製造業向けsmart factoryデモと - pages.awscloud.com

渡邉聡プロトタイピングソリューションアーキテクトアマゾンウェブサービスジャパン株式会社

製造業向けSmart Factoryデモと関連AWSサービスのご紹介

© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved.© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved.

自己紹介

渡邉聡 (わたなべさとし)

デジタルトランスフォーメーション本部

プロトタイピング・ソリューションアーキテクト

IoTの導入やPoC段階のご支援を担当

主に製造系のお客様のご支援をメインに活動中

• 技術領域• IoT, データ分析, ソフトウェア開発

• 趣味• DIY

© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved.

Product & Product Design Smart Factory Smart Products & Services

• インフラを意識せず、デザイン作業そのものに集中

• 多数の並列タスクを実行することで、市場に出るまでの時間を短縮

• オンデマンド利用によるコスト削減

• クリティカルデータとIPを保護するセキュリティ

• Overall Equipment Effectiveness（OEE）の改善

• 制御はエッジ、蓄積・分析・ロジック生成はクラウドのハイブリッドとすることで、進化し続ける工場を実現

• 新しい収益モデルの獲得• コネクテッドプロダクトによる顧

客体験と品質の改善• スケーラビリティ（Up/Down,

Global)• コストの低減とセキュリティの向

上

製造業におけるクラウド活用カスタマーユースケース


生産現場におけるIoT・クラウドの活用例

①②

③④

生産状況の見える化

分析による業務改善

予兆保全/品質予測課題：簡単に早く設備の稼働状況を把握したい

課題：設備稼働データを使った分析により業務改善を行いたい

課題：稼働率向上のために予知保全を行いたい/品質予測により外部不良率を低減したい

外観検査・画像解析課題：画像解析用いて設備管理や外観検査の自動化に活用したい

生産ライン

NC

PLC/DCS/OPC

人

データ収集・蓄積可視化

IoT Gateway

生産ライン

生産ライン

生産ライン

データ収集・蓄積＋可視化

統合データベース

分析

生産

品質

設備

生産ライン

収集蓄積データ加工機械学習(1)データ発生

(A) データ送信

(B) モデリング

(C) 構築モデルの配布

(2) 異常検知

(3) 警告灯点灯

予測モデルの作成

生産ライン

収集・蓄積ラベリング機械学習(1) 撮影

(A) データ送信

(B) モデリング

(C) 構築モデルの配布

(2) 不良検知

(3) 仕分け

予測モデルの作成

© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark

機械学習を用いた外観検査の自動化工場データの可視化・分析

https://aws.amazon.com/jp/local/manufacturing/

AWSの製造業に対する取り組み

複数のセッション動画、デモコンテンツをご視聴できますので、是非ご参照ください。

ARを用いた生産ラインの可視化と異常検知



Amazon Web Service ブログhttps://aws.amazon.com/jp/blogs/news/architecture-of-smart-factory-demo-using-model-factory/

https://aws.amazon.com/jp/blogs/news/architecture-of-smart-factory-demo-using-model-factory/


デモ使用機材

• ミニチュア工場装置

• フィッシャーテクニック・エデュケーション

• Conveyor Belt 24V• Indexed Line with two Machining Stations 24V• Sorting Line With Color Detection 24V

• PLC• 三菱電機 FX5UC CPUユニット FX5UC-32MR/DS-TS

• Edge Computer• NVIDIA Jetson nano


Smart Factory Demo Architecture

Plant

AWS IoT Core

AWS IoT Greengrass

AWS Cloud

AWS IoT SiteWise

AWS IoT Events

AWS Lambda

Web Browser

AWS AppSync

Data upload w StreamManager

Publish error warning

Status check

Real-time data monitoring

Data reference byhead-mount device

AWS IoT Analytics Amazon QuickSight


工場データの収集


PLCの画像


生産工程におけるデータ種別ごとの収集例

Factory AWS Cloud

OPC サーバ

PLC/DCS

Amazon KinesisAWS IoT Greengrass

Amazon S3

AWS Glue

カメラ

既存システムMES

データストアRDB AWS Glue

AWS IoT Core

ストリームデータ

DB データ

ファイル画像

リアルタイムデータ

データ解析/BI/機械学習サービス

ダッシュボードアラート

業務アプリケーション

管理者データ分析官

機械学習エンジニア

フィールドエンジニア管理者


StreamManager

Visual Inspection Demo Architecture

AWS CloudJetson Nano

Greengrass Core

PLCcontrolLambda

InferenceLambda model

Topic

Amazon SageMaker Amazon SageMakerGround Truth

Amazon Simple Storage Service

AWS IoT SiteWise

Camera

PLC


プロトコルアダプタの選択肢

• Modbus-RTU• Greengrass Connectorとして提供 (設定のみで接続)

• OPC-UA, Modbus-TCP, EtherNet/IP• IoT SiteWise (Greengrass Connecter) の利用で可能(後述)

• OPC-UA• Adapter実装リファレンスを提供

https://github.com/aws-samples/aws-iot-greengrass-opcua-adapter

• OPC-DA, SLMP• Machine to Cloud 接続フレームワーク (AWS Solutions) として提供

https://aws.amazon.com/jp/solutions/implementations/machine-to-cloud-connectivity-framework/

https://github.com/aws-samples/aws-iot-greengrass-opcua-adapter

https://aws.amazon.com/jp/solutions/implementations/machine-to-cloud-connectivity-framework/


3rd Party ソフトウェアによる収集

Factory AWS Cloud

MELIPCMELSEC

AWS IoT Core

AWS IoT Analytics

Amazon QuickSight

Operation Dashboard (稼働状況)

BI Dashboard (稼働実績、統計情報)

EdgeCross v1.22 より GUI 操作のみで AWS にリアルタイムでデータ送信可能。AWS より WhitePaper を提供 (※)

AWS IoT SiteWise

※ https://www.mitsubishielectric.co.jp/fa/ssl/sols/psm/psh/solution/detail/?companyid=kmpu16nkq8&solutionid=b185eead-2931-4224-89a3-0e977be67d71

https://www.mitsubishielectric.co.jp/fa/ssl/sols/psm/psh/solution/detail/?companyid=kmpu16nkq8&solutionid=b185eead-2931-4224-89a3-0e977be67d71

internetof things


AWS IoT SiteWiseは、ローカルゲートウェイを使用してプラントからデータを収集し、そのデータを構造化してラベルを付け、リアルタイムのKPIとメトリクスを生成して、データに基づく意思決定を改善します

AWS IoT SiteWise

データを構造化し、機器とプロセスのパフォーマンスメトリックを指定する

ダッシュボードを作成および共有して、現在から過去の機器データを視覚化

機器データを数分でAWSに取り込む

ASSET MODEL

Property: Attribute

tool_id :

Property: Time-series

pressforce-ch1 :

Property: Formula

Avg Pressforce : f (pressforce-ch1)

データを時系列データベースに格納

AnalyticsServices

internetof things


データの収集

• すべての設備のデバイス、機器、ヒストリアンDBからデータを収集

• MQTT, OPC-UA, EtherNet/IP, および Modbus プロトコルをサポート

• AWS IoT CoreおよびPUT APIを介してAWS IoT SiteWiseにデータを取り込み

• エッジゲートウェイを一元管理

OPC-UA Modbus-TCPEtherNet/IP

Device

MQTT

GreengrassSiteWise

ConnectorAWS IoT SiteWise

AWS IoT Core

AWS SDKAnalyticsServices


工場データの可視化・分析


工場データの可視化・分析

AWS IoT SiteWise Monitorによるリアルタイムデータの可視化・分析

QuickSightによる中長期データのBI分析

internetof things


AWS IoT SiteWise Grafana Integraion

• Grafana 7.3.0 以降でデータソースとしてSiteWiseを指定できるプラグインを提供開始

• AWS Managed Service for Grafana (AMG) のデータソースとしても指定可能

• Grafanaダッシュボードの様々な視覚化オプションで

機器データをニアリアルタイムで可視化、監視が可能に

• 複数のAWSソース(Amazon Timestream, CloudWatchなど)およびその他のデータソースからのデータを単一のGrafanaダッシュボードで可視化可能に

https://aws.amazon.com/jp/about-aws/whats-new/2020/12/introducing-aws-iot-sitewise-plugin-for-grafana/https://docs.aws.amazon.com/ja_jp/iot-sitewise/latest/userguide/grafana-integration.html

AnalyticsServices

internetof things




Plant

AWS IoT Core

AWS IoT Greengrass

AWS Cloud

AWS IoT SiteWise

AWS IoT Events

AWS Lambda

Web Browser

AWS AppSync



Status check


Data reference byhead-mount device

AWS IoT Analytics Amazon QuickSight

internetof things


AWS IoT SiteWise Edge -エッジでのデータの処理

• アセットモデルによるプロパティに対するラベル付け、変換の実行、およびメトリクスの計算をローカルで実行

• 変換を使用しデータをフィルタリング

• プロパティとメトリクスの履歴データにアクセスするためのGET API

• フィルタリングまたは集計された結果のみをクラウドに転送しコストを最適化

• アセットモデルは自動的にクラウドからエッジゲートウェイに同期されます

Ingest

Local AppsGet API

Label inputs and compute metrics

Query pathASSET MODEL

Property: Attribute

robot_id :

Property: xPosition

pIck-rate-ch1 :

Property: Formula

Picking Workcell

Put APIUPLOAD path

Cloud Destinations

Process Streams

Local Storage

AnalyticsServices

Preview



Plant

AWS IoT Core

AWS Cloud

AWS IoT SiteWise

AWS IoT Events

Web Browser



Status check


Data reference byhead-mount device AWS IoT Analytics Amazon QuickSight

AWS IoT SiteWiseEdge

AWS IoTGreengrass


装置の異常検知

internetof things


異常状態の画像

internetof things


機器またはプロセス内のイベントを検出するために受信

テレメトリデータを評価するための単純なロジックを構築

何千ものセンサーや他のソースのデータからイベントを検出

結果をトリガーして操作を最適化

AWS IoTイベントを使用すると、機器および一連のデバイスからのデータを継続的に監視し、イベントが発生したときに適切な対応をトリガーできます

!

AWS IoT Events

AnalyticsServices

internetof things


IoT Eventsで作成している探知モデル


保守の進化

事後保全

Reactive Maintenance

Time Based Maintenance

Condition Based

Maintenance

状態基準保全Predictive

Maintenance

保守の進化


Amazon Monitron

https://aws.amazon.com/monitron/

Amazon Monitron は機械学習や開発の経験が無くても、

Amazonの配送センターで機器を監視するのと

同じテクノロジーで予防保守を実現する

システムをエンドツーエンドで提供。

振動や温度を捉えるIoTセンサやデータ集約・転送を担う

ゲートウェイ、データを処理するクラウドサービス等

バージニア北部で利用可能。スターターキットが米国、

英国、EU で購入可能。日本対応は未定

モバイルアプリはGoogle Play Storeで入手可能。

機械学習の技術により産業機械の異常な動作を検知、予防保全を行えるようにすることで計画外の停止時間の削減を図る

https://d2908q01vomqb2.cloudfront.net/da4b9237bacccdf19c0760cab7aec4a8359010b0/2020/11/30/[email protected]

https://d2908q01vomqb2.cloudfront.net/da4b9237bacccdf19c0760cab7aec4a8359010b0/2020/11/17/monitron_blog2.png

https://d2908q01vomqb2.cloudfront.net/da4b9237bacccdf19c0760cab7aec4a8359010b0/2020/11/17/monitron_blog10.png

https://aws.amazon.com/monitron/


Amazon Lookout for Equipment

https://aws.amazon.com/lookout-for-equipment/

既存の機器センサーを利用している環境で、機械学習の知識なしに設備の動作異常を検出し、予防保守を可能にする

個々の機器データを基に機械学習を使用した高精度の異常検知を実現従来からある閾値ベースや統計ベースではない既存センサーデータを利用可能

利用が容易ですぐに始められるモデル学習、推論の自動化

継続的な精度の改善異常検知結果への人によるフィードバックで精度改善

異常検知時の対処の自動化問題チケットの作成や自動アラームの通知

https://aws.amazon.com/lookout-for-equipment/

internetof things


機械学習を用いた外観検査の自動化

internetof things



About Visual Inspection Model

Input data Diff

Model

Restored image Abnormal part

① ② ① - ②

internetof things


モデル作成だけでなくモデルの再学習やダッシュボードによる検査状況のモニタリングまでカバー

画像の登録

モデルの学習

モデルの評価

外観検査

正常画像を 20枚以上、異常画像を10枚以上用意し、それらにラベル情報を紐付ける

登録した画像とラベル情報を指定して学習開始

学習に使用していない画像を使って性能を評価し、予測が間違っていたら修正して再学習を実行

作成したモデルに画像を入力して得られた結果をダッシュボードでグラフィカルに確認

https://aws.amazon.com/jp/lookout-for-vision/

画像の異常検知 – Amazon Lookout for Vision

https://aws.amazon.com/jp/lookout-for-vision/


Amazon Rekognition Custom Labels

どの欠陥かを区別したい、画像のどこにどの欠陥があるかまで検出したい場合に有用

Amazon SageMaker Ground Truth で作成した教師データを使ってモデルを構築

ノーコードで独自の物体検知・シーン認識モデルを構築

https://aws.amazon.com/jp/rekognition/custom-labels-features/

https://aws.amazon.com/jp/rekognition/custom-labels-features/


参考リンク

• ミニチュア工場を使ったスマートファクトリーデモのアーキテクチャ• https://aws.amazon.com/jp/blogs/news/architecture-of-smart-factory-demo-using-model-factory/

• 日本のお客様向け AWSの製造業に対する取り組み• https://aws.amazon.com/jp/local/manufacturing/

• AWS IoT SiteWise ハンズオンを公開• https://aws.amazon.com/jp/blogs/news/https-aws-amazon-com-jp-blogs-news-aws-iot-sitewise-workshop/• https://iot-sitewise.workshop.aws/ja/

https://aws.amazon.com/jp/blogs/news/architecture-of-smart-factory-demo-using-model-factory/


https://aws.amazon.com/jp/blogs/news/https-aws-amazon-com-jp-blogs-news-aws-iot-sitewise-workshop/

https://iot-sitewise.workshop.aws/ja/


Thank you!

製造業向けsmart factoryデモと - pages.awscloud.com

Documents