製造、小売、医療の事例から：エッジコンピューティングと人工知能が収益向上にどのように役立つか

[[403666]]

ストラトキャスターとテレキャスターのギターを製造するカリフォルニア州コロナに本社を置くフェンダー社の施設管理者ビル・ホームズ氏は、粗末な携帯型振動分析装置を持って工場内を歩き回り、それをコンピューターに接続して機器の状態パラメータを取得していたことを今でも覚えている。

レオ・フェンダーが75年前にフェンダー・ミュージカル・インストゥルメンツを設立した当時、木工作業はすべて手作業で行われていました。現在、同社のギターのネックとボディは、最終製品を作る職人に引き渡される前に、コンピューター制御の木工機械を使用して作られています。ホームズ氏は、常に最新の技術革新（ギターの塗装にロボットを使うなど）で問題を解決しようとしており、機器の故障ほど厄介なものはないと語った。

「予防保守だけでは不十分だ」と彼は語った。 「機械は予定通りにメンテナンスされますが、故障の 90% はプロセスを停止させる瞬間的な故障であり、ビジネスに大きな影響を及ぼします。故障が発生する前に検出できれば、生産を停止する必要はなく、メンテナンス チームがあらゆる場所で火消しに追われる必要もありません。」

フェンダー社は、177,000平方フィートの工場に1,500台の設備を備え、機械にセンサーを設置し、AI分析を使用して故障を予測したいと考えている。フェンダー社も同様に、Amazon のクラウドベースの Monitron サービスを導入し、すべてのデータ処理を Amazon のクラウド上で行っています。

Amazon の完全管理型サービスは、近距離無線通信 (NFC) を介して Amazon の Wi-Fi ゲートウェイに接続するワイヤレス センサーを提供しているため、Fender のような小規模企業にとって魅力的です。 Amazon のゲートウェイは、分析のために関連データを Amazon クラウドに送信するように事前構成されています。アマゾンは、データを処理してホームズ氏に直接警告できる機械学習アルゴリズムを開発した。

「彼らは基本的に、中小企業がトレーニングなしで簡単に機器にセンサーを設置して監視できるレベルまで価格を下げた」とホームズ氏は語った。 「これは大きな問題です。すべての製造業者は、故障して生産を停止する可能性のある重要な設備を持っているからです。」

現在までに、ホームズ社は 9 つのミッションクリティカルなユニットを導入しており、メキシコのエンセナダにある 2 番目の製造施設にもシステムを導入する予定です。クラウド サービスにより、Holmes は 1 日を通して 2 つのサイトから集約されたデータに対して追加の分析を実行できるという追加の利点も得られました。しかし、ホームズ氏は、両方のサイトを単一のダッシュボードで追跡できるようにしたいと考えています。

エッジコンピューティングが人工知能を実現する方法

「製造、運輸、物流、医療、小売、石油・ガスなど、物理的資産を持つほぼすべての業界で、機械生成データはエッジコンピューティングに適しています」と、市場調査会社IDCのエッジ戦略研究ディレクター、デイブ・マッカーシー氏は語った。 「機械が生成したデータから洞察を発見し、データに自動的に応答することが人工知能の強みです。」

STL Partners のシニア コンサルタントであるティリー ギルバート氏は、一般的な経験則として、エッジでの AI 処理はリアルタイムかつ遅延の影響を受けやすいアプリケーション向けであり、大規模なデータ セットを最初にクラウドにアップロードして処理すると効率的に実行されないと述べています。エッジ コンピューティングは、レイテンシの問題以外にも、バックホール コストを削減しながら、企業がプライバシー規制やセキュリティ ポリシーに準拠できるようにもします。機密データを遠隔地に送信すると、関連する規制やセキュリティ ポリシーに違反する可能性があるためです。

[[403667]]

マッカーシー氏は、AI 駆動型エッジデータ処理はもはや孤立したケースではなく、稼働時間の増加とパフォーマンスの向上という 2 つのビジネス上の要求によって主流になりつつあると述べました。

IoT センサーがプリインストールされた物理資産の急増や、エッジ テクノロジーを提供するベンダー数の増加など、さまざまな要因が重なり、エッジ/AI の導入が容易になっています。これらのベンダーには、システム インテグレーター、サードパーティのスタートアップ、ハイパースケール クラウド サービス プロバイダー、エッジをデータ センターの延長として位置付ける従来のインフラストラクチャ プロバイダーが含まれます。

企業の場合、ワークロードは、ローカル データ センター、クラウド、エッジ、またはそれらの組み合わせなど、最も適切な場所で実行することもできます。 Fender の例が示すように、ユーザーはさまざまなテクノロジーとアプローチを組み合わせて、エッジ コンピューティングとクラウド コンピューティングを最大限に活用する方法が数多くあります。

マッカーシー氏は、現在ほとんどの企業がハイブリッドまたはマルチクラウド環境で運用しているのと同様に、AI ベースのエッジ アプリケーションは単独では運用されないと指摘しました。 AI 処理がエッジで行われている場合でも、機械学習アルゴリズムを開発し、モデルをクラウドでトレーニングすることができます。さらに、リアルタイム データを集約してクラウドに送信することで、履歴データ セットを分析して長期計画の参考にすることができます。

小売業のエッジにおける AI

エッジと AI の組み合わせの最も魅力的な点は、それによって実現される新しいアプリケーションだとギルバート氏は言います。多くの企業は社内で AI 分析機能を開発するスキルを持っておらず、特定のユースケースの可能性さえ認識していない可能性があるため、サードパーティのスタートアップ企業が既製システムの開発と導入において主導的な役割を果たすことができます。たとえば、ウォルマートやクローガーなどの大手小売業者は、顧客が誤ってまたは意図的にショッピングカート内のすべての商品を支払わないことによる損失を削減するために、店舗のセルフチェックアウトレーンに AI ベースのエッジ システムを大規模に導入しています。

大手小売業者2社、ウォルマートとクローガーにソリューションを提供するサービスプロバイダーは、アイルランドのスタートアップ企業Everseenです。同社の戦略成長担当副社長アレックス・シスコス氏は、同社は小売業者がこれまで取り組むのに苦労していた問題、つまり売上減少や損失を解決できたと語った。同氏は、多くの顧客がセルフサービスチェックアウトで購入した商品を持ち去ってしまうことを小売業者は認識しているが、それが顧客の意図しないミスなのか、誰かが顧客をそそのかしているのか、あるいは顧客が単に巧妙な窃盗犯なのかは判断できないと指摘した。たとえば、ガムの箱を、より大きくて高価な商品の下に置き、スキャナーにガムの代金だけを請求するように仕向ける顧客もいます。

Everseen は、セルフサービス チェックアウトに GPU 搭載のコンピューター ビデオ カメラを設置し、小売業者のスキャン システムと統合するソフトウェアを開発しています。これにより、スキャナーが「ガム」を読み取り、カメラが「おむつ箱」を読み取った場合に、さまざまなアクションをリアルタイムでトリガーできるようになります。たとえば、チェックアウト ディスプレイに「機械が最後のアイテムを間違ってスキャンした可能性があります」というポップアップ アラートが表示されます。目的は、従業員の介入が必要になる前に顧客に警告し、顧客が自ら修正できるようにすることです。最後の手段として、システムはセルフチェックアウトのディスプレイ上で問題のある行動のビデオを再生することもできます。

「私たちは非構造化データを洞察、行動、そして最終的には利益に変換することができます」とシスコス氏は語った。同氏は、盗難の減少と在庫精度の向上により、小売業者は 1 店舗あたり週 2,500 ドルから 4,500 ドルを節約していると見積もっています。

Everseen システムのデータ処理はエッジで行われるとシスコス氏は指摘し、「そこがアクションが行われる場所であり、決定的な瞬間が起こる場所だ」と述べた。完全な製品には、Everseen ソフトウェアを実行する Dell PowerEdge サーバー、GPU プロバイダーの Nvidia が作成した開発プラットフォーム上に記述された Everseen ソフトウェア、関連するクラウド コンポーネント、クラウドでトレーニングされたモデル、クラウドで実行される管理と監視も含まれます。

Everseen は現在、米国と欧州の 10 万以上のレジの列を監視し、商品が誤ってスキャンされた「真実の瞬間」から 4 ～ 5 秒のクリップを抽出し、選択したデータをクラウドに送信してレポートを作成し、アルゴリズムのトレーニングに役立てています。 「AIは飢えた獣だ」とシスコス氏は言う。 「餌を与えれば与えるほど、よく育ちます。」

ヘルスケアにおける人工知能の成長

ヘルスケアは、エッジ コンピューティングが AI を推進するもう 1 つの分野です。アンドリュー・ゴスティン博士は麻酔科医であり、起業家でもあります。彼は、人工知能を通じて病院のリソースを最適化し、効率を高めてコストを節約する「Artisight」という会社を設立しました。

病院は人命を救うだけでなく、ビジネスでもあります。レストランが一日を通してできるだけ多くの集まりに対応できるようテーブルと座席を用意する必要があるのと同様に、病院も外科手術室に同様のサービスを提供する必要があります。 Artisight は、手術室に複数のワイヤレス カメラを設置して「航空管制」を提供します。患者が手術室に運ばれると、麻酔科医と外科医に自動的に通知されます。手術室の外の廊下には、空港にあるような大型スクリーンもあり、乗客にフライトの状況やどのゲートに行くべきかを伝え、病院スタッフが適切な時間に適切な場所に行くのに役立っています。

これらの機能は単純に聞こえるかもしれませんが、Gostine のシステムはシカゴ地域の病院の効率を 16% 向上させるのに役立っています。 Artisight システムは、Nvidia の Clara Guardian エッジ/AI 病院プラットフォーム上に構築されており、Dell のサーバーとストレージで実行されるパッケージ化されたソフトウェア パッケージで提供されます。ゴスティン氏は、データ量が非常に多い（ノースウェスタン・メモリアル病院では 1 日あたり 1.2 ペタバイトのビデオを生成）ため、処理はオンサイトで行われ、伝送するには移動距離が長すぎてコストがかかり、クラウドに送信できないため遅延の問題も発生すると述べた。

Artisight システムはプライバシーを保護するためにユーザーの ID をフィルタリングし、手術の重要な部分を記録するので、外科医は後で自分のパフォーマンスをじっくり検討し、フィードバックを得るためにビデオを同僚と共有することができます。

ゴスティン氏は、この技術はますます増えるエッジユースケースに適用できると述べた。たとえば、カメラで病室を監視し、患者がベッドから落ちたかどうかを検出できます。このシステムは、ベッド管理プログラムの一環として病棟を監視することもできます。つまり、部屋が空いたらすぐに入院部門に連絡し、空いている部屋の在庫を管理し、ベッドリネンが交換され、部屋に適切な医療機器が備えられていることを確認します。

人工知能に関心のある人なら誰でも、IBM が Watson ロボットが将来がんを治すだろうという大胆な予測をしたことを知っていますが、残念ながらこのプロジェクトは実現しませんでした。ゴスティン氏は、「奇跡の治療法」を過度に約束することが人工知能の進歩を妨げていると考えている。彼は、効率性を高めてコストを削減するためには、人工知能を日常的だがより実用的なアプリケーションに適用することがより重要であり、それが最終的に病院のリソースを解放し、より多くの患者に利益をもたらすことになると考えています。

IBMのプロジェクトが失敗したため、ヘルスケアの新興企業Prosper Digital Therapeuticsは、機械学習を使用してクラウドで患者データを集約しようとしていた。同社のCEO兼共同創設者であるロバート・ゴールドバーグ氏は、関連モデルに基づいて患者の生活の質を向上させ、合併症の可能性を減らすことを目指し、機械学習を使用して患者のケアプランを作成していると述べた。

患者が癌と診断され化学療法を受けている場合、加入している健康保険プランによって治療を支援するために ProsperDTX が選択されたことを知らせる電子メールが患者に送信されます。 ProsperDTX は医療行為も薬の処方も行いません。彼らは医療チームの「仲間または延長」のような存在です。たとえば、ProsperDTX は化学療法を受けている患者が吐き気、体重減少、うつ病などの副作用に対処するのに役立ちます。ゴールドバーグ氏は、モデルが患者が貧血や脱水症になりやすいことを示した場合、システムはプロンプトに基づいて患者に良い習慣を身につけるよう促すことができる、と述べた。

すべてのデータ モデリングは、Oracle Cloud ベースのデータ ウェアハウスで実行されます。データ ウェアハウスにより、企業はすべてのモデリングと視覚化の作業を 1 か所で実行できるようになります。

ウェアラブル デバイスや在宅患者モニタリング システムが普及するにつれて、ProsperDTX は患者の変化を追跡し、問題がある場合は患者の医師に警告することができます。 「患者の許可があれば、冷蔵庫の中を見ることもできます」とゴールドバーグ氏は言う。