【SCF・計測展 特別インタビュー】MECHATROLINK協会 効率的で高度な制御の実現

■データを確実に収集・活用し、ものづくりに貢献

伝送効率向上やマルチタスク機能など追加

産業用モーションネットワーク「MECHATROLINK」に新バージョン「MECHATROLINK-4」（M-4）が発表された。従来のMECHATROLINK-Ⅲの機能・性能、使いやすさを継承しつつ、伝送効率の向上やマルチタスク機能などを追加し、より効率的で高度な制御の実現を目指している。同時にサーボアンプとサーボモータのエンコーダ間通信で使用されている「∑-LINK」でも、他のセンサやI／O機器等を接続して同期制御できる「∑-LINK Ⅱ」が開発された。この2つのネットワークは、IoTやAIを活用した新しいものづくり時代に対応するものとして期待されている。

そこで、MECHATROLINKの運用・普及に取り組んでいるMECHATROLINK協会（MMA）事務局の三輪卓也代表に今後の取り組みについて聞いた。

—— インダストリー4.0やIoTなどへの関心高まる中で、ものづくりでのITとFAの連携した取り組みが進んでいますが、MMAの立ち位置は？

このところ新しいものづくりに対するコンセプトやコンソーシアムなどが発表されているが、工場の基幹系システム（PLC）を中核に、IT系とFA系をつなぐ「インターフェースの共通化を図る」ことを狙いとしているように感じる。モーションやロボットなどが含まれる生産装置でも、その上位にPLCなどがあって、工場の基幹系システムにつながってラインや工場が構築されているが、私たちはその装置内の機器間をつなぐという立ち位置だ。一方、工場全体を見ると、ラインでやりたいことと、装置でやりたいことは変わってくるので、その立ち位置の違いがある。

近年、世間一般で言われているような新しいものづくりの世界、「インダストリー4.0」は「スマートファクトリー」の実現として捉えられており、まずは工場や生産ラインというイメージが強く、それでいろいろな人たちが活動しているが、MMAのターゲットはあくまでも「装置内」。ラインをつくる一要素、一工程のデータをいかに集めるか、そのデータをいかに活用するか、その工程でものをいかに加工するか……それを最適化すること、データをいかに上位層に渡せるかということに重きを置いている。他ネットワークを推進している団体の中には、装置中だけでなく、装置間を対象にした技術を持っていたり、両方やっていたりするところもあるので、話が混乱するのはその辺りかと思う。

—— 装置とラインは分けて考えるべきだということですか？

装置はラインを構築する一工程、一要素となるが、スマートファクトリーを構成する最小単位である。スマートファクトリーでは、今まで人が担っていた部分、工程管理などをデジタル化し、サイバーフィジカルシステム（CPS）を使って、より高度な工場設計、工場運営をするためにAIやディープラーニングを使う。それでラインの工程設計や生産管理をより効率化しようとなる。さらにライフサイクル全体としては、ものの購入からアフターサービスまで入ってくる。これら全体を管理するためには、装置からのデータの収集とその活用が必要になる。

また、工場の安定稼働に対しては、従来の予防保全から、これらデータを活用した予知保全というところにつながる。単に工場の安定生産のために必要なデータだけではなく、予知保全で使うデータも必要になる。そういうデータを収集しようとすると、いろいろなところをデジタル化し付加価値を取っていくためにネットワーク化がある。

今まで装置内というのはコストの観点から生産に重要なパーツしかネットワークされていなかったし、アナログのレベルでつながるセンサがたくさんあったが、上位側がそういうことを求めてきているので、デジタルでトレーサビリティがとれるような仕組みを構築しなければならない。今の技術でも、ものづくりをする上で問題はなく、最低限の情報の収集と活用はできるが、今後ネットワーク化が重要になり、さらに接続するセンサやノード数が増えていくことを考えて、今回、M-4やΣ-LINK Ⅱの新しいキーテクノロジー技術として投入することとなった。

MECHATROLINKは装置内のデータをいかに効率よく収集と活用するかの観点で、下から積み上げていっているが、ラインから見れば上位側から装置内のデータの収集と活用といった上からも下がってきており、相互の視点として捉える必要がある。

—— ディープラーニングなどで熟練技術者の技術伝承のようなことは可能か

そこはアプリケーションの話ではあるが、例えばいろいろなメーカーでは熟練工の加工技術データを取ってロボットやコントローラにそのアルゴリズムを教え込むということをやっているが、そういうことをしようとするといろいろなセンサが必要になる。ものづくりで人が担っていた部分や、機械がやっていてもデジタル化されていなかった部分をデジタルデータ化する必要があり、データを集める機器やセンサをつないでいかないといけない。センサも、つくるためのセンサだけではなく、データを取るためのセンサが必要になる。

人間の感性でしかわからないものもある。例えば物を削った時の切削面。熟練工が削ったものと機械が削ったものを顕微鏡で比べた時、何ナノくらいの誤差しかなく、従来の加工用のセンサで見たら差が出ない、違いがわからないというのがある。同じ切削誤差範囲内に加工精度が入っていても、そのブレ（ばらつき）の出方によって、実際に同じ誤差内でも触った感じや見た目が違って、それが摩擦や微小動作時の挙動の違い等の原因になって変わってくるとか。

だからセンシングもいろんなパラメータが必要になる。切削面で言えば光の光沢具合とか。熟練工の触感、光を当てた感覚とか。多分、その目的に応じて、今までと違う測定やセンサを織り込まないと、本当の意味での習得はできないだろう。

加工に必要なセンサやつながなければならないセンサの情報は今後増える。しかし、それが常時必要な情報なのか。同じ装置で同じ用途で使用するものはAI等で学習したアルゴリズムを適用後は外せるかもしれないが、アルゴリズムを向上していこうとするならば、センサの使用は不可欠だ。データを集めるにも、単にデータがあればいいというのではなく、実際その時にモータがどう動いたのか、機械がどう動いたのか、周辺温度はどうだったか等、いろいろなパラメータを集める必要がある。

データが多ければ時間同期が取れていなくても、ある程度アルゴリズムの生成・調整といった学習はできるが、変なデータを使用すると、アルゴリズムの生成・調整や精度にかかわるので、データのクリーニング、判別をしていかないと、効率よく学習がさせられない。そこで、同期性・定刻性のあるデータを集めた方がより解析しやすくなると考えている。M-4やΣ-LINK Ⅱは、うまく同期できる仕組みでデータを集められると思っている。

ネットワークの観点で言えば、そのデータをどう使うのか、どのくらいAIなりディープラーニングに使用するのかというのは、何をしたいかによって変わってくる。例えば、超高速の予知保全で使いたいと思ったら当然高速なデータが必要だが、高速でない予知保全で使いたいのならデータを間引いてもいいのではないか。どれくらいのレベルの解析をしたいかによって、必要なデータのサンプリングは変わってくると思う。

そのため全てのデータを飾らず下上位に返す必要はなく、装置内である程度のフィルタリング、データ処理をする場合もあるだろう。したがって上位にリアルタイムのデータを全部返す必要があるかないかは、何を解析したいかによって変わる。ただ、それを実現するためには、リアルタイムのデータを吐き出せるような仕組みがないといけない。

しかし、それを常時リアルタイムで上位側に送信すると、通信帯域やデータ容量がいっぱいになってしまう。解析したい現象の因果関係によって、このタイミングでこの処理をしたいから、この時はリアルタイムのデータを送信する。リアルタイムである必要がないのであれば、あるまとまったデータを、あるタイミングで、オフラインでデータを吐き出す等、やり方はいろいろあるだろう。データ量はどんどん増えていくので、全てがリアルタイムというのは限界がある。だからエッジという考え方は装置コントローラからそれに接続されるネットワーク接続機器というようにどんどん下位に降りてくるだろう。

標準化としての協業

—— MMAと日本インダストリアルイメージング協会（JIIA）との連携は？

JIIAとはインダストリー4.0の展開の中で熟練工の話や、よりインテリジェント的な加工をしたいというところで今後ビジョンが重要になってくることから、ビジョンをフィールドネットワークに接続することによるメリットや差別化だけでなく、その標準化として協業している。

今ロボットで、3Dカメラの画像情報を基準にバラ積みのものを取るような仕組みができてきている。また、スマートファクトリーでいろいろなものづくり、工程の平準化をしようとした時に、ある時はこのロボットとこのロボットが連携で動くが、違うものをつくる時には、この2台では足りないから他からロボットを持ってくるとか、プロセスが変わるという時に、モジュールが入ったり入らなかったりということをしてきた時に、今までのロボットは決まった位置で決まった作業しかしてこなかった。

ロボットが違う場所で仕事をするとなった瞬間に、その動作座標が全部変わってしまう。この座標をどのように管理するのかという観点から今までのような決まったプログラミングではなく、ビジョンによる画像情報を基準にして動作するビジュアルフィードバックを、どんどんやっていかなければならない。今までビジョンというのはMECHATROLINKのフィールドネットワークより上のレイヤーにつながっていて、ビジョンのメーカーは、高画質化とか、4K、8Kビジョンを使って、という方に注力しており、データ量の増加や画像処理の複雑化が進んでいる。

しかしビジュアルフィードバックを使うモーション制御ではそこまでの高画質は必要ない。ビジュアルフィードバックを高速で安定して行うなら、フィールドネットワークのレイヤーにビジョンをつなぐ必要があるだろう。ビジョンコントローラーから、フィールドネットワーク機器経由での接続だと、どうしても処理が遅くなるので、ビジュアルフィードバックでモーション制御というのが出てくるだろう。JIIAとどこまで標準化できるかということを踏まえてやっている。

基本的には、ビジョンセンサから出してほしいのは位置情報。基準値からどれだけずれているか、どういう座標系にあるかなどの座標情報を出してほしい。ただ、ユーザーからすると、それで制御をかけたいというのもあるが、せっかくのビジョンなので、カメラなどの撮影情報や画像データも残したいというのがある。でも、画像データそのものはモーションでは使わないので、予知保全やトレーサビリティのために使いたいという話になる。では、それ何枚撮りますか、とか、画質が高ければ高いほどネットワークに対する負荷がかかってしまうので、接続方法、画像データはどう出すのか、どうしていかなければいけないのかというような話も、させてもらっている。

モーションの立場で言えば、超高解像度の高価なカメラではなく、安価なカメラを数多く使いたいという思惑があるが、あちらの業界の方たちは、ハイビジョンカメラを使ってとか、3Dのステレオカメラを使って、という方向性が主流だ。

MMAとしては、安くて位置データを速く払い出してくれれば、ビジュアルフィードバックとして使いやすいのではないかと思っている。そういうところを一緒に知恵を出し合って何かおもしろい提案を市場に対してできないか、という取り組みをさせてもらっている。

上位に対して確実にデータを出せる仕組みを

—— MMAのシステムコントロールフェア（SCF）での訴求ポイントは？

MECHATROLINKの立ち位置を明確にしながら、安心して使っていただくために、今の技術でできることと、これからのトレンドに対して新技術を投入していくことでできることを認識していただく。新しい技術が出たから今の技術がダメなのではなく、今の技術は今の技術できっちりやっていきながら、今後、新しいトレンドに対して追従できるように、M-4やΣ-LINK Ⅱを使えば、さらにこんなことができますよ、そういったものづくりを、MMAとしてサポートしますよ、ということをアピールしていく。

MMAはあくまでも装置内、モーションに連携しているデータを確実に収集・活用し、ものづくりに貢献していくことにポイントを置く。上位系がこのネットワークだから全てこのネットワークで統一する必要はない。上位系に対して必要なデータを出せる仕組みをきっちり持つことで、各通信レイヤーに最適なQCDを実現していきますと。そういう思想の方がいいですよ、ということを訴求したい。

極端な話、上位がAネットワークだから、末端まで全部Aネットワークでつなぐ必要はない。そんな超集中制御はないと思っている。結局、工場やラインなどでは、エッジコンピューティングが入ったり、各PLCが入ったり、生産管理系のパソコンなりSCADAなり、何らかのコントローラが各レイヤーに入るので、各コントローラがゲートウェイにデータのやり取りを正しくできれば、ネットワークを一本化する必要はないと言いたい。

今、どちらかというと話が上位層から来ていて、「統一化」「統一プラットフォームで」と言っている。エンドユーザーからすると、統一プラットフォームを使って、システム維持コストや、データ活用に関するプラットフォーム共通化によるメンテナンスコストを抑えたいというのがあるが、装置メーカーからすると、装置のパフォーマンスなり付加価値をどうするかという話になってくるので、そこに対しては最適なQCDがないと、装置メーカーがそれを実現できなくなってしまう。

MMAとしては、そこに付加価値を出せるような仕組みを提供し、装置メーカーが戦えるよう、また、その装置を使う工場やエンドユーザーの選択肢を広げたい。上がこうだから下がこう、という垂直統合ではない。そういうことを訴求していかないと、上からの標準化とその雰囲気にいろいろな人が巻き込まれてしまうので、「そうじゃないですよ」と。

ただ、ある程度は標準プラットフォームに乗っていかないと、トータルの維持・開発コストなどは装置メーカーやエンドユーザーでも必要となるので、上位インターフェースがそちらに決まったのであれば、今後、そこに対してどういうデータをどう出すのが楽なのかというのを一緒に考えていくことはできるのではないか。他と違うこと、それを認識していただくことを確実に訴求していきたい。

インダストリー4.0、スマートファクトリーについて話をしていると、今までの考え方を全て否定して、新しい部分を全部使わないといけないと思っている節が見受けられる。新しい工場等に対してはいろいろな情報を出していかないといけないので、今までつながっていなかったものをつなぐ必要はあるが、ものづくり自体は変わっていない。情報が入り乱れて、ものづくりまで全て否定されているようなイメージに企業が振り回されているが、本質はそこではないと思っている。

管理する仕組み、オーダーのプロセス、工場稼働の効率化など、それらを実現するために、さらにコンピュータ技術やIoTのテクノロジーを使おうというだけの話なのだが、そのために今までのものづくりのプロセスそのものを変えないといけないという誤解があるのではないか。プロセスのベースがあってそこにどうつないでいくのか、ここの部分がダメだからここを変えようという発想ではなく、いま全部変えましょう、みたいに思われている。

—— 「ものをつくる」ということは普遍です。

どう作らせるのか、どう部品を集めるのか、どう効率よく、どう歩留まり率を上げるかということだけで、「つくる」ということは変わらないはず。今は、変なところからきた「こうあるべき」で悩んでいるように思える。

どちらかというと上位からの流れが強くて、作る現場からの、そうは言ってもものをつくるためのリアルなプロセスというのはある。そこで混乱が生じているのと、上位からの圧力が強いので、現場が不安がっている雰囲気がある。今のものづくりをさらによくするために新しいネットワークの技術を使う。でもやることは一緒で、上からの作業指示をより効率的に出してもらう……そういう話で捉えた方が、本当はわかりやすいのかな、と思う。

ただ、現場の話と経営者層から見る話は多分違っている。経営者層はやはり生産効率を上げるなどいろいろなことを考えて、ITの側から入ってくる。そのギャップがあるので、IT屋さんはものづくりの細かいことがわかっておらず、「データさえくれればディープラーニングやAIで学習させて課題の抽出や解析モデルやアルゴリズムが作れます」と言うが、どんなデータがどう欲しいのかという意味はわからない。

AI屋さんは今工場に入り込み、「お悩みはなんですか。ではこういうデータを集めてAIで解析、学習させてみましょうか」というようなコンサルティングをやり始めているが、彼らはデータ解析のプロであって、ものづくりのプロではない。「こういうデータがあればこういうことができる」ということは言えても、「こうするためにこういうものづくりをしなさい。こういうプロセスでこうつくりなさい」という逆のことは言えない。

現場からすると、経営者がどのようなレベルをどのように実現させたいのかがわからないので、今のものづくりでいいのかの判断がつかない。何をしたいのか、何を変えろといっているのかがわかっておらず、AIで何ができるのかもわからない。そこをつなげる両方わかるエンジニアがいないというのも、今の混乱を生んでいる。

—— FAとITの両方わかっているエンジニアが不在なのが大きい？

最近のディープラーニングやAIがすごいのは、ものづくりやデータの意味をわかっていなくてもデータの因果関係や解析モデル、アルゴリズムなどそれなりのアウトプットを出してくるところ。さらに人が思いつかないような結果を出したりする。それで将棋で負けたりもしている。超ブラックボックスな世界にいくと、不具合が起きた時にどうするのかというと、その不具合結果をさらにディープラーニングやAIで学習させればいいという話になる。

—— 将棋は勝つか負けるかで終わるが、ものづくりではそれでは済まない。

ぐるぐる回してどんどん判断させていけばいいのだが、怖いのは、何もわからない状態でブラックボックスのアルゴリズムで判定していると、不具合が出た時に対策の打ちようがなくなる。人間がスキル的にどんどん管理ができなくなっていく。その不具合データを使ってもう一度学習させれば不具合は消せるとは思うが、それが正しい方向性なのか。不具合はどんどん回していけばどんどんなくなりはする。AIが発展すると単純作業がなくなると言われているが、人間の高度な仕事がなくなるという話もある。

ただ、今の日本のメーカーでは、人がわからないことをOKとは言わない。解析結果を見て「これはこういう因果関係だからこうなるよね」という、人が判断した結果と相関がないと使いきれないだろう。

本来、ディープラーニングやAIを使うことで人が気づかなかった関係性を引っ張り出してくれるというのがある。そこをどこまでどう捉えるかは難しくなるかもしれない。ものづくりを把握している現場がデータをどれだけ集め、有効に活用するため、複雑な相関関係や解析モデルやアルゴリズムを効率よく作成するための手段としてディープラーニングやAIなどを使用する必要がある。

—— MMAとしての今後の姿勢を教えてください。

ある程度プラットフォームは共通化しておくべきだが、差別化がないと難しい。その差別化の重要なところは、やはり工場、ものづくりなので、そこは全て同じプラットフォームではなく、独自のノウハウなり差別化ポイントが必要。とはいうものの、ディープラーニングやAI等の技術を活用するためのデータの収集・活用する技術は重要。そこまではまだ統一化されないと考えている。

MMAとしては、上位に対して確実にデータを出せる仕組みを提供し、ものづくりに対して貢献していく。