最近発表された「産業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導入率はわずか2年強で19%から31%に増加しました。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、39%が現在AI技術の試験運用またはパイロット運用を行っています。
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テクノロジーとして台頭しており、IoT分析では、産業用AIソリューション市場はパンデミック後に35%という高い年間複合成長率（CAGR）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ます。
デジタル時代はモノのインターネット（IoT）を生み出しました。人工知能（AI）の出現がモノのインターネット（IoT）の発展を加速させていることが分かります。
産業用 AI と AIoT の台頭を推進する要因のいくつかを見てみましょう。
要因1：産業用AIoT向けソフトウェアツールの増加
2019年にIoTアナリティクスが産業用AIをカバーし始めた頃、運用技術（OT）ベンダーによる専用のAIソフトウェア製品はほとんどありませんでした。その後、多くのOTベンダーが、工場現場向け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市場に参入しました。
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ます。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ています。IoT Analyticsの調査では、製造業／産業顧客向けにAI技術を提供するサプライヤーが634社特定されました。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ます。
新しいAIソフトウェアプラットフォームは、産業環境に重点を置いています。Uptake、Braincube、C3 AIに加え、ますます多くの運用技術（OT）ベンダーが専用のAIソフトウェアプラットフォームを提供しています。例としては、ABBのGenix Industrial Analytics and AI Suite、Rockwell AutomationのFactoryTalk Innovation Suite、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アドオン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を対象と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、資産の完全性、持続可能性、サプライチェーンの効率化のための、事前に構築された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ます。
大企業は AI ソフトウェア ツールを現場に導入しています。
AIソフトウェアツールの利用可能性は、AWSやMicrosoft、Googleなどの大企業によって開発された、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推進されています。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の機能であり、PdM、コンピュータービジョン、自動運転など、最も一般的な産業ユースケース向けに、事前構築済みでカスタマイズ可能なソリューションセットを提供し、わずか数クリックでデプロイできます。
ユースケース固有のソフトウェア ソリューションがユーザビリティの向上を促進します。
予知保全に重点を置いたものなど、ユースケース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性と事前学習モデルの活用、そしてデータ拡張技術の普及により、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ります。
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漸進的自動化は、AutoMLと呼ばれています。多くの企業がこの技術をAI製品の一部として活用し、顧客によるMLモデルの開発と産業ユースケースの迅速な実装を支援しています。例えば、SKFは2020年11月、機械プロセスデータと振動および温度データを組み合わせることでコストを削減し、顧客の新しいビジネスモデルを実現する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) により、モデルの管理とメンテナンスが簡素化されます。
機械学習運用という新しい分野は、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、通常、時間の経過とともに低下します。その結果、産業環境における高い品質要件を満たすには、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%未満のモデルは、作業員の安全を脅かす行動を識別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。大手企業も既存の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、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に適用される人工知能
従来のソフトウェアプロバイダーは AI 機能を追加しています。
MS Azure ML、AWS SageMaker、Google Cloud Vertex AIといった既存の大規模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）、エンタープライズ・リソース・プランニング（ERP）といった従来のソフトウェアスイートも、AI機能を導入することで大幅に改善できます。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機能を追加しています。インテリジェントなEVAエージェントは、製造工程の再スケジュールや、製品価格や在庫部品数などの簡単なクエリの実行といったERPプロセスの自動化に活用されています。
産業ユースケースは、AIoT の活用によってアップグレードされています。
既存のハードウェア／ソフトウェア・インフラにAI機能を追加することで、多くの産業用途が強化されています。その顕著な例として、品質管理アプリケーションにおけるマシンビジョンが挙げられます。従来のマシンビジョンシステムは、専用の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を介して画像を処理します。これらのソフトウェアは、所定のパラメータと閾値（例：高コントラスト）を評価し、物体に欠陥があるかどうかを判断します。多くの場合（例えば、配線形状が異なる電子部品）、誤検知の数は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プロバイダーのCognex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で組み合わせて使用することで、傷、汚れ、その他の欠陥の正確な測定が求められる厳しい医療・電子機器環境に対応できるようになります。
要因4：産業用AIoTハードウェアの改善
AIチップは急速に進化しています。
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用意されています。例えば、2021年3月に発表されたNVIDIAの最新グラフィック・プロセッシング・ユニット（GPU）であるA30とA10は、レコメンデーション・システムやコンピューター・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、Googleの第4世代Tensor Processing Unit（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、モデルの計算時間が数日から数分に短縮され、多くの場合、ゲームチェンジャーとなることが証明されています。
強力な AI ハードウェアは、従量課金モデルを通じてすぐにご利用いただけます。
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、クラウドでコンピューティングリソースを利用できるよう、サーバーを継続的にアップグレードしています。例えば、2021年11月には、AWSが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。このインスタンスは、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、様々なMLアプリケーションに利用可能です。例えば、検出システムプロバイダーのNanotronicsは、AIベースの品質管理ソリューションにAmazon EC2のサンプルを使用し、マイクロチップやナノチューブの製造における処理速度の向上と検出率の向上を実現しています。
結論と展望
AIは工場から出荷され、AIベースの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拡張機能として、あらゆる場所で活用され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は高い投資収益率を達成しています。全体として、クラウド、IoTプラットフォーム、そして強力な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プラットフォームを提供しています。
投稿日時: 2022年1月12日