NTT DATA

DATA INSIGHT

NTT DATAの「知見」と「先見」を社会へ届けるメディア

キーワードで探す
カテゴリで探す
サービスで探す
業種で探す
トピックで探す
キーワードで探す
カテゴリで探す
サービスで探す
業種で探す
トピックで探す
background-image-careers
2016.4.18技術トレンド/展望

[第49回]IoT基盤を核とした水分野インフラ監視および製造業における活用事例

水道設備では従来より浄水場内で独自の監視システムが整備され、場外設備ではテレメーターによるリモート監視が行われている。また、製造業においては工作機械等を監視・制御するネットワークが構築されている。では今、何故ここにIoT基盤を活用しようとしているのか?

1.水分野のインフラ監視へIoT基盤を展開する意義

水道設備はその多くが高度経済成長期に整備され、今後、老朽化設備の更新需要が増加します。一方、人口減に伴い需要水量は減少傾向となり水道料金収入の減少、さらに熟練職員の技術継承という課題が深刻化しつつあります。

水道設備のインフラ監視は、浄水場プラントやポンプ装置等の稼動状況を監視しますが、これら設備の通信仕様はベンダーごとに固有であるため、ベンダーロックインにより保守や更新費用の高止まりの一因となっています。また、需要水量の減少に伴う収入減から、今後、水道事業の広域統合や民間とのコンセッション方式による運営が進むと想定されていますが、複数の設備を統合的に監視することが困難なため効率化の障壁となっています。

NTTデータでは、IoTクラウド基盤であるANYSENSEを核として、異なるプラントや設備の稼動状況をMQTTプロトコルで統一的にクラウドへ収集し、遠隔監視するソリューションを展開しています。

本ソリューションの強みは、監視対象の設備と「つなぐ」部分にあります。ANYSENSEはそのエッジ側ソフトウエアにおいて、さまざまなデバイスとノンカスタマイズで接続可能とする機能を実現しています。例えば、既存のプラントや設備の制御に導入されている異なるベンダーのPLC(Programmable Logic Controller)等との接続において、プログラムの改修や追加を必要とせず、Web画面による専用の管理者インタフェースから接続設定を行うことでデータ収集を可能としています。すなわち、既存設備への導入が容易であること、今後の老朽設備の更新においてベンダーロックインから開放され、保守・更新費用の低減化につなげることが可能となります。

さらに、クラウドに監視データを集約することで、単なる設備の状態監視だけでなく、機械学習による異常検知の高度化につなげることができます。例えばポンプの稼動状況、水位、薬剤濃度など、相関するデータパターンの正常範囲を機械学習によって自動識別し、正常範囲外の事象に対してアラート発出と要因候補を表示します。この機械学習機能により、職員の監視運用負荷の軽減、オペレーションミスを含めた異常状態の早期発見に効果が期待されます。

【図】

2.製造業へのIoT基盤展開への現実解

製造業においても、工場のFA(Factory Automation)における制御系ネットワークは計装系のベンダー独自のプロトコルにより状態監視や制御処理が行われています。これら制御系ネットワークと、ERPを始めとする情報系ネットワークはシームレスに接続ができません。

ドイツが提唱しているIndustry4.0の取り組みでは、OPC-UA等のプロトコルにより制御系ネットワークを標準化し、制御系から情報系への接続性を確保しようとしています。このOPC-UAは上位サーバーからの制御における信頼性や確実性を重視しているため、データ収集速度において数百msオーダーが限界です。一方、ANYSENSEが採用するMQTTは軽量であり解析用にデータを収集する目的に特化しているため数msオーダーのデータ収集が可能であることから、工作機械のモーター駆動状況や負荷電流の状況等のモニタリングが可能であり、製造物の品質チェックや工作機械の故障予知に活用することができます。ただし、工作機械からの収集データを全てクラウドへ伝送することはデータ量の観点で現実的ではありません。

よって、リアルタイムに品質判定を行う機能配置はエッジ側ソフトウエアへ、正常範囲の機械学習・パターン分析はクラウドにて行うという分散・協調型のフォグコンピューティングモデルを検討し、適用しようと考えています。

【図】

お問い合わせ