オムロンは11月29日、AIやIoT、ロボティクスでものづくり現場に新たなイノベーションを起こす同社の「i-Automation!」を進化させるための技術戦略説明会を開催。併せて、同社が目指す制御とAIの融合を実現していくうえで重要となるパートナーとして、AIベンチャーのエイシングと本格的な提携を結んだことを明らかにした。

  • 福井信二氏と出澤純一氏

    握手を交わすオムロン執行役員 インダストリアルオートメーションビジネスカンパニー 技術開発本部長の福井信二氏(左)とエイシングCEOの出澤純一氏(右)

オムロンの技術戦略は、同社のコア技術であるセンシングとコントロールに考える力を足すという「センシング & コントロール + Think」という考え方のもとで進められている。また、それは同社が成長のために採用してきたSINIC理論のもと、科学と技術と社会の関係性を踏まえ、社会課題を科学技術でどのように解決するか、という視点から、ものづくりの現場での社会情勢の変化などによって生じる課題への対応、という目標に応じた取り組みとも結びついたものとなっている。

  • 「センシング & コントロール + Think」
  • SINIC理論
  • オムロンが掲げる「センシング & コントロール + Think」および「SINIC理論」の概要

そんな同社の技術面における最大のポイントはILOR+S(Input、Logic、Output、Robot、Safety)のすべてを自社で開発しているという点。それぞれの技術を有し、すり合わせを行っていくことで、イノベーティブなものづくりの実現を目指してきた。

  • オムロンの技術アーキテクチャ

    ILOR+Sを中心に、さまざまな制御技術を開発。そしてその発展系として、「革新的アプリケーション」の創出を目指している

ものづくりの現場課題をAIで解決することを目指す

現在、日本のものづくり産業、特に工場で何が起こっているかといえば、一言で表せば人手不足ということになる。海外から労働者を、という話もあるが、単に人手があれば良いわけではなく、相応の技術力や手際の良さ、長年の感、といったものが必要となり、それらを身に着けるためには相応のコストと時間を要することとなる。産業機器(FA機器)の保全にしても、熟練者であれば、稼働状況を目で見て、耳で聴いて、そして最後は振動の状態を確認して、あとどれくらいでどの部品の交換が必要か、といったことを判断できるが、そうした熟練者が次々と定年による退職を中心に、現場から離れていっており、以前と同じようなノウハウを前提とした保全管理が難しくなってきているという。

そうした工場での課題解決に向け、オムロンも10月にAI搭載コントローラの発売を開始し、AIによる予知保全を可能としたほか、対応したライブラリも3種類用意。今後もライブラリの種類は増加させていく計画であり、さまざまな産業での予知保全の実現を支援していくとする。

  • オムロンのAI予知保全ライブラリ

    オムロン単体で開発したAIを活用した予知保全に向けたライブラリの提供は10月より開始

なぜオムロンはエイシングと提携したのか

今回のエイシングとの提携は、こうした工場でのAI活用をさらに一歩進めることを目指して行われたものとなる。

オムロンでは、これを「オープンイノベーションによる超現場型AI技術実現」と表現。生産ラインで生じるさまざまなイベントをゼロにする「ラインイベントゼロ」の実現を目指すことで、待機時間の減少や歩留まり向上による生産性向上や、トータルでの省エネ化、廃棄ロスの低減などを進めていくとする。

  • ラインイベントゼロの概要
  • ラインイベントゼロの概要
  • ラインイベントゼロの概要と、それを実現するための必須項目

オムロンの執行役員でインダストリアルオートメーションビジネスカンパニー 技術開発本部長の福井信二氏は、「センシングを行い、そこから収集されるデータを溜めて、それを分析して、その結果を最終的に制御にフィードバックする。制御とAIが融合することで、機械の変動を自動的にコントローラが把握して、機械が自動で最適な運転を実現する。この実現には制御に、考える、という側面を実現するためのAIが入ってくる必要がある」とAIの重要性を強調する。

実際、両社はすでに約1年にわたって、リチウムイオン2次電池の素材を巻き付けていくFA機器をベースとした実証実験を行ってきたという。

同装置では、素材がリールに巻き付いており、それをテープ状に引っ張り、電池に巻き付けることで、2次電池を作ることができる。リールを一定の速度で引っ張り、回転させている状態であれば、不良にはならないが、リールを交換した際には、リールの位置を把握するセンサが125μ秒に1回、1秒間になおせば8000回のセンシングを実施。フィードバックを行うことで、10秒で安定動作に到達していた。

この間、1秒間に2mほどテープは引っ張られ続けており、10秒だと約20mほどの材料が不良と判定され、廃棄さ れていた。これをエイシングが開発したAI技術「デーィプバイナリツリー(DBT)」を活用し、現場で毎回AIでの測定値を制御にフィードバックできる環境を構築。これにより、ミリ秒単位での将来予測が可能となり、安定稼働までの時間は3秒へと短縮することに成功したという。

  • 研究の概要
  • 研究の概要
  • オムロンとエイシングが共同で行なってきた研究の概要。蛇行制御機構が1秒間に8000回のセンシングをリールから出てくるテープ状の素材に対し実行し、その位置を把握、ぶれないように補正を行なっていくのだが、従来は補正が完了し、ぶれないようになるまで10秒ほどかかっていた。これをエイシングのAIを活用することで3秒にまで縮めることができた。その結果、7秒分の素材(秒速2mで巻き取られていくため、14m分)が不良判定にならずに済むようになった

「センシングの状況に併せて演算を多内、数十ミリ秒先の状態を予測できる。ディープラーニングでは間に合わず、DBTだからこそできた。エイシングとの共同研究により、ようやくここまでこれら。今後は実際にコントローラに搭載するべく、性能試験を行っていく」(同)といよいよ本格的な産業機器におけるエッジAIの実演に向けた取り組みを、今後、両社で強力に推進していく予定だとする。

DBTの開発の大元はロボット開発にあり

エイシングは、機械制御に特化したエッジAIをアルゴリズムをゼロベースから開発している早稲田大学発のベンチャー。CEOの出澤純一氏はWABOTの開発で知られる加藤一郎先生の流れを汲むロボット工学系の研究を行ってきた経緯もあり、機械制御とAIの両方でのプロと言える。

そんな同社が手掛けるDBTと昨今流行のディープラーニングとの大きな違いは、というと、ディープラーニングは、学習はGPUやFPGAを大量に積んだデータセンターで、推論はそのアルゴリズムを搭載したエッジデバイスで、という流れだが、DBTは、学習も推論もエッジデバイスで行う、ということである。

  • DBTの特徴

    既存のAI(主にディープラーニング)とDBTの違い

かといって、ディープラーニングとDBTが全面的に競合するAI技術かといえば、画像処理などを得意とするディープラーニングに対して、DBTは制御機器の内部信号の処理などを得意とするため、目的も毛色も異なっていると言える。

  • ディープラーニングとDBTの違い

    ディープラーニングとDBTの違い

DBTの特徴は、こうした学習も推論もエッジデバイスで実現できるという点に尽きるが、「Raspberry Pi3を使った試験ではマイクロ秒オーダーで推論処理ができることを確認している」(出澤氏)と、その軽量さと学習の速さなども特徴と言える。また、専門家によるチューニングが不要で、自身が現場で得たデータを基に学習をしていき、賢くなっていけるため、そうしたメンテンナンスコストといった面でも負荷を軽減することができることも特徴となっている。

オムロンとの共同研究では、産業機器のリアルタイム処理をコントローラに搭載したAIで実現する、という前提に基づき、銃らのDBTの半分以下のメモリ使用量とする省メモリ化、さらなる処理の高速化、これらを実現しつつリアルタイム性を維持、そして耐タンパ性といったセキュリティの確保といった要件を踏まえた開発が進められ、ようやく上述のような成果が見えてきたという。

  • 共同研究でのDBT

    共同研究においてオムロンとエイシングが解決を図ったDBTに関する課題

動的に変化を把握して最適な状況に進化するエッジAI

エイシングとしては、DBTの提供を3種類の形態で行っているという。1つ目が同社のクラウド環境に接続して利用する開発向けSDKとしての提供。もう1つが、XlinxのZynq 7020などのCortex-AシリーズのCPUコアが搭載されたチップを組み込んだボードとしての提供。そして今回オムロンと行ったような共同開発を経てのライセンス供与による提供となる。

  • DBTの提供形態

    DBTの提供形態

Raspberry Pi3でも十分な性能を出せるが、Zynqなどのより高性能はチップを搭載したボードを提供するという点について出澤氏は、「ArmのTrustZoneにIPを入れて提供することで、技術の流出を防ぐため」と説明。今後は、Cortex-MなどのほかのArmコアや、RISC-Vを使いたいというニーズに対応するためのCPUコアを搭載していないFPGAへの対応なども進めていく計画だとする。

「さまざまな機器の個体差をもとにした適切な補正はその場その場でやるしかないので、DBTでしかできない。経年劣化の補正を動的にできれば、より高い精度での補正ができ、メンテナンス期間を延ばすことにもつながる」と出澤氏は、産業機器を中心とした分野での今後のDBT活用に期待を寄せる。一方のオムロンとしても、、今回のパートナーシップを契機に、センサやFA機器、安全機器など、これまで培ってきたハードウェアのノウハウとエッジAIを組み合わせることができるようになり、より高性能な制御機器用カスタマイズAIエンジンの提供が可能になるとの期待を示しており、今後も関係性を深め、両社で世界をあっと言わせるような技術の開発を進めていきたいとしている。

  • 共同研究開発の目標点

    両社の共同研究開発はこれから本格化していく見込みで、数年以内にAI搭載コントローラなどへ実装したいという