1

インダストリ4.0(独)／IIC(米)と日本の製造業IoTに関する考察

１、第4次産業革命の位置づけ２、I.4.0(独)/IIC(米)の特徴

2.1：ディジタルツイン(CPSの具現化)2.2：マスカストマイズ2.3：つながる工場

３、日本の製造業IoTの状況3.1：概要3.2：ダイキンのディジタルファクトリによるマスカストマイズ3.3：モデルベース開発手法(MBD) 3.4:日立のルマーダ

４、考察５、まとめ

NPO法人M2M・IoT研究会「工場IoTシンポジウム」2018/12/1 小泉寿男

１、第4次産業革命の位置づけ

2

第4次

産業革命

第3次

産業革命

第2次

産業革命

第1次

産業革命

18世紀末 20世紀初頭 20世紀後半 2015~

• 蒸気機関

• 石炭エネルギー

•英国

• 電気エネルギー

• ベルトコンベア大量生産T型フィールド

•米国

• コンピュータによる生産自動化

• JIT, カイゼン

•日本(メイドインジャパン)

• IoTによる産業革命

• つながる工場考える工場

•独国I4.0

フォードモデルT

1909,アメリカ

第２次産業革命の製品例

大量生産システムを作りコストダウンをはかった最初の車で,現代のオートマチック車に通じる運転機構が備えられており,運転しやすい上に低価格であったことがうけ,空前のベストセラーになった.自動車を大衆のものにした画期的な車と言える.

２、I.4.0(独)/IIC(米)の特質

(1)(独)I.4.0：製造業の改革(大量生産のカスタマイズ)①中堅企業間の横倒し連携,標準化・連携の手法として,オブジェクト指向を使っている

② 経営システムとの連携：ERPの活用

(2)(米)I.I.：製造業,エネルギー,運輸,ヘルスケア.①特に製造業では,納入した機械の稼働データの

CSPによるビッグデータ処理→新産業の創出② IICを設立.企業連携のためのTestbed

(3)I4.0/IICの３つの特徴①ディジタルツイン(CPSの具現化)：IIC、I4.0②マスカストマイズ：I4.0③つながる工場：I4.0

4

独国主導のI4.0とGE主体のIICとの比較

システム 主導 対象 特徴(IICの見解) 参加

I4.0 独政府 製造• IoT,CPSによる製造業の変革

SiemensBoschSAP他

IIC

GEIBMAT&TCiscoIntel

製造エネルギー

運輸、公共ヘルスケア

• I4.0+アルファ• アルファ : 対象分野、

IoTによる新ビジネス創生、新技術開発

米、欧、日本、中国数10社

日本強み：ものづくり技術

課題：ディジタルツイン、マスカスタマイズ

• IIC : Industrial Internet Consortium日本の加盟会社：三菱電機、日立、東芝、ＮＥＣ、富士通、富士電機、トヨタ「II リファレンスアーキテクチャー」を発表している。

5

2.1 ディジタルツイン(CPSの具現化)

6

• 収集データ解析

• ビッグデータ処理

• 統計処理

• AI/機械学習

• 現場への指示処理

• 機械の稼動

• 設備、物品

• 生産プロセス

• 人間の動作

• イベント会場

• 農場

IoTによる

データ収集

フィードバック

CyberPhysical

こ① CPS(Cyber Physical System)

センサーやICタグを通じて実際の現場のデータを(Physical) インターネットで取り込み、情報処理(Cyber)と結びつけたＣＰＳが基盤。I4.0では、ディジタルツインとも呼んでいる

©M2M・IoT研究会 7

ディジタルツインの機能と実現の３段階

＜機能＞ 1. 現製品と製品モデルのツイン化 2. 製品プロセスのツイン化3. PLM（Product Libecyde Management：調達,設計,生産,保守)との連携4. 従来のシュミレーション（電気,電子,機械,3D）にIoT/AIを融合し高度化

＜実現の3段階＞

①１段階：センサによるデータ収集,伝達：分析予測は従来処理②２段階：データの分析,予測,数値シミュレーション,ビッグデータ解析,AI・ディジタルツイン活用の場合: イ）モノ、コトのモデル化と現物との一致化

ロ）現物、モデルでのデータの一致ハ）ディジタルツインによって得られたデータの活用

③３段階：フィードバック：表示,アクチュエータ駆効,AR/MRの活用

ディジタルツイン従来処理

モノ,コト

現実世界（Physical） ①データ収集・伝達

③フィードバック

②分析・予測

ディジタル世界（Cyber）

©M2M・IoT研究会 8

製作中のディジタルツインと稼働中のディジタルツイン

PLUソフトウェア（調達,設計,生産,出荷,稼働,保守）

IoT基盤OS

ディジタルツイン

データ処理：AI/AR（IoT各種OSの一部）

制作プロセスモデル

製品モデリング・電気電子用品・メカ ３D モデル・制御アルゴリズム

統合ソフト（ERP）・クラウド/自前・１部エッジ

工場内の現場（社内）＜Physical＞

検査

生産

設計

部品・部材調達

製品

・設備稼効の見える化,予兆保全＜製作プロセス＞

出荷された稼働製品双子双子

フィールド（社外）

稼働データIoT

双子

・製品と製品モデルのツイン化・製品プロセスのツイン化・PLMソフトとの連携

Digital Factoryのイメージ

シミュレーション 製造現場

部品調達

設計•電気•機械

製造プロセス•ロボット作業•ながれ

IoT

部品供給

製造

倉庫, 物流

PLM：Product Lifecycle Management

PLM PLM

出荷後の稼働

指示

照合

フィードバック

指示

照合

フィードバック

指示

照合

フィードバック

9

©M2M・IoT研究会 10

シーメンスのMindSphere(マインドスフィア)

○シーメンスHPから。

PLMとの連携

産業向けアプリケーション&ディジタルサービス

• 業績/業務のユースケース

• シーメンス/パートナーのアプリ

Digital Product Twin(製品のコンピュータモデル)

• 設計ツール他

DigitalProductimTwin

(制作プロセスモデル)

Digital

(データ収集・分析機能)

Disital Twin

MindSphere (Paasとして稼働)

クラウドのPaas

I4.0におけるレベル層

経営レベル(Enterprise)

・ERP・PLM

マネジメントレベル(Management)

・MES

オペレータレベル(Operator)

・SCADA

コントロールレベル(Control)

フィールドレベル(Field)

生産ネットワーク

ERPcloud

serverPLM

MES

SCADA SCADA

Cont./PLC Cont./PLCCont./PLC

工作機、モータ、HMI、I/O他

11

GEのIndustrial Internet

・GEの主張：わが社は製造とサービスの2本柱で成長させる

GEの主な機器

・タービン発電機・航空機のエンジン・他(交通、電機、医療)

IIのコアとなる基本ソフトウェア

・Predix（プレデックス）

顧客で稼動

・ビッグデータ処理・保守/運用に活用

フィードバック

新しいサービス

産業の創出by IoT

データ収集by IoT

・ソフトウェア開発基盤：Predix(プレディックス)

12

〃

GEのIndustrial Internet：ソフトウェアによる成果のしくみ

GEの主な製品

• タービン発電機• 航空機のエンジン• 医療機器（CT, MRIなど）

顧客で稼働・保守（航空,電力,病院）

• ビッグデータ処理• 運用/保守効率化処理

SW開発

API・各種モジュール(Testbed検証)

Predix:SW基盤

not

GE

SW開発

*新サービス産業の創出• 成果の販売• SW産業の創出

Predix（プレデックス）• 開発• 提供/サービス

成果の販売

稼働データ処理

クラウドorDB

SW

SW企業GE系

提供NotGE系

・GEの主張：「わが社は製造とサービスの2本柱で成長させる」サービスの価値は、ソフトウェアの成果で生み出す

レンタルor

買取

13

2.2 マスカストマイズ

14

＜I4.0の自動車の例＞顧客の個々の要望に合わせた注文製品を、大量製品の同じコスト、短納期、品質で生産する。

• 車体

• 色

• シート

• エンジン排気量

SAP（顧客管理）

• ディジタルファクトリ• 実体工場

〈顧客〉 〈メーカー〉車の例

2.3 つながる工場

15

生産におけるタテ方向(生産ライン/経営情報)とヨコ(企業間)の連携により、生産の最適化を狙う。特に、ドイツは優良の中堅企業の数が多い。他社工場間のデータ交換が重要視されている。

経営情報システム（販売、生産計画、資材、流通、経理）

・自社工場Ａ 自社工場Ｂ、他社工場

３、日本の製造業IoTの状況：3.1 概要

16

１、日本再興戦略2016の発足:官民戦略のプロジェクト①人工知能技術戦略会議②第4次産業革命 人材育成推進会議③ロボット革命実現会議/ロボット革命イニシアティブ協議会

2. 第5期科学技術基本計画・超スマート社会の実現：Society 5.0

3. インダストリアル・バリューチェーン・イニシアティブ（IVI）以上の状況は未調査。

一般に言われている日本の製造業生産システムの強み

17

① 設計製造が一体となった組織づくり：e-Factory

② 現場データを中核とした管理手法

③ 「現場（カイゼン）」とICTの融合：トヨタの例

④ すり合わせ方技術

➄ FAシステムのロボット化と産業用ロボット

⑥ 第４次産業革命の原動力となる電子部品、機械部品

⑦ Society 5.0

MES

18

e-Factoryの例

・製造現場と各サービス全体がICTで連携・ディジタル空間と現実世界の融合

SCM(Supply Chain management)

ERPソフト

生産設計製品設計 運用・保守生産

SCADA

コントローラ

FA機器

生産システム

3D-CADCAM,CAE

ディジタル生産

データ解析サービス

FAシステムのロボット化と産業用ロボット

(1)生産ライン

(2)FAで使われる機器の役割

19

素材1

加工 洗浄

ワークステーション1 ワークステーション2

サブシステム-1

加工

サブシステム-1

加工

洗浄組立て 組立て

製品又は部品

作業順序の制御

モータの速度制御

搬送・マテハン・組立て

加工(機械加工,電気加工)

汎用インバータ

ロボットシーケンサ

(PLC)工作機 放電加工機

NC

素材2 素材3

搬送

洗浄素材の出入りを示す

モータにより位置制御

汎用サーボ

FA産メカ事業部対応

FA機器事業部対応

NC要素 装置・システム

Edgecross：スマート工場デモから

エッジコン

FA

＜オンプレミス＞ITシステム ＜クラウド＞

エッジアプリ:

Edgecross:

データコレクタ:

生産現場:

稼働管理,事務保全データ分析,他

IF

IF

開発用SW,データ処理,

プラグイン,データモデル,セキュリティ

ccLink, Ethernet/IP他

機器群とPLC

幹事会社：三菱電機,NEC,オムロン,日本IBM,オラクル,アドバンテック

20

FANUCのFIELD system(スマート工場デモ)

• FANUC Intelligent Edge Link & Drive System

• ファナック構想のもと,シスコ,ロックウェル,PreferredNW,NTTグループと共同開発した製造業向けIoTシステム

FIELD System

コンバータ

従来生産機器

アプリ群

オープンプラットフォーム

21

FIELD仕様生産機器

印：Fanuc製

印：他社製

22

日本における繋がる工場例(「日経ものづくり」から)

１、トヨタ：ドイツ製EtherCATを工場内ネットワーク標準に.全世界のサプライアーにも推奨.

２、沖電気プリンター部門：タイ、中国、日本の3工場間の部品製作、組立てをネットワーク接続して情報一元化「海をまたいであたかも1つの工場に」件でアプリケーションを実装してテストを実施する.

３、ヤマザキマザック：大口工場とケッタキー工場間接続４、YKK：海外子会社５０社のネットワーク接続５、パナソニックエコシステム：国内外工場情報の一元化６、シチズンマシナリー：同上７、デンソー：世界１３０工場のネットワーク接続：2020迄＊

以上は、実績or推進中。他に検討中が２０例あり。

3.2 ダイキンのディジタルファクトリによるマスカストマイズ

23

＜ダイキンの概要＞：・空調機 世界トップ、年間数百万台・売り上げ：2.2兆円、うち、９０％が空調機、残り化学媒体・欧米、アジアに工場あり。シリコンバレーにAI研究部門日本の製作所：堺金岡、堺臨海、滋賀、淀川、鹿島・従業員：単独約7,000人 連結約70,000人

＜堺臨海工場 新１号工場＞ダイキンの意向：・IoT/AIなどの新技術を織り込んだ「インダストリ4.0」時代に勝ち残るために、特に「マスカスタマイズ生産」可能にする工場を日本に作った。世界中の生産拠点と連携する「工場IoT」を実現したい.

©M2M・IoT研究会 24

ダイキンのディジタルファクトリによるマスカストマイズ

（2018/7/17 スマート工場セミナー講演：大阪、および日経ものづくり2018/11号「解剖タイキン新工場」から推定 ）

商品企画仕様決定製品設計試作・評価生産設計

分析

DB

• 製品情報• 販売情報• 生産能力情報

更新

生産立ち上げ

生産部品調達計画受注 物流 施工 顧客

カストマイズ情報

• 顧客名• 冷暖能力• 塩害対策• 他の仕様

製品モデル

カストマイズモデル

サブライン(1個流し)

搬送モジュール 検査モジュール

主生産ライン

生産ラインディジタルファクトリの構成

3.3 モデルベースド開発手法(Model Based Dev.)

• 制御機の数学モデルと制御対象のモデルを制御システムとして組み合わせたシミュレーションを行い,制御機の制御方式とソフトウェアのハードウェアを求める.

• 制御対象モデルは,制御対象を正しく表わすこと.

• 両者のモデルは計算機上で実際に動作すること.モデルの表現には,Matｌab,Simulinkが多く使われる.

設定値 制御モデル

コントローラ

制御対象モデル

制御対象(プラント,機械)

25

自動車電子制御システムモデルの一般形態

ドライバ 環境

セットポイントジェネレータ

制御,監視 アクチュエータ 制御対象システム

センサ

A/D

A/D

制御プログラム

メモリ

CPU

D/A

ECU

車両

W U Y X R

Z

R

W

R

U

R:計測値,フィードバック変数

U:制御出力

W:基準変数またはセットポイント

X:操作変数

Y:動作変数

Z:妨害変数

26

MBDの勉強の１つの手立て

１、自動車：基本技術のテキストとして役立つ：ヨーク・ジョイフェレ、トーマス・ツラフカ共著

Automotive Software Engineeringオートモチーティブソフトウェアエンジニアリング－原則、プロセス、手法、ツールー、日刊工業新聞社

２、経済産業省：次世代自動車等の開発加速化に係るシミュレーション基盤構築事業：H３０年度概算要求、HP参照

３、産業機械のMBD：学術論文だが、実践的内容になっている長野鉄明、原川雅哉、岩瀬将美、石川 潤、小泉寿男：「産業機械のサーボ制御システムのためのモデルベース開発手法」、日本シミュレーション学会論文誌、Vol.10,No.3,pp.77-87,2018

27

©M2M・IoT研究会 28

3.4 日立のLumada（ルマーダ）

・ディジタル・ソリューション・製造業/運輸/建設/業種共通のIoT/AIシステム

顧客

課題分析 仮説構築プロトタイピングと価値検討 提供・適用

・コンサルティング ・アナリシス ・スピード開発・シュミレーション ・パートナー技術の統合 ・実行運用環境

・製造業: 設備管理,省エネ,稼働管理・建設 ・運輸 ・インフラ保守・業種共通: 在庫管理、品質向上、ワークスタイル改革、セキュリティ

・Data管理/分析/Studio・Edge/Core ・Fundry

現場データ IoTプラットフォーム クラウドでのデータ処理

(AI含む)

(協創) (協創)

顧客との協創による課題解決

業種・業務ノウハウ(ソリューションユースケース)

IoTプラットフォーム

４、考察

29

(1)ディジタルツインは、I4.0/IICの中核技術であるCPSを実用的に展開したものであり、製造業の新しい価値を生み出す可能性大.第４次産業革命の意義の１つも、ここにあると考える。

(2)ディジタルツインは、製品の生産段階での生産性向上と出荷稼働後のデータ収集・分析を可能とし、新しい価値を生む.さらに、従来から存在しているPLMとの連携により、部品調達から設計、生産、物流・流通、稼働価値、保守までのサブラインチェインの革新を可能にし得る。

(3)ディジタルツインは、生産手法と組み合わせて、マスカストマイズを可能とする. ダイキンのマスカストマイズがその１例であり、I4.0関連のドイツ等の企業も同様な手法と考える。マスカストマイスは、当初、多くの人が実現性を納得しなかったが、いまや、各社は実装方法の問題という段階に来ている.

４、考察

30

(4)企業にとっては、自社に合ったディジタルツインの開発、実装が課題でると考える。開発と実装評価には期間を要する。着手が遅れれば、その影響は大きい。ディジタルツインは、第４次産業革命時代の企業格差を生む要因の１つになると考える。

ディジタルツイン開発には、次項のステップが考えられる.①MBDによる機器のシミュレーションモデルの開発②生産プロセスのシミュレーション開発とPLMとのIF作り・ダイキンでは、サプライチェインとエンジニアリングチェインのシミュレーションで実現していると推定する.

③設計におけるソフトウェアエンジニアリングの習得：・Matlab,Simlink,SimulationX,Modelica等のツースは豊富にあるが、それらを使いこなして上記①②のようなものを実現して行くには、ソフトウェアエンジニアリングの学習が要る.＊前記3.3-p.27のような手立てが参考となる.

31

(5)「つながる工場」は、中堅企業が主役と言えるドイツなどでは、I4.0の目玉の１つであるが、日本の場合、系列間のつながり実績がでており、現状は妥当な状況と考える.

(6)工場IoTのエッジコンピューティングとソリューション：FA機器を主体とした企業では、ファナックのFIELDのように機器からエッジコンピュータを扱い、上位のERPとの接続は、＋αと位置づけされている。I4.0中核のシーメンスは、ERPとの接続を重視しているが、エッジ／ERP両最適化ソリューションを目指しているのではないと考える。

一方、日立のルマーダは、製造業、建設、運輸、インフラ保守を対象とした、IoTプラットフォーム＋エッジ＋ERP＋ソリューションユースケースによる最適化システムを狙いとしている。総合電機メーカーの強みを生かした新しいトライとみる。

４、考察

32

(7)AI機能の導入：AI機能は、機器内、エッジ内、ディジタルツイン内、上位のソリューション内に存在して、それぞれの価値向上の役割を果たす。

最も重要なのは、エッジ内の「機器故障検知・予知による稼働率の向上」、「省エネ最適化」と考える。ディジタルツインについては、AIによるAR(拡張現実)導入の最適化と言える.

©M2M・IoT研究会 33

５、まとめ①今回、I.4.0(独)/IIC(米)の特徴をディジタルツイン、マスカストマイズ、つながる工場の３つとし、特にディジタルツインがその中核であり、マスカストマイズの実現にも影響していることを確認した。日本のディジタルツインの実施例はあまり報告されていない。その原因は多々考えられるが、改善策の１つとして、シミュレーション技術とソフトウェアエンジニアリング技術の充実が期待される。

②本報告は、M2M・IoT研究会の「調査研究の勉強会」での報告、ディスカッションをまとめたものであり、今後充実して、人材育成に役立てていきたい.

※ ご清聴ありがとうございました。