日本の製造業

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

M2M

IoT

IoT

2018/12/1

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、I4.0

②マスカストマイズ：I4.0

③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

Siemens Bosch SAP他

IIC

GE IBM AT&T Cisco Intel

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

<コンピュータ処理>

• 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

<現場>

• 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

Cyber Physical

① CPS(Cyber Physical System)こ

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 双子 稼働製品

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

,

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

Digital Productim Twin

(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

ERP cloud

server PLM

MES

SCADA SCADA

Cont./PLC Cont./PLC Cont./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）

<製造>

顧客で稼動

< ＣＰＳ >

<販売>

・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

Industrial Internet

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）

<製造> <販売> <稼働>

• 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 or DB

SW

SW企業 GE系

提供 Not

GE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

(

/

)

(

)

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

④ すり合わせ方技術

➄

FA

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 生産 運用・保守

SCADA

コントローラ FA機器

生産システム

3D-CAD CAM,CAE

ディジタル 生産

データ解析 サービス

FA

(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

素材の出入り 洗浄

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

<機器の強み> テム

<産業用ロボットの強み＞

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

• 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

１、トヨタ：ドイツ製

EtherCAT

.

.

２、沖電気プリンター部門：タイ、中国、日本の

3

「海をまたいであたかも

1

.

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

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

＊

以上は、実績

or

3.2

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

・欧米、アジアに工場あり。シリコンバレーに

AI

・従業員：単独約

7,000

70,000

＜堺臨海工場 新１号工場＞ダイキンの意向：

・

IoT/AI

4.0

世界中の生産拠点と連携する「工場

IoT

.

©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

<サプライチェーン>

<ディジタルファクトリ>

<エンジニアリングチェーン>

3.3

(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

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

/

/

/

IoT/AI

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(

)/IIC(

)

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

.

※ ご清聴ありがとうございました。