2020年のトレンドの方向性: 産業用インターネットの人工知能アプリケーションが基礎となる

年末が近づくにつれ、多くの研究機関が2020年のトレンド予測を発表しています。これらの予測の多くは、私が「第1回中国産業インターネットコンテスト」や「第2回産業APP開発・応用イノベーションコンテスト」の審査員を務めていたときに観察したものと非常に一致しています。

これらのトレンドの背後には大きなチャンスが隠されており、チャンスは常に予期せず現れ、静かに去っていきます。現在の IoT 企業にとって、チャンスを理解してつかむことは特に重要です。今後数週間にわたって、これらのつかの間の新たな機会を一つずつご紹介していきます。

私たちは常に、IoT プラットフォームをさまざまな IoT アプリケーションを構築するための基盤とみなしてきました。技術アーキテクチャの観点から見ると、この視点は理解できます。

しかし、この問題を逆の視点から見ると、実際にはさまざまな IoT アプリケーションがプラットフォームに環境の活力と顧客価値をもたらしていることになります。

[[281787]]

アンカー効果を持つのは IoT アプリケーションであり、それが事実上の基盤です。

IoT プラットフォームの役割は、さまざまな IoT アプリケーションの開発で発生する問題を解決し、リソースを共有し、価値を共創し、利益を共有する環境を作り、それによって IoT アプリケーションとプラットフォーム間の共生関係と意欲を刺激することです。

IDC はかつて、2019 年に企業のデジタル変革の取り組みの 40% が AI によってサポートされると予測していました。 2020年には、さまざまな傾向から、産業用インターネット人工知能（IIoT-AI）アプリケーションを「ハードコア」として、IIoTアプリケーション基盤のアップグレードが完了しようとしていることが明確に示されています。

各種研究機関の分析対象も、単純な産業インターネットから産業人工知能を重ねた産業インターネットへと移行しています。

ABIリサーチは「産業用人工知能プラットフォームとサービスプロバイダーの競争環境評価」を発表し、フロスト＆サリバンは「世界の新しい産業用インターネット人工知能プラットフォームメーカー分析」を発表し、産業化と情報技術サービス統合連盟とマイクロソフトは共同で「産業用インターネット人工知能アプリケーションホワイトペーパー」を発表しました。これらの研究レポートは、その代表的なもののほんの一部です。

一部のレポートでは産業用人工知能プラットフォームと呼ばれていますが、実際には産業用インターネット人工知能 IIoT-AI アプリケーションおよびプラットフォームです。

産業用人工知能アプリケーションの深みは、初期のマシンビジョン画像およびビデオ分析から、メカニズムモデルに基づくインテリジェントな意思決定の分野にまで浸透しています。

この記事では以下の内容について説明します。

• 産業用人工知能に産業用インターネットを追加するにはどうすればよいでしょうか?
• 産業用インターネット人工知能アプリケーションの開発動向は何ですか?
• 産業用インターネット人工知能アプリケーションの代表的なプロジェクトは何ですか?

1. 積み重ねたい場合は、まず分離する

インダストリアル インターネットは本質的に新しい経済です。

近年、産業インターネットのデータ量は爆発的に増加しており、十分なデータの「供給」にもかかわらず、産業インターネットの新経済は期待された急速な成長を達成していません。

IDC の分析データによると、2025 年までに IoT デバイスによって 1 年間に生成されるデータの総量は 80 ZB 近くに達すると予想されています。 ABI Research のレポートでは、2024 年までに工業製造における AI 対応デバイスの総インストールベースが 1,500 万を超え、2019 年から 2024 年までの年平均成長率は 65% になると予測されています。

これまでは映像監視データがIoTデータの大きな部分を占めてきましたが、IoT業界での私の経験からすると、産業、自動車、物流などの業界からの非映像データの増加も全体的に加速しています。

IDC の客観的な調査も私の主観的な感覚を裏付けています。IDC は、工業製造とインテリジェント コネクテッド ビークルからのデータだけで、モノのインターネット分野全体で 60% のデータ増加を促進できると考えています。

データ収集と分析に対するこのような大きな需要は、産業用インターネットの発展を急速に促進できるはずです。しかし、全体として、産業用インターネットは期待された市場認知度を獲得しておらず、特に中小企業ではその適用範囲が比較的狭いのが現状です。

主な問題は需要側ではなく、供給側にあります。

想像してみてください。低コストの IIoT「キラー」アプリケーションがあり、産業企業がそのアプリケーションを迅速に実装するのに役立つ成熟したソリューションの完全なセットがあれば、ほとんどの産業企業がそれを試すことを選択すると思います。

「産業インターネットにおける人工知能の応用に関する白書」の分析によると、産業インターネット分野に「キラー」アプリケーションが存在しない理由は、下図のとおりです。「業界での複製と推進の難しさ」と「既存の産業インターネットフレームワークとの相性の悪さ」にまとめることができます。

2019年末を振り返ると、プロセスの制御が鍵となります。異なるプロセスのみがインダストリアル・インターネットの急速な成長につながります。

このプロセスの核となるのはデカップリングです。

デカップリングの考え方はソフトウェア システムから生まれました。ソフトウェア エンジニアリングでは、分離により結合度を下げることでモジュール間の依存関係を減らします。

インダストリアル インターネットのさまざまなコンポーネント、モジュール、アプリケーション間の結合度が低いほど、複製可能性が高くなります。これにより、IIoT アプリケーションの実装を「プロジェクトベース」から「ツールベース」へ、「完全統合」から「統合」へと変換できるようになり、迅速な複製とプロモーションが容易になります。

特に、産業用インターネットと産業用人工知能が重ね合わされるシナリオでは、複雑さが増すほど、分離機能、共同作業の効率、更新と反復に対する要件が高くなります。

• まず、産業用 IoT (IIoT-AI) は本質的に、サポートとして大量のデータを必要とするアルゴリズムです。分離後、専門的なデータ収集ベンダーは、より低コストで汎用性の高いデバイス接続ソリューションを開発でき、アプリケーションはより多くの高品質のデータ マテリアルを提供できるようになります。
• 第二に、産業用 IoT (IIoT-AI) は、分析を通じてデータを洞察に変換し、これらの洞察と決定を入力として使用して他の分析に再適用し、データの流れを拡張することができます。
• 最後に、産業用 IoT (IIoT)-AI テクノロジーはまだ初期段階にあります。複雑なシナリオや非論理的な問題に直面した場合、IIoT-AI はそれらに対処することができません。デカップリングは特定のサブシナリオを定義するのに役立ち、産業用 AI アプリケーションの開発に適しています。

2. 痩せていて疎外されていると感じる

データの量と品質に応じて、現在、IIoT-AI テクノロジーを実装する方法は 2 つあります。

産業用インターネットアプリケーションでは、産業用人工知能によって展開できる計算能力が限られているため、「スリム化」が必要です。

エッジ コンピューティングにおける現在のデータ変換プロセスは、おおよそ 80/20 の原則に従っています。つまり、データの 80% はまだ最適化されていません。データ変換率を向上させるには、より効率的なデータ収集が必要であり、エッジデバイスにはデータの処理と事前分析の機能が必要です。

そのため、設備管理、品質監視、安全管理などの場面では、「スモールデータ＋人工知能＋専門家」のアプローチは大きな発展の可能性を秘めています。このアプローチの背後にある考え方は、専門家の経験を統合し、既存のデータ情報を最大限に活用してマイニングし、高速収束と高効率の人工知能アルゴリズムを使用することです。これは、産業現場の履歴データが一般的に不十分で、データ品質が不均一である現在の状況と非常に一致しています。

さらに、産業シナリオでは非常に強力なリアルタイム応答機能が求められるため、エッジでデータを処理するふりをしながら、実際にはデータをクラウドに送り返して分析するのではなく、エッジ デバイスに産業用 AI を適用する必要があります。そのため、アプリケーション シナリオの深化とテクノロジの成熟度の向上に伴い、産業用人工知能はさらにエッジに移行し、エッジ コンピューティングとインテリジェンスが促進されています。

クラウドからエッジまで、AI が直面する課題はコンピューティング場所の移行に限定されません。

産業用人工知能は、一般的な意味での人工知能とは根本的に異なります。人工知能の元々の前提の多くは、エッジ シナリオでは当てはまりません。実行時間と計算能力はエッジ側で大きな変化に直面しており、人工知能モデルは新しい環境に適応する必要があります。

Foghorn の実践によれば、クラウドで使用される人工知能モデルは、エッジにはまったく適用できないことがよくあります。産業用アプリケーション シナリオに対応するためにエッジ デバイスで AI モデルを使用するには、最大 80% 圧縮して「スリム化」する必要があります。

3. IIoT-AIの応用シナリオ

IIoT-AIの応用シナリオは集中的に爆発的に増加しており、設備管理、生産品質分析、製造物流、サプライチェーン管理の分野では、産業用インターネット人工知能は拡張可能で複製可能な実装事例を持っています。

デバイス管理の面では、Tianze Zhiyun は革新的なオーディオセンサーを使用しています。

風力発電分野における風力タービンブレードの状態を検知する既存の方法が効果的でないという問題を解決するために、ブレードに接触しない音響センサーを使用してブレードの動作中にリアルタイムで音声データを収集し、産業用インテリジェントアルゴリズムを使用して音声データを分析してブレードの早期異常を特定します。

この産業用インターネット人工知能アプリケーション セットは、ブレードの耐用年数を効果的に延長し、ブレードのオーバーホールや破損などの大きなリスクを大幅に軽減します。

生産品質分析の面では、Yunshuo IoT は溶接とスプレー塗装のシナリオをエントリーポイントとして、産業用人工知能の予測監視と意思決定から始めて、企業の問題点と技術力の現在の不一致を変えることを目指しています。

溶接やスプレー塗装の工程は、自動車、鉄道、船舶、家電などの分野で広く使用されています。Yunshuo IoTの産業用人工知能アプリケーションは、加工品質の予測監視を実現し、品質管理を事後発見から予防前、工程内発見の上流工程へと推進し、企業の加工性能を向上させます。

製造物流とサプライチェーン管理の面では、マイクロソフトとマースクが共同で完了した事例は典型的なものです。

マースクはコンテナ輸送と港湾運営の世界的リーダーです。産業用人工知能の応用により、マースクは顧客が製品の輸送プロセスをより適切に追跡し、悪天候、コンテナ船の衝突、鉄道ストライキなどによるサプライチェーンの混乱を迅速に検出し、トラブル発生時に商品の継続的な輸送を確保するよう努めています。

まとめ：

• インダストリアル インターネットは本質的に新しい経済です。近年、産業インターネットのデータ量は爆発的に増加しており、十分なデータの「供給」にもかかわらず、産業インターネットの新経済は期待された急速な成長を達成していません。
• 2019年末を振り返ると、プロセスの制御が鍵となります。異なるプロセスのみがインダストリアル・インターネットの急速な成長につながります。このプロセスの核となるのはデカップリングです。
• 産業用インターネットアプリケーションでは、産業用人工知能によって展開できる計算能力が限られているため、「スリム化」が必要です。クラウドからエッジまで、AI が直面する課題はコンピューティング場所の移行に限定されません。人工知能モデルは、エッジデバイスで使用して産業用アプリケーションのシナリオを満たす前に、最大 80% まで「スリム化」する必要があります。