ルネサス エレクトロニクスは1月21日、産業機器向けの事業を展開しているインダストリアルソリューション事業に関する説明会を開催。同社が2015年より打ち出したエッジ/エンドポイントにAI機能を搭載させるe-AIコンセプトに基づく製品ラインアップが出揃ってきたことを背景に、同市場のリーダーを目指すことを宣言した。

e-AIの時代が到来

同事業の主軸は「スマートファクトリ」、「スマートリビング」、そして「スマートインフラ」の3つ。この3つの市場のエンドポイントに受け入れられることを目指してきたのがe-AIであるが、近年、さらなる市場拡大を目指し、e-AIへの独自アクセラレータ「DRP(Dynamic Reconfigurable Processor」の搭載や、超低消費電力を実現可能とするFD-SOI技術「Silicon on Thin BOX(SOTB)」の実用化などを積極的に進めてきた。

  • e-AI

    ルネサスが狙うのはあくまでOTにおけるAIの活用

同社執行役員常務 兼 インダストリアルソリューション事業本部長の横田善和氏は、e-AIの狙いについて、「従来、AIの実現には、数百ドルのチップを使う必要があったが、学習をリアルタイムではなく、事前にできるのであれば、コストパフォーマンスの高い推論をOT(Operational Technology)領域で実現できると考えて提唱したもの」と説明。2015年、提唱した当時は、世の中は冷ややかでAIはクラウドで実現するもの、と言われていた。しかし、これが3年経って、クラウドだけでなく、エッジであってもAIができる、という話になって風向きが変わってきたと、徐々に注目を集めだしていることを強調。すでに200社ほどのパートナーがグローバルで評価を進めている段階に至っているとする。

  • e-AIトランスレータ

    2017年よりe-AIトランスレータというGPUなどで学習したアルゴリズムをe-AIに組み込むために軽量化するツールの提供なども開始

e-AIの進化と普及の鍵を握る「DRP」

同社では、e-AIはできる応用範囲に応じてクラス1~クラス4までの4段階が想定されており、これまではマイコンやマイクロプロセッサ上にe-AIを搭載するクラス1が主で、ようやくクラス2と位置づけたDRPを搭載したプロセッサ「RZ/A2M」を2018年の10月に発表した段階にある。

DRPは、その名のとおり、ダイナミックに回路を再構成することで、1チップで複数の役割を持たせることを可能とする技術。PLDやFPGAで行われるような回路の切り替えをリアルタイムで実現できるという優れもの。かつて似たようなコンセプトを掲げた半導体企業が日本にあったほか、同社の前身の1つであるNECエレクトロニクスの時代などでも一部のカスタマで採用された実績などがあったのだが、まず、その概念を理解して使いこなすことが難しいという課題があり、汎用的な用途としての普及は進んでこなかった。

  • DRP

    DRPの概要。高速に回路を切り替えることで、リアルタイムでさまざまな機能を小面積のチップで実現できるという技術となる

この使い勝手の難しさ、という点は同社も重々承知しており、現在は、ライブラリとして用途に応じた回路を複数用意して提供していくという方針を掲げている。すでに複数種類は提供できる段階にあるとしているが、今後、さらに産業機器向けのライブラリの拡充を図り、その数を2桁まで引き上げていく予定だとのことで、カスタマの使い勝手の向上を意識した取り組みを重点的に推し進めていくとする。

同事業本部 シニアダイレクター 兼 インダストリアルオートメーション事業部長の傳田明氏によると、「18ヶ月ごとに10倍の性能向上の実現が目標」とのことで、クラス3に向け、学会レベルではすでに発表済みのDRPをAI用途に拡張したものの製品化を推し進めていくとしている。

  • DRP

    DRPのロードマップ。クラス3までのめどは立っているようだ

また、先行してクラス1のe-AIを導入してきた同社の那珂工場には現在150台のAIユニットが活用されており、これにより生産リードタイムは導入前の2/3に短縮されたほか、システム全体で年間10億円のコスト削減効果に加え、熟練エンジニアによるメンテナンス時間が削減されたことによる人的資源の確保といった副次的効果を得ることもできることが確認されたとのことで、今後、同社のほかの工場への展開も含め、3000台規模へと導入数を拡大していく計画であることも示された。

  • 那珂工場

    ルネサス那珂工場における実績

  • DRP+e-AI

    DRP+e-AIによるリアルタイム画像認識のデモ。アナログのメーターの画像を取得し、針の振れ方によって、グリーン、オレンジ、レッドの画像処理をリアルタイムで行うというもの

DRP+e-AIによるリアルタイム画像認識のデモ

環境発電で駆動するマイコンを実現するSOTB

DRPと並んで、e-AIの進化を支えるもう1つの技術がSOTBである。SOTBはFD-SOI(完全空乏型SOI)の一種で、通常のSOIに比べて薄い10nmほどのBOX層と、シリコン薄膜(SOI)がSOI基板上に形成されたトランジスタで、不純物レスチャネルとバックバイアス制御により、従来以上の低アクティブ電流や低スタンバイ電流を可能とする。

  • SOTB

    SOTBの概要

10年以上にわたって研究開発が進められてきたもので、第1世代となる「R7F0E」が2018年11月に発表されている。その性能は、というと、アクティブ電流20μA/MHz、ディープスタンバイ電流150nA、ソフトウェアスタンバイ電流400nA(コアロジック、32KB SRAM保持@1nA/KB)という、ほかのマイコンと比べて低い値を実現している。

同事業本部 ホームソリューション事業部長の守屋徹氏は、「搭載している14ビットのA/Dコンバータを32KHzで駆動させた状態で3μAであり、少ない電力で長時間の稼動が可能なシステムを構築できる。ただし、マイコンだけではエナジーハーベスト(環境発電)は実現できないので、発電素子やセンサ、スーパーキャパシタなどを有しているパートナーとエコシステムを構築することで、市場の拡大を図っていきたい」とする。

  • SOTB

    SOTBマイコンに搭載されたADCの概要

  • EHC

    EHC(エナジーハーベスティングコントローラ)により、インラッシュ電流や電圧ドロップを抑制することができるようになり、低消費電流での動作が可能となった

また、第1世代品はCortex-M0+を採用しているが、第2世代品としてCortex-M33を搭載したものも開発を進めているとするほか、第3世代品として、より高性能なCortex-M7を搭載したものも計画段階にあるとする。この第2世代、第3世代であっても、アクティブ電流、スタンバイ電流ともに大きく変化はない。通常、コアが高性能化すれば、それだけ消費される電流も増えそうなものだが、「現在は65nmだが、55nm程度までは微細化できる見通しが立っている(それ以上、一般的なFD-SOIのような28nmプロセスではリークが大きすぎるため、SOTBには使えない)」(同氏)としており、プロセスの進化で電力の増加はある程度抑えられるとする。また、「理論値はアクティブ電流が10μA、スタンバイ電流で100nA。実働でそこまでいければ究極の超低消費電力デバイスが実現されることとなる。まずはそこをターゲットに技術開発を継続していく」(同)ともしており、プロセスのみならず、回路技術など、さまざまな方向から、さらなる進化を目指していくとした。

  • SOTB

    SOTBマイコンのロードマップ

  • SOTBマイコン
  • SOTBマイコン
  • SOTBマイコン
  • SOTBマイコンを活用した環境発電ソリューションのデモ。リコーの発電ゴムを的の後ろに仕込み、そこにボールが当たった衝撃で発電するというもの

SOTBマイコンを活用した環境発電ソリューションのデモの様子

  • SOTBマイコン
  • SOTBマイコン
  • SOTBマイコン
  • SOTBマイコンを活用したエナジーハーベストなウェアラブルのデモ。東レの先端素材で作られたウェアで心拍/心電をセンシング。バッテリ不要(今回は太陽電池を活用)で、メンテナンスを気にせずに着続けることができる

SOTBマイコンを活用したエナジーハーベストなウェアラブルのデモ。マイコンの駆動には室内の明かりでも発電可能な太陽電池を使用

低コストかつ優秀なAIをものづくりの現場に提供

こうした独自性のある技術を武器に同社が目指すのは、「あらゆるもの、あらゆるデバイスにe-AIやSOTBを盛り込んでいくことで、やりたくでも導入コストや維持コストがかかって断念していた分野にソリューションとして提供できるようになる」(横田氏)ということだという。

  • DRPとSOTB

    低消費電力やフレキシビリティを武器に、メンテナンスコストや導入コストの削減を図ることで新市場の開拓をはかっていく

  • 新規市場

    新規市場の開拓イメージ

  • e-AI

    e-AIによるモータ故障検知のデモの様子

e-AI搭載モータ制御マイコン「RX66T」を活用して、モータに流れる電流そのものを測定して故障の検知を行うというデモ。余分なセンサをつける必要がなく、モータの異常を検知することができる

そのためにはe-AIそのものも進化していく。その方向性としては「適応する自律」というキーワードが掲げられている。横田氏は、「モノが経年劣化していくことを学習し、都度、最適化を図っていくことで調整することを可能とする。それがe-AIのクラス4の状態であり、これを実現していくことで、AIを世の中のありとあらゆるところに広げていくことを目指す」と将来のe-AIの姿にも言及。中長期的には海外のニーズも増してくるとの見方を示しており、将来的には2022年にe-AIで100億円、SOTBで同じく100億円の事業規模の構築を目指していくとしていた。

  • 技術ロードマップ

    e-AIを中心とした産業機器向け技術ロードマップ

  • e-AI
  • e-AI
  • e-AIによる紙種判別ソリューションのデモ。安価な3つのセンサ(フォトリフレクタ2個とタッチセンサ)と組み合わせることで、複数種類の紙をスキャナが自動で識別できるようにしたもの。10種類の紙種を判別でき、通った紙の当該部分に赤いバーが記される。学習回数は30回ほどで、マイコンに搭載される推論アルゴリズムは数十KBほどだという

e-AIによる紙種判別ソリューションのデモ。紙を認識すると、右側のモニタの赤いバーがP0(左端)に移動する様子が見て取れる