最近発表された「産業用AIおよびAI市場レポート2021-2026」によると、産業分野におけるAIの導入率はわずか2年強で19%から31%に上昇した。回答者の31%が業務にAIを全面的または部分的に導入済みであることに加え、さらに39%が現在AI技術のテストまたはパイロット運用を行っている。
AIは世界中の製造業者やエネルギー企業にとって重要な技術として台頭しており、IoT分析によると、産業用AIソリューション市場はパンデミック後の力強い年平均成長率（CAGR）35%を示し、2026年までに1,021億7,000万ドルに達すると予測されている。
デジタル時代はモノのインターネット（IoT）を生み出した。人工知能の出現は、IoTの発展を加速させたと言えるだろう。
産業用AIとAIoTの台頭を後押しする要因をいくつか見ていきましょう。
要因1：産業用AIoT向けソフトウェアツールの増加
2019年、IoT分析が産業用AIの対象となり始めた頃は、運用技術（OT）ベンダーから専用のAIソフトウェア製品はほとんど提供されていませんでした。しかしその後、多くのOTベンダーが工場現場向けのAIプラットフォームという形でAIソフトウェアソリューションを開発・提供することで、AI市場に参入しています。
データによると、約400社のベンダーがAIoTソフトウェアを提供している。産業用AI市場に参入するソフトウェアベンダーの数は、過去2年間で劇的に増加した。IoT Analyticsは調査の中で、製造業者/産業顧客向けにAI技術を提供するサプライヤーを634社特定した。これらの企業のうち、389社（61.4%）がAIソフトウェアを提供している。
新しいAIソフトウェアプラットフォームは、産業環境に焦点を当てています。Uptake、Braincube、C3 AI以外にも、運用技術（OT）ベンダーの間で専用のAIソフトウェアプラットフォームを提供する企業が増えています。例としては、ABBのGenix Industrial分析およびAIスイート、Rockwell AutomationのFactoryTalk Innovationスイート、Schneider Electric独自の製造コンサルティングプラットフォーム、そして最近では特定の追加機能などが挙げられます。これらのプラットフォームの中には、幅広いユースケースに対応しているものもあります。例えば、ABBのGenixプラットフォームは、運用パフォーマンス管理、資産の健全性、持続可能性、サプライチェーン効率化のための事前構築済みアプリケーションやサービスを含む高度な分析機能を提供しています。
大手企業は、自社のAIソフトウェアツールを製造現場に導入している。
AIソフトウェアツールの普及は、AWSやMicrosoft、Googleなどの大手企業が開発した、ユースケースに特化した新しいソフトウェアツールによっても促進されています。例えば、2020年12月、AWSはAmazon SageMaker JumpStartをリリースしました。これはAmazon SageMakerの機能の一つで、PdM、コンピュータビジョン、自動運転など、最も一般的な産業ユースケース向けに、事前に構築されカスタマイズ可能なソリューションを、数回のクリックだけで導入できるものです。
用途に特化したソフトウェアソリューションが、ユーザビリティの向上を推進している。
予測保守など、特定の用途に特化したソフトウェアスイートが普及しつつあります。IoT Analyticsの調査によると、データソースの多様化、事前学習モデルの利用、データ強化技術の普及に伴い、AIベースの製品データ管理（PdM）ソフトウェアソリューションを利用するプロバイダーの数は、2021年初頭には73社に増加しました。
要因2：AIソリューションの開発と保守が簡素化されている
自動機械学習（AutoML）は、標準的な製品になりつつある。
機械学習（ML）に関連するタスクの複雑さから、機械学習アプリケーションの急速な成長に伴い、専門知識がなくても使用できる既製の機械学習手法へのニーズが高まっています。その結果生まれた研究分野である、機械学習のプログレッシブオートメーションは、AutoMLと呼ばれています。多くの企業が、顧客がMLモデルを開発し、産業用途のユースケースをより迅速に実装できるよう、AIソリューションの一部としてこの技術を活用しています。例えば、SKFは2020年11月に、機械プロセスデータと振動・温度データを組み合わせることでコスト削減と顧客の新たなビジネスモデル実現を可能にする、AutoMLベースの製品を発表しました。
機械学習オペレーション（ML Ops）は、モデルの管理とメンテナンスを簡素化します。
機械学習運用という新たな分野は、製造環境におけるAIモデルの保守を簡素化することを目的としています。AIモデルのパフォーマンスは、工場内の様々な要因（例えば、データ分布や品質基準の変化）の影響を受けるため、一般的に時間とともに低下します。そのため、産業環境の高い品質要件を満たすためには、モデルの保守と機械学習運用が不可欠となっています（例えば、パフォーマンスが99%未満のモデルでは、作業員の安全を脅かす行動を特定できない可能性があります）。
近年、DataRobot、Grid.AI、Pinecone/Zilliz、Seldon、Weights & Biasesなど、多くのスタートアップ企業がML Ops分野に参入しています。また、Microsoftをはじめとする既存企業も、既存のAIソフトウェア製品に機械学習オペレーション機能を追加しており、MicrosoftはAzure ML Studioにデータドリフト検出機能を導入しました。この新機能により、ユーザーはモデルのパフォーマンスを低下させる入力データの分布の変化を検出できるようになります。
要因3：既存のアプリケーションとユースケースへの人工知能の適用
従来のソフトウェアプロバイダーは、AI機能を追加している。
MS Azure ML、AWS SageMaker、Google Cloud Vertex AIといった既存の大規模な水平型AIソフトウェアツールに加え、コンピュータ化保守管理システム（CAMMS）、製造実行システム（MES）、企業資源計画（ERP）といった従来のソフトウェアスイートも、AI機能を組み込むことで大幅に改善できるようになった。例えば、ERPプロバイダーのEpicor Softwareは、Epicor Virtual Assistant（EVA）を通じて既存製品にAI機能を追加している。インテリジェントなEVAエージェントは、製造業務のスケジュール変更や簡単なクエリの実行（例えば、製品価格や利用可能な部品数の詳細を取得するなど）といったERPプロセスの自動化に利用される。
AIoTを活用することで、産業分野におけるユースケースが高度化されている。
既存のハードウェア/ソフトウェアインフラストラクチャにAI機能を追加することで、いくつかの産業用途が強化されています。その好例が、品質管理アプリケーションにおけるマシンビジョンです。従来のマシンビジョンシステムは、専用ソフトウェアを搭載した統合型または個別型のコンピュータで画像を処理し、あらかじめ設定されたパラメータや閾値（例えば、高コントラスト）を評価して、対象物に欠陥があるかどうかを判定します。多くの場合（例えば、配線形状が異なる電子部品など）、誤検出の数が非常に多くなります。
しかし、これらのシステムは人工知能によって復活を遂げつつあります。例えば、産業用マシンビジョンを提供するコグネックスは、2021年7月に新しいディープラーニングツール（Vision Pro Deep Learning 2.0）をリリースしました。この新しいツールは従来のビジョンシステムと統合されており、エンドユーザーはディープラーニングと従来のビジョンツールを同じアプリケーション内で組み合わせることで、傷、汚染、その他の欠陥を正確に測定する必要のある、要求の厳しい医療および電子機器環境に対応できます。
要因4：産業用AIoTハードウェアの改良
AIチップは急速に進化している。
組み込みハードウェアAIチップは急速に成長しており、AIモデルの開発と展開をサポートするさまざまなオプションが利用可能です。例としては、2021年3月に発表されたNVIDIAの最新グラフィックス処理ユニット（GPU）であるA30とA10があり、これらはレコメンデーションシステムやコンピュータビジョンシステムなどのAIユースケースに適しています。もう1つの例としては、Googleの第4世代テンソル処理ユニット（TPU）があります。これは、特定のAIワークロード（物体検出、画像分類、レコメンデーションベンチマークなど）のモデル開発と展開において、最大1,000倍の効率と速度を実現できる強力な専用集積回路（ASIC）です。専用のAIハードウェアを使用することで、モデルの計算時間を数日から数分に短縮でき、多くの場合、画期的な変化をもたらしています。
高性能なAIハードウェアは、従量課金制を通じてすぐに利用可能です。
大規模企業は、エンドユーザーが産業用AIアプリケーションを実装できるよう、クラウド上でコンピューティングリソースを利用できるように、サーバーのアップグレードを絶えず行っています。例えば、2021年11月、AWSは、コンピュータービジョンやレコメンデーションエンジンなど、さまざまな機械学習アプリケーション向けに、NVIDIA A10G Tensor Core GPUを搭載した最新のGPUベースインスタンスであるAmazon EC2 G5の正式リリースを発表しました。例えば、検出システムプロバイダーのNanotronicsは、マイクロチップやナノチューブの製造において、処理速度の向上と検出精度の向上を実現するため、AIベースの品質管理ソリューションのAmazon EC2サンプルを使用しています。
結論と展望
AIは工場から出荷されつつあり、AIベースの予知保全（PdM）などの新しいアプリケーションや、既存のソフトウェアやユースケースの強化において、遍在するようになるでしょう。大企業は複数のAIユースケースを展開し、成功を報告しており、ほとんどのプロジェクトで高い投資収益率が得られています。総じて言えば、クラウド、IoTプラットフォーム、そして高性能AIチップの台頭は、新世代のソフトウェアと最適化のための基盤を提供するものです。
投稿日時：2022年1月12日