製造現場データ活用の扉を開く！PLCデータのクラウド連携で実現する可視化と活用の未来

このセミナーは、製造業のデジタル化・データ活用を支援するクラスメソッドが、PLC（プログラマブルロジックコントローラー）データをクラウドに連携し、可視化・分析する具体的なソリューションを紹介したものです。

現在多くの製造現場では、データは収集されているものの十分活用されておらず、システム導入後も現場で使われない、ベンダーロックインによる拡張性不足といった課題があります。

同社は、AWSクラウド基盤上にGrafanaを活用したオープンな可視化システムを構築し、段階的投資が可能な従量課金モデルで提供。さらにスクラム・アジャイル手法による内製化支援や、デジタルスレッド・Industrial Data Fabricといった次世代のAI活用アプローチまで、製造業のデータ活用を包括的に支援する取り組みを説明しています。

Transcript

2. 2 濱田孝治（ハマコー） 製造ビジネステクノロジー部 マネージャー • 独立系SIerを経て2017年9月 クラスメソッド入社 ブログ, SNS • 「クラスメソッド 濱田」で検索 • はてなブックマーク累計 14,928個 • Xアカウント：@hamako9999 コミュニティ運営 • JAWS-UG コンテナ支部運営 • Grafana Meetup Co-organizer AWS認定関連 • 取得済みAWS認定：SAP, DOP, DBS, SOA, SAA, DVA, SCS, CLF, AIF, MLA, MLS • AWS APN Ambassador 2020 執筆書籍 • みんなのAWS • SoftwareDesign 2022年11月号 コンテナ特集
3. 3 はじめに みなさん 今日は何を期待して こちらにお越しでしょうか？
4. 4 セミナーの概要文 製造現場では膨大なデータが収集される一方で、その 多くが十分に活用されておらず、効率化やコスト削減 の機会を逃しているケースが少なくありません。 本セミナーでは、PLCデータをクラウド連携し、データ の可視化を通じて業務改善を実現する具体的な方法に ついて、デモを交えて解説します。 さらに、クラウドとAIを活用した次世代の製造現場の 可能性についてもご紹介し、それらを現場主導で推進 する体制の作り方も併せてお伝えします。
5. 5 セミナーの概要文（注目ポイント） 製造現場では膨大なデータが収集される一方で、その 多くが十分に活用されておらず、効率化やコスト削減 の機会を逃しているケースが少なくありません。 本セミナーでは、PLCデータをクラウド連携し、データ の可視化を通じて業務改善を実現する具体的な方法に ついて、デモを交えて解説します。 さらに、クラウドとAIを活用した次世代の製造現場の 可能性についてもご紹介し、それらを現場主導で推進 する体制の作り方も併せてお伝えします。
6. 6 さらに質問 すでに製造現場のデジタル化 データ活用に取り組まれている方
7. 7 さらに質問 データ活用の取り組みが めっちゃうまくいっている方
8. 8 さらに質問 「なんでも良いからAIでなんかやって！」 と無茶振りされている方
9. 9 製造業におけるDX化が叫ばれて久しい https://www.meti.go.jp/report/whitepaper/mono/2024/index.html
10. 10 製造業におけるDX化が叫ばれて久しい https://www.meti.go.jp/report/whitepaper/mono/2024/index.html
11. 11 製造業におけるDX化が叫ばれて久しい 経済損失の回避 経済産業省の「DXレポート」によると、日本企業がDXを推進しなかった場合、2025年以 降に最大12兆円/年の経済損失が生じる可能性があることが指摘されています。これは、 システムトラブルのリスクや機会損失によるものです。 売上高への影響 •総務省の調査によると、製造業におけるDXの進展により、以下のような売上高への影 響が見られました：製造業では5.7％の売上高押し上げ効果 •金額に換算すると、製造業では約23兆円の押し上げ効果 市場規模の拡大 •富士経済の調査によれば、DX関連の国内市場（投資額）は以下のように拡大すると予 測されています：2022年度：2兆7,277億円 •2030年度予測：6兆5,195億円 特に製造業におけるDXの市場規模は、2022年度見込で2,990億円、2030年度予測は8,130 億円となっています。
12. 12 夢と現実は違う
13. 13 このような状況になっていないでしょうか？ システム導入しても現場で使われない IT投資が次につながっている感じがしない なにを変更するにも都度見積もりが発生
14. 14 でも今日はワクワクしてもらいたい
15. 15 本日のゴールお持ち帰りいただきたいこと 製造業におけるデータ活用とその未来がイメー ジできる 現場主導で進めるためのヒントをつかんでもらう クラスメソッドを理解し「さらに話が聞きたく て仕方ない！」という気持ちになる
16. 16 Agenda • クラスメソッドのご紹介 • 私が見聞きした現場での課題 • PLC Data to Cloud • スクラム・アジャイルを中心とした内製化支援 • AI活用に向けたアプローチ • デモ：Grafana • デモ：デジタルスレッド • クロージング
17. 17 クラスメソッドのご紹介
18. 18 会社概要
19. 19 会社概要：財務ハイライト
20. 20 会社概要：経営理念 オープンな発想と高い技術力により、 すべての人々の創造活動に貢献し続ける
21. 21 製造業のお客様向けソリューション一覧 https://classmethod.jp/segment/manufacturing/
22. 22 AWS認定保有資格
23. 23 AWS IoT サービスコンピテンシー
24. 24 クラスメソッド発製造業アドベントカレンダー • 12月1日: 製造現場のKPI体系を整理する - 総 合設備効率（OEE）から始める指標の選び方 • 12月2日: 製造業界におけるアジャイル導入の 課題と挑戦 • 12月3日: AWS Supply Chainのワークショッ プの実施報告 • 12月4日: Amazon Monitronについての解説 • 12月5日: 製造業とデザインに関する記事 • 12月6日: センサーデータを分析するデータ基 盤の検討 • 12月17日: 製造業向けアプリケーションの多 言語対応 - 3つの翻訳アプローチとTranslator APIの活用例 • 12月20日: 製造ビジネステクノロジー部のUI デザイナーが1年間を振り返る記事
25. 25 ここまででなんとなく弊社のことが おわかりいただけましたでしょうか？
26. 26 私が見聞きした現場の課題
27. 27 私が見聞きした現場の課題 課題①：従来型の工場データ 可視化の限界 課題②：人材育成の難しさ
28. 28 課題①：従来型の工場データ可視化の限界 データ活用の柔軟性不足 • データは取得できても、その活用方法が固定的で、現場ニーズに対応できない • 特定ベンダーによるロックインにより、システムの拡張や変更に多大なコストと 時間が必要 弊社顧客の声 「データ可視化・分析ソリューションを導入したがデータ分析手法や項 目に汎用性がなく、少し角度を変えた分析を実施しようとした場合に、 追加コストが掛かることに苦労している」
29. 29 課題②：人材育成の難しさ デジタル人材の確保・育成 • 本来は現場（OT）主導でIT（情報システム）と連携しながら進めていくことが 製造現場の改善に不可欠だが、意思決定やコミュニケーションが分断されており、 双方の視点で物事を意思決定できる人材の育成が難しい • また、クラウドを含めた新しい技術領域の探索は従来とは異なる考えが必要とな るが、主にOT側のメンバーにはその育成に時間をかけることが難しい 弊社顧客の声 「PLC Data to Cloud導入はお願いしたいが、そのままの導入だけではな く、データや分析手法の拡張など、システム導入だけではなく、その周 辺のスキルトランスファーもお願いしたい」
30. 30 Grafana:best practices to desigh your first dashboard https://grafana.com/blog/2024/07/03/getting-started-with-grafana-best- practices-to-design-your-first-dashboard/
31. 31 Grafana:best practices to desigh your first dashboard
32. 32 理想の未来を目指すために不可欠なこと What（何をつかって）だけではなく How（どうやって）も 不可欠
33. 33 そのために我々として できることを この後、おはなしします
34. 34 PLC Data to Cloud
35. 35 一言 クラウドネイティブ であること
36. 36 特徴①：オープンな利用が可能なAWSを利用 • PLC Data to Cloudは、AWSというオープンな基盤上に構築 • AWSで提供されている、データ基盤やAI関連サービスなど 様々なサービス群を自社の業務に合わせて最適な方法で利用 可能 • 「標準的なデータ形式での出力により、お客様が使い慣れたツールで の活用が可能」 • 「既存の設備投資を活かしながら、必要な箇所から段階的にデジタル 化を実現」 • 「特定ベンダーへの依存がなく、システム選択の自由度を確保」
37. 37 特徴②：段階的な投資モデル • 初期投資を最小限に抑制 • 利用料に応じた従量課金モデルのため、本当に必要なもの、 検証のために最低限必要なものからの段階的な導入が可能 • 「小さくはじめたい。最初に予算を枠をとってそこでやることを決定 してから始めるよりも現場のフィードバックを活かして、無駄なくす すめたい」
38. 38 PLC Data to Cloudのキーコンポーネント たけびしデバイスゲートウェイ Amazon Web Service Grafana
39. 39 抽象的なシステム構成 ゲートウェイ、通信、AWSクラウド、可視化をワンストップ で提供
40. 40 代表的なアーキテクチャ
41. 41 工場側のアーキテクチャ PLCとGatewayをEthernetケーブルを用い直接接続する構成 の他、中継するPLCを利用した構成も可能
42. 42 可視化部分イメージ：メインダッシュボード
43. 43 可視化部分イメージ：品質管理
44. 44 可視化部分イメージ：設備監視
45. 45 サービス提供内容 1 AWS Cloud環境一式 AWSに環境一式をデプロイいたします 2 ゲートウェイハードウェア 工場内に設置するゲートウェイ機器一式 3 通信回線 工場内にインターネット回線がない場合はLTE/5G通信回線を提供 4 ゲートウェイソフトウェア PLCからデータを取得し、AWS Cloudに送信するソフトウェア一式 5 可視化画面作成支援 Grafanaにて作成する可視化画面の作成支援 6 ゲートウェイ設置作業 工場、設備内へのゲートウェイ設置作業 7 導入支援 事業所、PLC台数、取得するデータの整理、ネットワーク構成の整理 ［条件］ AWS環境はお客様ご用意のアカウントに構築いたします ゲートウェイハードウェアはレンタル品でのご提供となります 通信回線は当社指定の通信事業者、通信プランとなります
46. 46 Grafana 改めて紹介
47. 47 Grafanaとは？ Observability（可観測性）の統合ソリューション Profiles, Performance testing, Alert, Incident response, SLO, Frontend Observability, Application Observability, Synthetic monitoring, Kubernetes monitoring, Logs, Traces, Metrics https://grafana.com/ja/
48. 48 Grafanaのユースケース①宇宙科学探査機 https://www.slideshare.net/slideshow/grafana-slim-9905/267540176 Grafana Meetup Japan #1にて
49. 49 Grafanaのユースケース②工場の見える化 https://www.slideshare.net/slideshow/240627_grafanameetupjapan_denso_fiot-pdf/270137907 Grafana Meetup Japan #2にて
50. 50 ハマコーがGrafana好きなところ
51. 51 汎用性に関するGrafanaの優位性 Grafana Labsが主導して開発しているGrafanaはオープンソースプロジェクトのため、他の Observability関連製品に比べて、オープンかつクラウドネイティブなプロダクトとの親和性が 高い。 1. 多様なデータソース対応 • Grafana: 100以上のデータソースに対応 • 特徴: Grafanaは時系列データベースから一般的な RDBMSまで幅広く対応し、単一ダッシュボードで複 数のデータソースを統合できる。 2. オープンソースと商用のハイブリッドモデル • Grafana: オープンソースコアに商用機能を追加可能 • 特徴: コストを抑えつつ、必要に応じて商用機能を追 加できる柔軟性がある。 3. プラグインエコシステム • Grafana: 豊富なプラグインによる拡張性 • 特徴: コミュニティによる多様なプラグイン開発によ り、機能を柔軟に拡張できる。 4. クラウドネイティブ環境との親和性 • Grafana: Kubernetes環境との高い親和性 • Prometheusと同様にクラウドネイティブ環境に強い 5. コスト効率 • Grafana: 基本機能は無料で利用可能 • 特徴: 小規模から大規模まで、コスト効率よく導入でき る 6. コミュニティサポート • Grafana: 活発なコミュニティと豊富な情報源 • 比較: オープンソースツールの中でも特に活発なコミュ ニティを持つ • 特徴: 問題解決や最新情報の入手が容易
52. 52 実際の顧客ユースケース • RFPでは工場稼働状況の監視画面実装がすべてWebによる作 り込みの前提だった • そのまま実装すると、機能変更に対してクラスメソッド側の 作り込みが必須になり、おそらく顧客の望む未来ではない • Grafana Cloudを提案し、何個かサンプルを提示した後は、 ほぼすべての監視画面の実装を工場メンバー中心に進め ている • 「Grafanaのダッシュボード、最初はとっつきづらかったけれど、慣 れてきた今となっては、いろんな表現に対応してくれているので、ア イディア次第でいろいろできて楽しい」
53. 53 改めて我々が オープンな技術にこだわっている 理由とは？
54. 54 生成AIの進化で誰でも 開発ができる時代がやってくる 将来にわたりロックインされる部分を 極小化したい
55. 55 自由にやりたいことができる未来がすぐ来る
56. 56 ここまで、Whatが中心でした この後、Howを説明します
57. 57 スクラム・アジャイルを中心とした 内製化支援
58. 58 製造業向けアジャイル支援サービス https://classmethod.jp/services/insource/manufacturing-agile-support/
59. 59 製造業にアジャイルを適用する３つのメリット • 迅速に市場へ対応できる • 現場のフィードバックを活かした改善ができる • 透明性の確保とリスク軽減ができる
60. 60 研修によるティーチングや伴走型開発も実施
61. 61 事例のご紹介：日東工業様 https://classmethod.jp/cases/nito/
62. 62 事例のご紹介：日東工業様
63. 63 事例のご紹介：日東工業様 完全なスクラムでの開発手法を提案した のはクラスメソッドだけでした。田村さ んもアジャイル開発について知見はあり ましたが、会社として初めての取り組み です。 「それでもやはり、新しい開発手法にチ ャレンジしてみようと考えました」（田 村さん）と、クラスメソッドとの取り組 みをスタートさせました。
64. 64 事例のご紹介：日東工業様 クラスメソッドはまず、PoCを通じた検証と本番開発と いう2段階のアプローチを提案。1カ月のチームビルディ ング期間を設け、アジャイル開発の勉強会やプロジェク トの目的の共有から始めました。 さらに、開始当時はコロナ禍での完全リモート開発とな りましたが、クラスメソッドはSlackでの日常的なやり 取り、Google Meetでのオンラインミーティング、オン ラインホワイトボードツールとしてMiroを取り入れるな ど、複数のツールを組み合わせたコミュニケーション環 境を整備しました。 「アジャイル開発は初めてでしたが、要求した仕様と実 際にできたものとの食い違いが少なく、手戻りもわずか。 素早いリリースで頻繁にフィードバックが得られるとい うスクラムのアプローチは優れていると実感できまし た」（伊藤さん）
65. 65 AI活用に向けたアプローチ
66. 66 データ蓄積後の活用方法について 未来のご紹介
67. 67 AI活用に向けたアプローチ デジタルスレッド Industrial Data Fabric
68. 68 デジタルスレッド https://dev.classmethod.jp/articles/workshop-deigital-thread/
69. 69 デジタルスレッド
70. 70 デジタルスレッドでできるようになること
71. 71 デジタルスレッドでできるようになること
72. 72 デジタルスレッドでできるようになること
73. 73 デジタルスレッドの仕組み（アーキテクチャ）
74. 74 デジタルスレッドの仕組み（デモの様子）
75. 75 現在 デジタルスレッド Industrial Data Fabricを サービス化に向けて絶賛実装中です！
76. 76 Industrial Data Fabric https://dev.classmethod.jp/articles/industrial-data-fabric/
77. 77 Industrial Data Fabric 製造業における下記データを統合してひっくるめて分析する フレームワーク • CRMシステム（営業・顧客データ） • PLM（製品エンジニアリング設計データ） • ERP（財務・サプライヤー・購買管理データ） • MESまたはMOM（生産データ） • PLCやSCADAシステム（産業IoTデータ） • 接続されたデバイス（IoTデータ）
78. 78 Industrial Data Fabric
79. 79 Industrial Data Fabric
80. 80 Industrial Data Fabric https://youtu.be/pLBBtkR521Y
81. 81 Industrial Data Fabric https://youtu.be/pLBBtkR521Y
82. 82 デモ Grafana デジタルスレッド
83. 83 クロージング
84. 84 最初にこんな話をしました
85. 85 このような状況になっていないでしょうか？ システム導入しても現場で使われない IT投資が次につながっている感じがしない なにを変更するにも都度見積もりが発生
86. 86 まとめ 製造業データ活用の道はながい。しかし、データを蓄積すること自体 が将来大きな価値を産むことは見えてきている。 これから始めるにしても、アプローチを間違えずに、自らが製造業に おけるデータ活用を進めていくために最適な選択をしてほしい。 そのためにクラスメソッドがご支援できることがあれば、それは望外 の喜びです。
87. 87 ご連絡受領後 お声がけいただければ、東京から行けるところであれば確実にハマコ ー（他数名で）直接伺います！！ その時以下をお聞かせください • 現在の悩み（本音ベースで） • 目指したいと思っている未来 • 直近取り組んでみたいこと • （可能であれば）生産現場の見学 お気軽にご連絡いただければ幸いです。
88. 88 今後の日本の製造業の発展と みなさまの現場の成功を願ってます