャ とは？
• マイクロソフトが捉える製造業のトレンド
• デジタル フィードバック ループのステップ
• 製造リファレンス アーキテクチャの構成
Appendix:
• 日本マイクロソフト株式会社 パートナー技術統括本部の役割
• Why Azure ?
目次

51. 製造業のデジタル トランスフォーメーションを支えるMicrosoft Platform
Azure
ニーズに合わせたアプリケーションが社内で構築されていても、パートナーからの提供でも、Microsoft からの提供でも、
Azure は、迅速かつ効率的なスケールアップを可能にする、本番環境のデジタル プラットフォームです。
Transform
your
workforce
Engage
customers
in new ways
Build
more agile
factories
Create
more resilient
supply chains
Unlock innovation
and deliver
new services
Formerly Connected Field
Service
Formerly Factory of the
Future
Formerly Intelligent
Supply Chain
Formerly Connected Product
Innovation
Formerly Workforce
Transformation

52. Azure の、世界規模のパートナー エコシステム

53. Microsoft Azure: 産業用クラウドを強化
エッジ デバイス
Azure Stack Azure Sphere Azure Kinect HoloLens Azure Arc
サーバーレス
Web
モバイル
複合現実
Kubernetes
イベント + 統合
データベース
分析 + 機械学習
AI
モノのインターネット (IoT)
メディア
インフラストラクチャー
コンピューティング ネットワーク ストレージ セキュリティ ID
ツール
Visual Studio
Azure DevOps
GitHub
Power Apps
Power BI

55. Microsoft Azure: 製造業のエンパワーメント
Build on
your terms
システムの相互運用を可能にする
オープンなエコシステムへの
コミット
エッジ、ハイブリッド、クラウド全体
での一貫したパフォーマンスと
スケーラビリティ
Operate hybrid
seamlessly
Be future
ready
統一されたデータ戦略で、
企業とサプライチェーン全体での
スケールアップを実現
包括的なセキュリティと、
業界のコンプライアンスをカバー
Trust
your cloud
Azure は、あらゆる製造業のユースケースに対応する、本番環境でのデジタル プラットフォームです。

56. 製造業のための Azure: Be future Ready
1年で1,000以上
Azure 上の新機能により、デジタル
トランスフォーメーションのあらゆる段
階で製造業をサポート
価値
時間
Phase
“何が起こっているか
を理解”
“接続”
“データと、
ソースの定義”
“将来の予測”
“原因と影響の
分析”
“新しいサービスと
ビジネスモデル”
“データドリブンの
リアルタイム レスポンス”
IoT 分析 AI Cognitiveデータ
Connected
Cognitive
› 生産性の向上
› 品質の向上
› 在庫の削減
› 変換コストの削減
› リードタイムの削減
› サービスレベルの向上
› 利益率の向上
› 価格の最適化
› 新製品の導入を改善
Predictive

57. 製造業のための Azure: Build on your terms
Open Source
ベンダー ロックインを避け、必要な技術だけを活
用
Open Standards
業界をリードする OPC UA とNOAサポートにより、
システムの相互運用性を簡素化
Open Data Models
企業全体で規模を拡大し、サプライチェーン全
体で水平統合
Open Manufacturing Platform
業界全体の連携で、イノベーションの加速に貢
献
GitHub開発者が選択するPaaS製品第1位
Azure
ローコード開発プラットフォームのリーダー
Security
オープン ソースのコードを、
自分のソフトウェアにセキュアに統合
コラボレーション
開発者がよく知っているツールにより、
優秀な人材を惹きつけ、離職を防ぐ
DevOps
コードからあらゆるクラウドへワークフロー
を自動化
Power
Apps

58. 製造業のための Azure: Operate hybrid seamlessly
オンプレミス、クラウド、もしくはエッジ: Azure は、製造業のある場所に存在
Management | Security + Identity | App + Data Services | Dev Tools + DevOps
Azure IoT
あらゆるエッジデバイス
Azure Arc
あらゆるデータセンター、あらゆるクラウド 統合システム
Azure Stack

59. 製造業のための Azure: Trust your cloud
セキュリティ コンプライアンス 知的財産保護
Microsoft Azure IP Advantage (AIPA)
による無制限の保証
コンプライアンスに関する業務の大部分を
マイクロソフトが実施することで、
ビジネスの成長に集中可能
現場から企業やサプライチェーンまで、
クラス最高のセキュリティ

60. © 2020 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be
registered trademarks and/or trademarks in the U.S. and/or other countries.
The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of
this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment
on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation.
MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.
Be future
ready
Build on
your terms
Operate hybrid
seamlessly
Trust
your cloud