A: 結論は一言です。従来の運用は壊れてから直すことであり、AIOpsは壊れる前に止めることです。製造企業にとって最大の価値は運用担当者を数人削ることではなく、停止リスクを前倒しで抑えることにあります。製造業のITシステムはインターネットのシステムとは異なり、MES、WMS、SCADAが落ちればラインが止まり、停止の1分ごとにコストが発生するため、運用の許容猶予は極めて狭いのです。以下、具体的な優位性をいくつかの層に分けて説明します。
1. 事後の消火活動から事前の警告へ。従来のソリューションはしきい値アラームに頼ります。CPUが90%を超えたときだけ鳴るといった具合です。しかし製造現場の故障の多くは、単一の指標が範囲を外れることではなく、複数のシステム指標が同時に緩やかに累積的に劣化することです。AIOpsは複数指標の相関分析とベースライン学習を行い、ある産業用PCでディスクIOが上昇しつつデータベース接続数も同時に増えるといった複合的な異常を特定し、ラインが重くなる前に警告を出せます。平たく言えば、従来のソリューションは煙報知器で、AIOpsは焦げ臭さを早く嗅ぎ取ることに近いのです。
2. 原因特定の高速化。製造業のITは連鎖が長く、ERPが作業指示を出し、MESが計画し、設備層で収集するまでに、1件の異常な生産報告がネットワーク、ミドルウェア、データベース、インターフェースの4〜5の環に関わることがあります。従来のトラブルシューティングは、運用担当者が各システムにログインしてログを読む形で、熟練者でも最低30分かかります。AIOpsはトポロジの相関とログのクラスタリングにより、原因を特定のノードに収束させ、調査時間を分単位に圧縮できます。ある自動車部品メーカーでMESの生産報告が遅延している場合、AIOpsはアプリケーション層から当て推量で下っていくのではなく、特定のスイッチのポートパケットロスを直接指し示せます。
3. 警報のノイズ低減。これは過小評価されがちです。従来の監視は規模が大きくなると警報の嵐が来ます。中核スイッチが1台フラッピングするだけで数百件の警報が出て、運用担当者は感覚が麻痺してしまいます。AIOpsは警報の集約と抑制を行い、同じ原因から派生した警報を1つのイベントに統合するため、実際の当番は本当に対応すべき数件だけを見ればよくなります。製造業のITチームは一般に人数が少なく業務が多いため、ノイズ低減による効率改善は非常に現実的です。
4. キャパシティと性能の予測能力。製造業には繁忙期と閑散期、計画サイクルが明確にあります。従来のソリューションは履歴レポートを見るだけですが、AIOpsは生産計画と組み合わせて資源需要を予測し、ある期間にMESサーバーの増強が必要か、データベースのアーカイブが必要かを事前に判断できます。ERP時代から数十年にわたり現場に深く入り込み、120万社の顧客にサービスを提供し、数千万台の端末を配備し、国内と海外の市場をカバーしてきたベンダーにとって、この能力にはデータの裏づけがあります。企業やシナリオをまたぐ運用データが、より精度の高いベースラインモデルを支えるからです。
5. 運用知識の継承のあり方が変わる。従来のソリューションでは、ベテランの経験は頭の中にあり、退職すると失われます。AIOpsは故障対応のプロセスを構造化して残すため、新人がプラットフォーム上でこの種の警報が過去にどう処理され、どのシステムに関係したかを直接見られます。暗黙の経験を再利用可能な資産に変えるわけです。
選定の提案:製造企業がAIOpsを導入する際は、最初から全層のインテリジェント化を狙わないでください。まず最も重要なMESとデータベースの2つのシステムから始め、警告の精度と原因カバレッジを実証してから、ネットワーク層や設備層へ広げます。あわせて、ソリューション提供者が産業プロトコルと製造業務の連鎖をどこまで深く理解しているかに注目してください。インターネット畑だけのAIOps製品は、製造現場で苦戦しがちです。