A: 5G+AIをスマートファクトリーで本当に動かすには、データ基盤の核心は「データ量の多さ」ではなく「完全に収集され、安定して伝送され、正確にタグ付けされ、保存・照会できる時系列データ」にある。どこか1つ欠ければ、AIモデルは実験室のデモにすぎない。5Gは「伝送」を、AIは「計算と判断」を解決するが、両者はデータ基盤の上に立っている。具体的には5層の基盤が必要だ。
1. デバイス層での高頻度時系列データの収集
ライン上のPLC、CNC、ロボット・コントローラ、ビジョンカメラ、振動センサ、電力・水道メーターは、いずれも統一したタイムスタンプ付きでデータを出せなければならない。5G+AIの典型的なシーン、例えば多チャンネルHD映像検査、AGVの協調スケジューリング、ロボットアームの遠隔制御では、サンプリング要件が大きく異なる。映像検査は25〜60fpsの連続フレームが必要で、振動監視は毎秒数千サンプルを要することもあり、分単位のエネルギー・データで足りる場合もある。データ基盤の最初の関門は、どの設備が何をどの速さで収集すべきかを明確にし、OPC UA、Modbus、Profinetといった主要な産業プロトコルの解析に対応することであり、人手の検針でデータを埋めることではない。
2. 決定論的なネットワーク伝送と遅延の保証
工場での5Gは有線リンクを置き換えるのではなく、有線が届かない場所を埋める。移動するAGV、回転するロボットアーム、一時的に配線する検査ステーションなどだ。データ基盤としては、ネットワークが階層化されたサービス品質を提供できることが条件になる。制御指令のエンドツーエンド遅延は通常10〜20ミリ秒以内、映像の返送は数十ミリ秒まで緩められるがジッタは小さく抑える必要がある。同時に5G LAN、TSNとの協調、エッジUPFのオフロードに対応し、データが公衆網を遠回りせず工場内で閉ループを完結できるようにする。ある自動車部品企業のプレス工場で5Gの遅延ジッタがしきい値を超えたとする。AIの外観判定はフレームのずれで誤判定する。これはアルゴリズムの問題ではなく、データ伝送路の問題だ。
3. 統一したデータモデルと時空間の整合
工場データで最も厄介なのは「同じ瞬間、異なるソース、異なる定義」だ。PLCはミリ秒単位の状態ビットを持ち、MESは作業指示のロットを持ち、ERPは材料コードを持ち、ビジョンシステムは欠陥座標を持つ。データ基盤には、設備、作業指示、材料、人員、位置を結びつける統一オブジェクトモデルと時間軸が必要で、すべてがタイムスタンプとライン上の作業ステーションで追跡できるようにする。この整合がなければ、AIの原因分析は孤立した異常点しか見えず、「どの材料ロット、どの機械、どのシフト」を言えない。
4. エッジとクラウドにまたがる階層型ストレージと整備
5Gが生むデータ量は相当なもので、1本のHD映像ストリームで1日に数十ギガバイトになることもある。データ基盤は階層化が必要だ。エッジは閉ループ制御用に秒から分単位のリアルタイムデータを保持し、工場レベルのプラットフォームはモデル訓練と遡及分析用に数か月分を保持し、クラウドは工場をまたぐモデル反復を担う。さらにデータのクレンジング、欠損値処理、ラベル管理の仕組みが要る。とくにAI外観検査の欠陥サンプルのラベルは、工程技術者がアノテーションに関与しなければ、モデルは本当の判定基準を学べない。データ整備には権限と匿名化も含まれ、工程パラメータに関わる機密データは階層的に管理する。
5. AI向けのデータサービス・インターフェース
データを保存できることと、使えることは別だ。最低限の要件は、時系列データ、画像データ、ラベルデータを、標準APIまたはデータサービス層を通じて訓練プラットフォームと推論エンジンにオンデマンドで供給し、特徴量エンジニアリングとデータセットの版管理に対応することだ。ある電子工場を想定しよう。SMTラインで半田付け欠陥の検出が必要で、品種切替のたびにデータを再出力して再整合しなければならないとすれば、AIの展開サイクルは著しく長引く。
関連質問1:工場のデータ収集では5GとWi-Fi 6のどちらを選ぶべきか。
二者択一ではない。Wi-Fi 6は固定ステーション、オフィス、バーコード読取など遅延要求が緩いシーンに向き、5Gは移動設備、上り映像の返送、ネットワークスライス分離を要する生産制御に向く。多くの工場は両方を併用し、シーンで階層化している。
関連質問2:老朽設備にデータ・インターフェースがない場合はどうするか。
設備のネットワーク化改修から始め、エッジゲートウェイを追加して電流、振動、温度などの外部信号を収集し、その後でOPC UA対応のコントローラへ徐々に置き換える。最初から全データのカバーを狙わず、まず1ライン・1シーンに絞る。
関連質問3:データ基盤の構築にはどれくらいの投資と期間が必要か。
ライン数、設備プロトコルの複雑さ、プライベート5G網の要否による。主な要因はエッジゲートウェイの台数、5G基地局とUPFの配備形態、プラットフォーム・ソフトのライセンス、データ整備の人員だ。推奨は3段階の進め方で、単一シーンの試行、単一ラインへの横展開、複数工場への展開とし、各段階で検証可能な指標を置く。一度きりの全面展開は避ける。
向く場面と向かない場面:このデータ基盤は、設備のネットワーク化率が比較的高く、検査やスケジューリングに明確な課題がある離散製造やプロセス産業の工場に向く。とくに品種が多く切替が頻繁でデータの価値密度が高い高混合少量生産のシーンに適する。向かないのは、ライン設備が老朽化して短期の改修計画がなく、生産タクトが極端に不安定で、基本的なMESの作業指示データすら機能していない場合だ。その段階ではまず情報化の基盤を整え、5G+AIは後で論じるべきで、さもなければ投じたネットワークと計算資源が遊休する。判断は簡単で、「どの作業ステーションの、どんなデータが、どのAI判定基準を支えるのか」を明確に言えるかどうかだ。言えなければ、まだ始めないほうがよい。