ナレッジセンター
目次

Q: スマート工場における 5G + AI の統合活用には、実際どれくらいのデータ基盤が必要なのか

A: スマート工場で 5G + AI を本当に機能させるには、データ基盤は単にデータがあるという話ではなく、高頻度収集、低遅延のフィードバック、統一されたタイムスタンプ、追跡可能なアノテーション、エッジ側推論という五つの条件を満たすことを意味します。どれか一つの環が欠けると、AI モデルは学習できないか、学習できても信頼できないものになります。

1. まず収集の密度と頻度です。5G の価値は、多数の端末を同時に接続できる点にあります。たとえば自動車部品メーカーの溶接工程に数十台のロボット、100 個を超える振動センサ、十数台の高精細カメラがあるとします。ここで従来の産業用 WiFi やフィールドバスによる収集を続けていると、サンプリングレートを上げた途端にパケットが落ちます。AI による予知保全では毎秒数千点の振動サンプリングが必要で、外観検査では 30 フレーム以上の連続画像が必要です。つまりデータ基盤の第一層は、センサと PLC が、従来の SCADA のような秒単位・分単位ではなく、AI が必要とする頻度でデータを出せる状態であることです。

2. 時刻同期はミリ秒単位で合わせる必要があります。これは見落とされがちです。5G 自体には無線区間の同期機構がありますが、工場では複数のデータソースが混在しがちです。センサからの振動、PLC からの温度、カメラからの画像です。タイムスタンプがそれぞれ別の時計に従っていると、マルチモーダルの統合はそもそも噛み合いません。たとえばある電子工場が実装機の部品飛びを分析した際、飛びが写ったフレームと真空圧が低下したミリ秒を揃える必要がありました。揃っていなければ、モデルはノイズしか学びません。したがってデータ基盤には統一したクロック源が必須で、通常は 5G 基地局から PTP や GPS の時刻を配信します。

3. データには文脈とラベルが伴っていなければなりません。AI は生の波形だけを見るわけではありません。同じ振動信号でも、工具交換の後か前かでラベルはまったく変わります。スマート工場のデータ基盤は、作業指示番号、材料ロット、設備状態、作業者の操作といった文脈を、信号と一緒に収集する必要があります。たとえば精密減速機メーカーが歯面の欠陥を検査する場合、どのロットの素材を加工しているかが分からなければ、AI は工具摩耗と素材側の問題を区別できません。MES と QMS のデータは、5G で収集したリアルタイムデータと同じデータレイクで結合すべきであり、別々に保存してはいけません。

4. エッジ側に推論能力が必要で、すべてをクラウドに送るべきではありません。5G の低遅延という利点の多くは、エッジコンピューティングの上で初めて成立します。外観検査、AGV の運行計画、ロボットアームの協調といった場面では、数十ミリ秒の遅延でラインが止まります。データ基盤は速く伝送するだけではなく、現場に近いエッジノードで軽量モデルを動かすことも含みます。たとえばある化学工場では 5G + AI による反応器の異常予兆を、エッジボックスで直接推論し、アラームと特徴量だけをセンターへ返し、生の高頻度データは現地に留めていました。帯域を節約しつつ、リアルタイム性の要件も満たしています。

5. データのガバナンスとセキュリティを先に固めること。工場のデータには工程パラメータが含まれ、その多くは中核資産です。5G のネットワークスライシングを使えばサービスごとに経路を分けられますが、データ基盤のレベルではやはり分類と等級分けが必要です。どのデータを工場外へ出すのか、どれをエッジにだけ留めるのか、どれを学習前に匿名化するのかは、収集段階で決めておくべきルールです。そうでなければ、AI プロジェクトが拡大した途端にコンプライアンス上のリスクが表面化します。ベンダーが顧客向けにソリューションを作る際も、通常は 5G のスライシング方針とデータ分類を同時に設計し、後から考えようとはしません。

まとめと提案です。5G + AI のスマート工場プロジェクトを計画しているなら、モデルに飛びつかないでください。二週間かけて、既存センサのサンプリングレート、時刻同期の精度、MES データの連携度合い、エッジコンピューティング能力の不足分を確認してください。この四項目のうち二つが不足していれば、AI の導入はデータ準備の段階で停滞します。120 社以上(15 業種以上)の支援で繰り返し確認できた教訓は、データ基盤が AI の天井を決めるということです。5G は天井を上げるだけで、床はやはり収集、同期、ラベリング、エッジ推論で固める必要があります。

分野: AI-FAQ