IoT、エッジコンピューティング、AIプロジェクトが企業にもたらす利益

[[385209]]

ビル・ホームズは、象徴的なフェンダー・ストラトキャスターとテレキャスターのギターを生産するカリフォルニア州コロナ工場の施設管理者です。彼は、簡易な携帯型振動分析装置を持って工場内を歩き回り、その装置をコンピューターに接続して、機器の状態を読み取りました。

75 年前、レオ・フェンダーがフェンダー・ミュージカル・インストゥルメンツを設立した当時は、すべての木工作業が手作業で行われていましたが、現在ではギターのネックとボディはコンピューター制御の木材ルーターを使用して製造され、その後、最終製品を作成する職人に引き渡されます。ホームズ氏は、問題を解決するために常に最新の技術革新に目を光らせており（ギターの塗装にはロボットを使用している）、機器の故障ほど厄介なものはないと語った。

機械があらかじめ決められたスケジュールに従って点検される予防保守だけでは不十分だと同氏は述べた。 「障害の 90% は一時的なもので、プロセスを停止させます。これはビジネスにとってあまりにも困難です。障害が発生する前にそれを検出できれば、生産を停止する必要はなく、メンテナンス チームが火消しに奔走する必要もありません。」

177,000 平方フィートの施設に 1,500 台の機器を備えた Fender は、機械にセンサーを設置し、AI 分析を使用して故障を予測する典型的な候補です。フェンダー社が行っているのはまさにこれですが、ちょっとした工夫があります。同社は Amazon のクラウドベースの Monitron サービスを使用しているため、すべてのデータ処理は Amazon のクラウド上で行われます。

Amazon の完全管理型サービスは、近距離無線通信 (NFC) を使用して 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、ホームズ氏に直接アラートを送信するための機械学習アルゴリズムを開発した。

「基本的に、彼らは価格を十分引き下げたので、個人商店でもこれを自社の機器に取り付けて、トレーニングなしで簡単に監視することができます。これは極めて重要です。どのメーカーも、故障すると生産を停止してしまうような重要な機器を持っています」とホームズ氏は語った。

現在までに、ホームズ社は 9 台のミッションクリティカルなマシンを設置しており、メキシコのエンセナダにある 2 番目の製造施設にシステムを導入する予定です。クラウドの使用により、Holmes は 1 日以内に両方のサイトからデータを集約して追加の分析を行うことができるという追加の利点も得られました。さらに、彼は両方のサイトを単一のダッシュボードから追跡できるようになることを期待しています。

エッジコンピューティングが人工知能を実現する方法

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、製造、運輸、物流、医療、小売、石油・ガスなど、基本的に物理的な資産を持つあらゆる業界で、機械によって生成されるデータは「エッジコンピューティングの帆」であると語った。同氏はさらに、「これらの機械が取得するデータから有意義な洞察を見つけ、そのデータに自動的に応答するのが AI の役割です」と付け加えた。

STL Partners のシニア コンサルタントである Tilly Gilbert 氏は、一般的な経験則として、エッジで実行できる AI 処理は、リアルタイムで遅延の影響を受けやすいアプリケーションに最適であると述べています。これは、大規模なデータ セットをクラウド環境に転送する必要がある場合、これらのアプリケーションは効率的に実行されないためです。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、機密データがオフサイトに送信されると違反される可能性のあるプライバシー規制やセキュリティ ポリシーを企業が遵守するのに役立ちます。

マッカーシー氏は、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後押しされて、AI主導のエッジデータ処理はニッチなユースケースを超えて、より主流になりつつあると述べた。

IoT センサーが事前設定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、さまざまな要因が相まって、エッジ/AI の導入が容易になっています。これには、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 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。

これにより、企業はオンプレミス、クラウド、エッジなど、最も適切な場所でワークロードを実行できるようになります。あるいは、これらを組み合わせることもできます。Fender の例が示すように、エッジとクラウドの両方の世界の長所を最大限に活用するために、テクノロジーとアプローチを組み合わせる方法があります。

今日の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実行されないと McCarthy 氏は指摘しました。 AI 処理がエッジで行われる場合でも、その機械学習アルゴリズムはクラウドで開発され、モデルはクラウドでトレーニングされる可能性があります。さらに、リアルタイム データをクラウドで要約および集約することもできるため、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エキサイティングな点は、それが可能にする新しいアプリケーションだとギルバート氏は語った。

多くの企業は AI 分析機能を社内で開発するスキルを持っておらず、また、いくつかの使用例の可能性さえ認識していない可能性があるため、スタートアップのサードパーティが既製システムの開発と導入で主導的な役割を担っています。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カート内の商品すべて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 システムを導入しました。

ウォルマートやクローガーに技術を提供するアイルランドの新興企業エバーシーンの戦略的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解決に苦労してきた問題、つまり規模を縮小するか損失を出すかという問題を解決できたと語った。同氏によると、小売業者はセルフサービスレジで損失が出ていることは分かっているが、それが客の単なるミスによるものなのか、商品を友人にあげるという従業員の「甘い申し出」によるものなのか、あるいは、例えばガムをもっと大きくて高価な商品の上に置き、スキャナーが客にガムの代金だけを請求するような賢い泥棒によるものなのかは分からないという。

Everseen は、セルフ チェックアウトに GPU 搭載のコンピューター ビジョン カメラを戦略的に配置し、小売店のスキャン システムと統合するソフトウェアを開発しています。そのため、スキャナーが「ガム」と認識しても、カメラが「おむつ箱」を検知すると、さまざまなアクションがリアルタイムでトリガーされます。顧客はチェックアウト時に「機械が最後の商品を誤ってスキャンした可能性があります」といった内容のポップアップ警告を受け取る場合があります。その目的は、顧客に疑わしい点を優先させ、従業員の介入を必要とする前に顧客が自ら問題を解決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その行動のビデオを再生することができます。

「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、窃盗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1週間あたり2,500ドルから4,500ドルを節約できると見積もっている。

Everseen システムはエッジでデータを処理します。シスコス氏が言うように、「エッジこそがアクションの場であり、真実の瞬間の場である」からです。完全に統合された製品には、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 ソフトウェアを実行する Dell PowerEdge サーバーが含まれています。ただし、他のクラウド コンポーネントも存在します。モデルはクラウドでトレーニングされますが、管理と監視もクラウドで行われます。

さらに、Everseen は現在、米国とヨーロッパの 10 万以上のレジを監視しており、誤ってスキャンされた「重要な瞬間」の 4 ～ 5 秒のクリップを拾い出すことができます。このキュレーションされたデータは、レポート作成やアルゴリズムのトレーニングのためにクラウドに送信されます。 「AIは飢えた動物だ」とシスコス氏は言う。 「餌を与えれば与えるほど、良くなります。」

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 を強化できるもう 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、病院のリソースを最適化して効率を高め、コストを削減するために AI を適用する会社を設立しました。

病院は人命を救いますが、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テーブルと集まりに対応する必要があるのと同様に、病院も手術室について同じことを行う必要があります。ゴスティン氏の会社、アーティサイトは、手術室に設置された複数のワイヤレスカメラを「航空管制」として利用している。たとえば、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ディスプレイがあり、搭乗者にフライト状況やどのゲートに行くべきかを知らせてくれるので、病院のスタッフが適切な場所と時間に現れるのに役立っています。

単純に聞こえるかもしれないが、ゴスティン氏は、彼のシステムによりシカゴ地域の病院の生産性が16パーセント向上したと語る。 Artisight システムは、病院向けの Nvidia の Clara Guardian エッジ/AI プラットフォーム上に構築されており、パッケージ化されたバンドルとして提供され、Dell のサーバーとストレージ上で実行されます。ノースウェスタン・メモリアル大学では1日あたり1.2ペタバイトのビデオが生成されており、クラウドに送信するにはデータ量が多すぎるうえに遅延の問題も生じるため、処理はオンサイトで行われるとゴスティン氏は述べた。

Artisight システムは、個人のプライバシーを保護するために、個人識別情報をフィルタリングします。また、手術の重要な部分も記録されるため、外科医は後から自分の手術を研究したり、同僚とビデオを共有してフィードバックを得たりすることができます。

ゴスティン氏は、この技術はすでに、ますます多くのエッジユースケースで使用できると述べた。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、キャパシティ管理プログラムの一環として患者の部屋を監視するためにも使用できます。つまり、部屋が空いたらすぐにハウスキーピングに通知し、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することができます。

人工知能に関心のある人なら誰でも、IBM が Watson が将来がんを治すだろうという大胆な予測をしたが、結局そのプロジェクトは実現しなかったことを知っている。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発展を妨げていると考えている。さらに、AI をより日常的だが実用的な用途に使用することで、効率が向上し、コストが削減され、最終的には病院のリソースが解放されて患者ケアを拡大できると彼は述べた。