自動化、機械学習、ブロックチェーンはエレクトロニクス製造の未来をどのように牽引するのか

インダストリ4.0は、エレクトロニクスを製造するためのインテリジェントオートメーションに利用されています。エッジからクラウドまで、センサ、ロボットや協働ロボット、プログラマブルロジックコントローラ（PLC）などのあらゆる領域で、ますます高性能な自動化が進んでいます。民生用、グリーンエネルギー用、自動車用、医療用、産業用、軍事用、航空宇宙用などの半導体ウェハー、集積回路、受動部品、パッケージング、電子システムなどの製造は、インテリジェントオートメーションに依存しています。統合製造実行システム（MES）は、原材料から完成品までの製造チェーン全体をリアルタイムで監視、制御、追跡、文書化することができます。

インダストリ4.0におけるサイバーフィジカル自動化システムは、従来の製造活動にとどまらず、柔軟な生産、継続的な改善、一貫した高い品質を実現するために、クラウド上の深層強化学習からエッジ上のtinyMLまで様々な形態の機械学習（ML）を利用しています。コネクティビティのレイヤが増え、エッジコンピューティング、産業用モノのインターネット（IIoT）、クラウドコンピューティングが組み合わさることで、サイバーセキュリティに関する課題が増加しています。最近では、包括的で安全なサプライチェーン管理のためにブロックチェーンが導入されています。

この記事では、エレクトロニクス製造における主要な自動化トレンドについて、コネクティビティのレイヤの増加、サイバーセキュリティのニーズの高まり、導入されているMLの特殊な実装、トレーサビリティとMESがリアルタイムの生産指標と分析をどのようにサポートしているかなどを紹介します。その過程で、高品質で低コストのマスカスタマイゼーションというインダストリ4.0の約束を完全に実現するために必要な技術のいくつかをレビューし、Dig-Keyが幅広いソリューションでオートメーションシステム設計者のニーズをいかにサポートするかを紹介します。最後に、ブロックチェーンが安全性の高い全社的なサプライチェーン管理システムの展開にどのように利用されているかを紹介します。

増加するコネクティビティのレイヤ

インダストリ4.0におけるIIoTには、センサネットワークや自律移動ロボット（AMR）などのシステム用の有線および無線ネットワーク層がより多く含まれています。例えば、IO-Linkは、膨大な数のセンサ、アクチュエータ、インジケータ、その他これまで接続されていなかった旧式のエッジデバイスを、Ethernet IP、Modbus TCP/IP、PROFINETなどの上位のネットワークに接続するために簡易な有線ネットワーク接続として開発されました。IO-Linkでは、これらの機器の入出力（IO）を取り込み、IEC 60974-5-2で定義された4線または5線の非シールドケーブル1本でIEC 61131-9で定義されたシリアルコネクティビティ用のIO-Linkプロトコルに変換します（図1）。IO-Linkは、工場のプロセスに関するより詳細な情報を取得するための新しいネットワーキングレイヤを提供するだけでなく、インダストリ4.0工場のマスカスタマイゼーションに必要なラインやプロセスの変更をサポートするために、接続機器の迅速な導入とリモート設定、監視、診断をサポートします。

図1：IO-Linkは、多様なインターフェースを持つセンサやその他のデバイスをEthernet、PROFINET、Modbusネットワークに接続するために使用されます。（画像提供：Banner Engineering）

センサからロボットまで、ワイヤレスのIIoTデバイスも、ネットワーク層の拡大に貢献しています。現代の工場では、Wi-Fi、5G、LTEなど、さまざまな無線プロトコルが使われています。例えば、AMRは搭載されたセンサとWi-Fi接続を組み合わせて、環境を理解し、起こりうる障害物を特定し、安全かつ効率的に場所から場所へと移動することができます。協働ロボット（コボット）は、人と協働して業務効率を改善することを目的としており、多くの場合、無線接続を必要とします。AMRが必要に応じてコボットをタスクからタスクに移動させるケースもあります（図2）。

図2：AMR（下）は、搭載されたセンサとワイヤレスコネクティビティの組み合わせで場所を移動し、キュービット（上）を乗せて新しいワークステーションに移動することができます。（画像提供：Omron）

高まるサイバーの危険性

産業用ネットワークのレイヤ化が進み、接続されるデバイスの数が爆発的に増加したことと相まって、セキュリティ上の脅威ベクトルが増え、サイバー上の危険性が高まっています。国際電気標準会議（IEC）62443やIoTプラットフォームのセキュリティ評価基準（SESIP）など、産業用やIoTに特化したセキュリティ基準や方法論がいくつか開発されています。

IEC 62443は、国際オートメーション学会（ISA）99委員会が策定し、IECが承認した一連の規格です。IEC 62443は、14のサブセクションと4つの階層からなる800ページを超える産業用オートメーションおよび制御システム（IACS）の一連の規格です（図3）。製品開発およびコンポーネントのセキュリティ要件を定義する主要なセクションは以下の通りです。

• IEC 62443-4-1：製品セキュリティ開発ライフサイクル要件 - 初期要件定義、安全な設計と実装、検証と妥当性確認、欠陥とパッチ管理、生産終了を含む安全な製品開発ライフサイクルを定義しています。
• IEC 62443-4-2：産業オートメーションおよび制御システムのためのセキュリティ：IACS準拠コンポーネントの技術的セキュリティ要件 - コンポーネントが所定のセキュリティレベルにおいて脅威を軽減することを可能にするセキュリティ能力を規定します。

図3：IEC 62443は、IACSのセキュリティ規格を包括的にまとめたものです。（画像提供：IEC）

SESIPはGlobalPlatformが発行するもので、コネクテッドプロダクトのセキュリティを評価するための共通構造を定義し、IoT特有のコンプライアンス、セキュリティ、プライバシー、スケーラビリティの課題に対応しています。SESIPは、コンポーネントやプラットフォームにおけるセキュリティ機能を、セキュリティ機能要件（SFR）という形で明確に定義しています。また、攻撃に対する堅牢性を測る強度指標をSESIPの「レベル」という形で1～5まで提供しており、1は自己認証、5は大規模なテストと第三者認証に対応しています。

クラウドからエッジへのML

MLはインテリジェントオートメーションの重要な実現手段であり、継続的なプロセス改善と高品質な製品をサポートします。ニューラルネットワークの活用は、インダストリ4.0におけるML手法として確立されています。それをクラウドで深層強化学習で補うということが始まっています。深層強化学習は、ニューラルネットワークのコアに目標指向アルゴリズムのフレームワークを追加します。当初、強化学習はゲームをするような再現性の高い環境に限られていましたが、今日では、現実世界のより曖昧な環境でもアルゴリズムが動作するようになりました。将来的には、高度な強化学習の実装により、人工的な一般知能が実現されるかもしれません。

MLはクラウドだけでなく、工場現場やエッジにまで及んでいます。工場現場の産業用PCやプログラマブルコントローラの拡張スロットには、インテリジェントなプロセス制御のためのMLやAIアクセラレータカードがますます搭載されています。

Tiny Machine Learning（tinyML）は、低消費電力アプリケーションでの展開に最適化されています。センサアプリケーションにおけるtinyMLの使用は急速に拡大しています。TinyMLの応用例として、バッテリやエネルギーハーベスティングで駆動するエッジデバイスによるIIoTセンサ分析があります。Arduinoは、MCUを搭載したArduino Nano 33 BLE Senseボードと、動き、加速度、回転、音、ジェスチャ、近接、色、光量、移動を監視できる各種センサを含むTiny Machine Learningキットを提供しています（図4）。また、OV7675カメラモジュールとArduinoシールドも付属しています。搭載されたMCUは、デバイス上の推論用に、オープンソースのディープラーニングフレームワークTensorFlow Liteに基づくディープニューラルネットワークを実装できます。

図4：ArduinoのTiny Machine Learningキットは、IIoTセンサアプリケーションの開発向けに設計されています。（画像提供：DigiKey）

リアルタイムの指標および分析

インテリジェントな自動化には、リアルタイムの指標と分析が不可欠です。トレーサビリティ4.0は、前世代のトレーサビリティにあった製品の可視化、サプライチェーンの可視化、ラインアイテムの可視化を統合し、製品のあらゆる側面を網羅する履歴を提供します。さらに、すべての機械とプロセスのパラメータを含み、製造プロセスを最適化する設備総合効率（OEE）指標をサポートします（図5）。

図5：トレーサビリティ4.0は、インダストリ4.0運用の多様な要件をサポートする包括的な実装です。（画像提供：Omron）

トレーサビリティは、医療機器製造から自動車、航空宇宙まで、多くの産業で不可欠です。医療機器の場合、規制上の要件により、広範な追跡とトレーサビリティが要求されます。自動車や航空宇宙システムには、追跡すべき数万個の部品が存在することがあります。部品の履歴だけでなく、個々の部品の幾何寸法公差（GD&T）を追跡することもトレーサビリティに含まれます。GD&Tは、正確なGD&T値に基づいた精密な製造や部品の取り付けを可能にし、航空宇宙や自動車製造などの産業における高精度な組み立てをサポートします。

トレーサビリティは、製品リコールを実施する際の正確性と効率性を向上させることができます。これにより、メーカーは、影響を受けるすべての製品、および欠陥のある部品の供給元または供給者を特定することができます。

トレーサビリティの活用により、是正および予防処置の迅速化を図ることができます。製品リコールと同様に、製品の完全な出所を知ることで、メーカーはフィールドにある製品のサービスおよびメンテナンス活動を効率的にターゲットにして、スケジュールを設定することができます。

トレーサビリティおよびMES

トレーサビリティを取り入れた統合MESを導入することで、個々の製品に関連するすべての情報（計画時の設計や施工時の結果などを含む）を検索可能なデータベースにすることができます。例えば、生産開始前に、入荷した品質検査データや供給工場の所在地など、個々の部品や素材を追跡するためのトレーサビリティがあります。MESは、計画された設計に基づいてその情報を検証し、キッティング作業や仕掛品のデータベースに反映させます。

MESと組み合わせたIIoTが提供するトレーサビリティデータは、インダストリ4.0における製品のマスカスタマイゼーションをサポートします。MESは、適切な材料、プロセス、その他のリソースを適切な場所に配置することで、最小限の生産コストと最高品質の結果を保証することを可能にします。また、MESとトレーサビリティを組み合わせることで、政府規制への準拠を証明し、必要に応じて監査人などがデータに容易にアクセスできるようにすることができます。

ブロックチェーン

ブロックチェーンとは、複数の当事者間の取引を改ざん防止と検証可能な方法で記録するための分散型、すなわちデジタル台帳システムです。サプライチェーン管理のように信頼が重要な取引は、ブロックチェーンの潜在的な用途と言えます。多くの参加者がいるサプライチェーンにおいて、ブロックチェーンは取引効率を向上させ、取引の検証や改ざんを防止することができます。サプライチェーン活動におけるブロックチェーン活用のメリットとして、以下の2つの例が挙げられます。

マニュアルプロセスの置き換え。サインやその他の物理的な確認に依存する紙ベースのマニュアルプロセスは、ブロックチェーンを使用して改善される可能性があります。台帳の参加者が有限であり、容易に識別可能でなければならないという制約があります。見知らぬ顧客のデータベースが常に変化している配送会社は、ブロックチェーンの候補にはなれないかもしれません。信頼できるサプライヤのグループが有限で、ゆっくりと変化する製造作業が良い候補になります。

トレーサビリティの強化。ブロックチェーンは、サプライチェーンの透明性を向上させ、拡大する規制や消費者情報の要件に対応するための優れたツールを提供することができます。例えば、ブロックチェーンは、医薬品サプライチェーン安全保障法や米国食品医薬品局からの固有のデバイス識別子の義務付けをサポートすることができます。自動車産業などでは、サプライチェーン全体のサプライヤがリコールの実施に関わることがあり、ブロックチェーンは、米国自動車産業協会が発表したトレーサビリティガイドラインの実施に適したツールになり得ます。

まとめ

インダストリ4.0の基盤であるインテリジェントオートメーションの実現には、有線および無線コネクティビティのネットワーク層が増え、サイバーセキュリティの脅威がますます複雑化するなど、非常に多くの技術が必要とされています。さらに、エッジからクラウドまで機械学習を導入し、トレーサビリティや統合MESなど、リアルタイムの指標および分析をサポートしています。最後に、改ざん防止と検証可能なデータベースをサポートするために、ブロックチェーン技術が導入されています。