産業用変圧器をはじめとした産業用機器を製造するダイヘン。同社はこれまで、工場の装置や機械を手作業で監視し、ログを分析していた。常務執行役員で産業電機事業部長を務める山野一郎氏は「大阪工場は製造工程を監視する多数のセンサーでデータを取得し、素早く分析する方法を必要としていた。手作業は減らさなければならなかった」と話す。これに対して同社が下した答えが、エッジコンピューティングだった。

　ダイヘンは、FogHorn Systemsのエッジコンピューティング用ソフトウェア「FogHorn Lightning」の機械学習機能を使用することで、産業用変圧器の製造プロセスの監視を自動化した。FogHorn Lightningは複雑な機械学習モデルを構築できる。

　FogHorn Systemsは、工場を構える製造業の顧客が、AI技術をエッジに取り入れ、リアルタイムのデータ分析を可能にするためのソフトウェアを提供している。「全てのデータをクラウドで処理することはできない。エッジとクラウドとの間で負荷のバランスを取らなければならない」。同社の副社長兼アジア太平洋事業本部長を務める遠藤雄太氏はこう語る。同社のソフトウェアは、負荷の大きな作業をエッジ側で担う。クラウドやオンプレミスのさまざまなシステムと連携させることで、機械学習とデータ分析を実現しているという。

　FogHorn Systemsのリアルタイム分析と機械学習をエッジに導入したことで、ダイヘンは製造工程におけるミスを即座に特定できるようになった。データの精度向上にもつながった。

　ダイヘンは、RFID（無線ICタグ）を使って工場全体の温度、湿度、ほこりのレベルを監視する新しいセンサーを導入した。製造する産業用変圧器の各部品の組み立て状況と保管状況を監視するため、センサーが生み出すデータをリアルタイムで収集する。センサーの他、プログラムによって機器を制御するプログラマブルロジックコントローラー（PLC）、データ分析や機械学習のアプリケーションなどを組み合わせることで、エッジでさまざまな洞察を得ている。そうした洞察を基にして、製造する製品の品質に影響を及ぼす可能性のある要因を分析し、改善につなげることができる。

　「工場で生み出されるデータを活用することで、工場の生産性を改善できることは分かっていた」と、山野氏は説明する。FogHorn Systemsのソフトウェアによるリアルタイムのデータ処理によって、製造工程に関するデータを視覚的に分析できるようになった。「手作業で実施していた大量の工程を削減し、生産性が高まった」（同氏）

　製造工程を可視化するために、ダイヘンが頼ったのはFogHorn Systemsのパートナー企業であるエネルギア・コミュニケーションズ（以下、エネコム）だった。エネコムはIoTアプリケーションの構築を支援するサービスを提供している。

　エネコムでITサービス事業部のマネジャーを務める増田剛洋氏は「ダイヘンのネットワークから取得した多様なデータを整理し、その質を向上させる必要があった」と話す。

　結果はダイヘンの期待を上回るものだった。導入から6カ月以内に、ダイヘンの大阪工場は、RFIDを使った監視のカバー率が工場内の約70％に達した。これは手作業で実施していた監視とログ分析に換算すると、年間で約1800時間の短縮となる。

　詳細な製造工程のデータから洞察を引き出すことで、ダイヘンはビジネスの意思決定をより迅速かつ正確に下せるようになった。

　「FogHorn Systemsのソフトウェアを国内の全ての工場に導入すれば、年間で約5000時間の作業工程を削減できる見込みだ」と山野氏は期待を込める。

　中編は農業分野でエッジコンピューティングを取り入れた事例を紹介する。