政府発行資料にみるアズビルのIoT技術

日本政府が特に注目する(公式資料に掲載された)アズビルの製品やサービス、技術をご紹介。

経済産業省資料:スマート化の基本的な考え⽅とIoT・ビッグデータ等の活用

発行日:平成27年12月
発行元:経済産業省

ポイント

  • 2017年4月 新・高圧ガス保安法(一部改定)施行。
  • 新たに、IoT技術活用/導入が認定更新の鍵。
  • アズビルのIoTエージェントがスマート保安を確かな物に。

掲載製品(掲載ページ)

  1. スマートバルブ/HART通信を活⽤した⾼度センシング(P.12)
  2. 多変数分析(P.16)
  3. 近未来予測モデル/アラームマネジメント(P.17)

経済産業省「スマート化の基本的な考え⽅とIoT・ビッグデータ等の活用(pdf形式)」※1

スマートバルブ/HART通信を活用した高度センシング

アズビル製品・サービス:

多変数分析のチャート

アズビル製品・サービス:オンライン異常予兆検知システム BiG EYES™

近未来予測モデル/アラームマネジメント

アズビル製品・サービス:重要プロセス変数変動監視 ACTMoS™

経済産業省資料:スマート保安先行事例集 ~安全性と収益性の両立に向けて~

発行日:平成29年4月
発行元:経済産業省 保安課

ポイント

  • 経済産業省 保安課が取り上げた「産業保安のスマート化に先行的な25社の取組」事例中、7事例がアズビルの技術(製品・サービス)。

スマート保安先行事例集掲載25社の使用技術の中のアズビル

太陽石油株式会社 四国事業所様重要プロセス変数変動監視ツール
「ACTMoS™」
昭和電工株式会社 川崎事業所様スマートバルブ診断システム
「PLUG-IN Valstaff」
テクノポリマー株式会社 四日市事業所様運転引継ぎ情報電子化システム
「操業知識ベース」
四国化成工業株式会社 丸亀工場様重要プロセス変数変動監視ツール
「ACTMoS™」
日本エイアンドエル株式会社 愛媛工場様アラームマネジメント
「アラームマネジメントコンサルティング」
東京ガス株式会社様インテリジェント地震センサ
「SES70」
ニッポン高度紙工業株式会社 米子工場様協調オートメーションシステム
「Harmonas-DEO™/TSSClinet」

経済産業省「スマート保安先行事例集~安全性と収益性の両立に向けて~」※2

首相官邸日本経済再生本部:第4次産業革命 人材育成推進会議実務者会合等における有識者ヒアリング概要

発行日:平成29年2月
発行元:日本経済再生本部

ポイント

  • 未来投資会議 第4次産業革命 人材育成推進会議(第2回)で、第4次産業革命を見据えた人材像、能力・スキルや企業経営の方向性等について、有識者や企業よりヒアリングを行った概要をまとめた資料が配布された。
  • 資料内「企業経営の方向性、求められる人材像・能力スキルについて」という題目において、アズビル株式会社による「企業経営の方向性等」「今後求められる能力・スキル等」「人材育成に関する取組等」に関するヒアリング内容が取り上げられた。

第4次産業革命 人材育成推進会議実務者会合等における有識者ヒアリング概要(抜粋)

本資料は、本年1月上旬から、第4次産業革命を見据えた人材像、能力・スキルや企業経営の方向性等について、日本経済再生総合事務局及び関係省庁において、有識者や企業よりヒアリングを行った概要をまとめたもの。

企業経営の方向性、求められる人材像・能力スキルについて

アズビル株式会社
企業経営の方向性等
  • 2035 年、日本のものづくりが世界的にも優位性をもって発展し、国際社会に貢献し続けるためには、目指すべき超スマート工場を「これからの若者が就労したい工場」と定義することが重要である。
  • 今後の生産工場/プラントでは、労働人口の減少に対応する上で、IoT 技術の導入を加速する必要がある。その時の人の役割は、ロボテクスや AI などの IoT 技術を部下としてマネージするデータエンジニア(これからの若者がなりたいと考える存在)である。設備保全や運転監視などは、ベテラン知識を継承・超越する機能を持った AI によって、数理的にどのような操作を行うか判断し、操作も自動でできるようになる。
今後求められる能力・スキル等
  • AI はブラックボックスであり、AI を信頼できるまでは、データエンジニアは、AI が出してきた答えを信用してよいかどうか判断することが必要。また、AI が学習したデータの範囲を理解した上で、AI の答えを判断することが重要。
  • 人間の潜在能力を利用することが日本のものづくりの特徴であり、そこを活かすための人材育成が必要。
  • データ分析は何らかの条件を設定して行うが、実際の現場に適用したときにマッチングするとは限らない。データエンジニアは分析結果を実際の現場にマッチングさせるための現場対応力が必要になる。
  • 日本のものづくりの現場では、データサイエンティストではなく、データエンジニアが要。人ありきの現場である以上、単にデータのオペレーションだけでなく、現場が生み出す価値を知り、その実現に対する課題を理解し、課題解決のためのデータ環境をデータサイエンティストに提供できる人材かつ、現場での実装管理ができる人材が必要。
  • 現時点での AI は、決められたフレームワークの中に入ってきた情報をパターン処理しているに過ぎないが、人間はフレームワーク外の情報が必要だと思ったらそれを取りに行くことができる。ビッグデータにより AI がある程度の判断を行うとしても、複雑に物事(事象)が重なり合う工場生産のような現場では、最後には人間が判断をする必要がある。AI が得意なデジタル処理(人間が苦手はデジタル処理:顕在意識を使った作業)情報だけでなく、「按配」でコントロールするのは人間の能力(アナログ処理:潜在意識を使った作業)。当面の間はそのような状況が続くのではないか。
人材育成に関する取組等
  • 現場対応力を身に付けるためには、実際の現場での体験をしてもらわなければならない。しかし、会社に入社してから経験を積むというのでは時間がかかる。米国の大学院では長期の実践的インターンを実施している。教員の給与の半分は企業から出ていると聞くので、そういったかたちもよいのではないか。

出典:日本経済再生本部「第4次産業革命 人材育成推進会議実務者会合等における有識者ヒアリング概要(pdf形式)」※3

日本政府 × azbil ページリスト

ものづくり×IoTに関するお問い合わせ先

お問い合わせ受付窓口

工場・プラントのIoTに関するご相談・ご質問は…

アズビル株式会社
アドバンスオートメーションカンパニー