A: 製造業のITシステムにおけるAIOpsの最大の誤解は、それを純粋なITツールとして買い、工場ではITとOTが本質的に分断されているという前提を無視することである。平たく言えば、製造業のAIOpsプロジェクトの多くが稼働後に成果を出せないのは、根本原因がアルゴリズムではなく、データ源と運用対象の境界が不明確なことにある。以下は製造業でAIOpsを導入する際に繰り返し踏む落とし穴である。
1. AIOpsをIT部門だけの仕事とし、OTデータに一切触れない
製造業のITシステムとコンシューマ向けインターネットの最大の違いは、現場にPLC、SCADA、DCSといったOT機器が多数あることだ。自動車部品企業のMESでアラームが頻発するとする。ITチームはAIOpsでサーバーログ、ネットワークトラフィック、遅いデータベースクエリを分析し、2週間経っても根本原因を特定できない。実際の問題は、現場の産業用PCのネットワークカードで断続的なパケットロスが起き、MESのデータ収集がタイムアウトしていたことだ。AIOpsがIT側のデータだけを消費し、OT側の設備状態やネットワーク品質を扱わなければ、アラームの集約も根本原因の特定も砂上の楼閣になる。製造業のシナリオでは、AIOpsのデータパイプラインはサーバー室から生産ラインまで伸びる必要がある。
2. AIOpsに初日から故障の自己修復を期待する
多くのベンダーはPOC段階でサービスの自動再起動やオートスケーリングを実演し、見栄えがよい。しかし製造業のITではMES、WMS、QMSがラインのタクトと強く結び付いており、誤った自己修復が1回起きればラインが止まる。ある電子工場の実測では、製造業ITシステムのアラームのうち自動処理に本当に向くのは15%未満で、大半は人による確認か部門横断の調整が必要だった。合理的な道筋は、まずアラームのノイズ低減と相関分析で無効アラームを減らし、その後で低リスクのシナリオから自動化を段階的に開くことだ。最初から自己修復を狙うと、運用チームの信頼を失う。
3. アラームストームの背後にある組織の問題を無視する
AIOpsの核心能力の1つはアラーム集約だが、製造業でよくあるアラームストームは技術ではなく、システム稼働時にしきい値を敏感にしすぎたことや監視設定の重複に起因することが多い。家電メーカーがMESとSCADAで同じ設備を二重に監視しているとする。AIOpsがどれだけ賢くても、重複データに対しては二次的な集約しかできない。導入前に監視ガバナンスを行い、閉じるべきものを閉じ、統合すべきものを統合してから、AIOpsの圧縮率は3対1から10対1以上へ上がる。そうでなければ、漏れている配管に浄水器を付けているだけだ。
4. インターネットのAIOps指標で製造業のシナリオを測る
インターネットのAIOpsはMTTR、アラーム件数、自動化率を見る。製造業ではさらにラインのOEE、作業指示の納期遵守、トレーサビリティの完全性を見なければならない。ある電子工場はAIOpsのMTTRを45分から18分に短縮したが、ラインのOEEは変わらなかった。復旧は速くなったものの、MESとWMSのデータ不整合が残り、ラインは依然として部材待ちだったからだ。製造業ITシステムのAIOpsでは、指標をIT側だけでなく業務継続性に結び付ける必要がある。
5. データ品質を解決する前にアルゴリズムを適用する
AIOpsはログ、メトリクス、トレース、イベントの4種類のデータに依存する。製造業ではログの形式が不統一で、タイムスタンプが同期されておらず、CMDBの資産情報が古い。自動車部品企業が12システムをAIOps基盤に接続したが、CMDBのサーバー所有関係の30%が誤っており、アラームが誤った業務システムに関連付けられたとする。それではどんなに優れたアルゴリズムでも正確な結果は出ない。まずデータを標準化しCMDBを整備してからAIOpsのモデリングを議論する。順序は逆にできない。
実務の助言: 製造業がAIOpsを導入する場合、最初の一歩はプラットフォーム選びではなく、ITとOTの運用境界を明確に引き、MES、WMS、SCADA、産業制御ネットワークのデータ源を棚卸しすることだ。第2段階は監視ガバナンスとCMDBの校正で、アラームを制御可能な範囲に収める。第3段階はラインへの影響が小さいシナリオ、例えばオフィスネットワークやテスト環境でパイロットし、アラーム集約と根本原因の特定が機能してから展開する。こうした仕組みが製造業のシナリオに合うかは、ITとOTの両方のデータを消費でき、既存のITSMプロセスと統合できるかで決まる。3,200台以上の端末と120社以上(15以上の業界)での実践によれば、製造業のAIOpsは7割がデータガバナンスで決まり、アルゴリズムは3割である。