広がるエッジコンピューテングの可能性

[Kohei_Kubo]

エッジコンピューティングが求められる背景

IoTや モバイル化の流れの中で多くのデバイスや機器がネットワークにつながり、そこから膨大なデータが生み出され、5Gがこの流れをさらに加速します。

IDCによりますと 2022年までに 550億台の機器がネットワークにつながり、また、ガートナーは、企業で生成されるデータの50％以上がデータセンターの外で生成されると報告しています。　

このような状況の中で、データセンターの外の環境 （このブログではエッジと呼ばせていただきます） で大量に生み出されるデータをいかに有効活用して価値を引き出すかが求められています。

そこでは、エッジで生み出されるデータをデータセンターやクラウドに送って分析を行うのではなく、データの生み出されるエッジ環境でリアルタイムに分析や意思決定を行い、自律的なアクションをとるというニーズが高まっています。

このような背景の中でエッジコンピューティングへの期待が高まっており、その一例として工場での状態監視や予防保全、自動運転、セキュリティやビデオ監視、購買履歴や位置情報にもとづいた顧客ごとのプロモーションなどがあげられます。

エッジ環境で処理することの利点として下記があります。

• データ発生源の近くで処理することで遅延や応答時間を短縮し、リアルタイム分析が可能
• データセンターやクラウドに送るデータ量の減少、ネットワーク使用帯域やコストの縮小
• 外部とのデータのやりとりが減るため、プライバシーやセキュリティ、信頼性の向上

広がるエッジコンピューティングの可能性とユースケース

マッキンゼー・アンド・カンパニーの New demand, new markets: What edge computing means for hardware companies (英語) というレポートには各種業界での 100を超えるエッジでのユースケースが掲載されています。これによりますと、製造やエネルギー、運輸・物流、小売り、公共、医療、農業などの広い業界での適用の可能性が見てとれます。

弊社 enterprise.nxt サイトの “生活の一部となったエッジコンピューティング” という記事には、私たちの日常生活に関わる下記のような例が書かれています。

命を救う

医療においては、少しの遅れが生死にかかわります。医療機器にエッジコンピューティングが組み込まれているのはそのためです。たとえば、欧米の先進的な医療機関では、AIによって放射線画像を分析するモバイルMRIマシンを実験的に使用し、異常を特定するのに要する時間を数時間から数分に短縮しています。エッジコンピューティングは今後、自宅での医療モニタリングや、遠隔地や地方の患者への医療サービスの提供にも幅広く活用されます。個人レベルでは、スマートウォッチやフィットネストラッカーのようなデバイスは、すでに人命を救っています。

商品を補充する

小売り業におけるエッジコンピューティングは、在庫管理から通路の清掃まで、あらゆる業務に活用されています。たとえば、米国中西部に展開する会社では、回転式の、カメラを搭載したロボットを導入して店舗の商品棚をスキャンし、在庫切れの商品を特定し、商品を補充します。他のスーパーマーケットでは、ロボットを使用して店舗の通路にこぼれた液体などの危険物を特定しています。またIoTカメラを使用して店舗に出入りするお客様の数を計測しています。

食物を栽培する

農場はもはや、昔のように風情のあるアナログな営みだけではありません。土壌に埋め込まれた湿度センサーが、いつどこに水をまけばいいかを農家に知らせます。ドローンが畑の上を飛びまわり、上空数百メートルから害虫による被害を特定します。妊娠中のウシに付けられたIoTデバイスによって出産時期を把握できます。スマート刈り取り機はコンピュータービジョンとAIを駆使して、耕作しながら小麦ともみ殻を分離します。帯域幅に制限がある地方エリアでは、精密な農業には5G接続とエッジコンピューティングデバイスが欠かせません。

日 本 のスタンシステム様は 、広範囲にわたるICTビジネスソリューションを開発しています。下記は、徳島県が運営するLED植物工場のためのSmart Plantの実証実験の事例です。

「植物工場のメリットは、気候 や場所の影響を受けることな く、高品質な作物の栽培が可 能になり、健康志向で農薬を 使用しない社会の実現に貢献 できることにあります。」

安全でより良い街 スマートシティへ

センサーによる広大なネットワークによって、都市の空気と水の汚染を測定し、エネルギーの消費を削減し、交通渋滞を緩和できます。スマート照明システムは、道路をより安全にすると同時にエネルギーコストを削減しています。また、公共の監視カメラは膨大な量のデータを生成しています。そのデータをリアルタイムで分析するには、強力なコンピューティング能力が必要となります。そのため、アトランタやチューリッヒなどのさまざまな都市では、IPベースのカメラやその他のセンサーをエッジにおける分析と組み合わせ、法執行機関が犯罪の容疑者を特定できるようにしています。

また、弊社の 『エッジコンピューティングが深い洞察を迅速に提供する』 という記事にあるedge.nxt というレポートに、エッジコンピューティングを対象とするアプリケーションについて、現在の状況と将来（2年以内）の計画を聞いた調査結果を掲載しています。

こちらを見てわかることは、現在の適用領域としてはデータの収集や分析、セキュリティや監視などの現状の把握に重きを置かれていることがわかります。今後の計画については、AIや機械学習、予防保全などの予測に重点がおかれています。　さらには、 ビデオ分析、5G MEC (マルチアクセスエッジコンピューティング)や AR (拡張現実)、VR (仮想現実) など大量、多量、低遅延でのデータ処理が必要とされるものの検討がなされており、十分な計算能力を持つエッジコンピューティングが求められています。　

エッジコンピューティングの事例

ここからは製造業を中心により具体的なエッジコンピューティングの活用事例を見て行きましょう。

E.GOモバイルでの製造におけるデジタル品質管理の最適化

製造業ではデータ収集による状態監視、そのデータを使った予防保全、さらには予防品質という取り組みが進められています。 e.Go はアーヘン工科大学を発祥とするドイツの小型電気自動車のスタートアップで、第4次産業革命（インダストリー4.0）のコンセプトをもとに最新工場での生産が行われています。このビデオでは、e.Goの成長に伴い、HPE とPTCがビデオ分析や AR (拡張現実) などのテクノロジーをエッジコンピューティングと組み合わせて品質チェックや品質向上に貢献している取り組みを紹介しています。字幕を日本語にして是非ご覧ください。

OTとITの融合によりリアルタイム分析を可能にし、製造プロセスにおいて効率と生産性の向上を実現したSeagate社の事例

ストレージデバイスメーカーのSeagate Technologies社は、製造ラインにIoTセンサーと人工知能を使用して機器の故障をリアルタイムで予測しています。ツールが故障する前に保全措置をとることで、メンテナンスのために生産ラインを停止する必要がなくなると同時に、潜在的な製品の欠陥も最小限に抑えることができます。エッジコンピューティングは第4次産業革命（インダストリー4.0）に不可欠な要素となります。

HPE製造部門における品質保証の事例

サーバーの製造ではコネクターは正しく確実に挿入し、ジャンパーやスイッチの設定も正確に行われなければなりません。　通常、品質保証は人間が行うものでしたが人間の目は細部まで一貫して見ることができません。人間の2つの目を高解像度のカメラに置き換え、合否判定をAIで行うことで、より詳細にエラーを把握することができます。　完成したサーバーが流れてくると、5つの異なる角度から撮影し、 1台のカメラで約7Mバイト、5台のカメラで約35Mバイトのデータを作成します。　このデータをニューラルネットワークでパターン認識し、合格か不合格かを判断します。 このようなAIは、データセンターやクラウドで実行することもができますが、品質の合否判定を数秒で行う必要がある中で35MBのデータをデータセンターやクラウドに送ってリアルタイムに処理するには時間がかかりすぎるという問題がありました。  そこで HPEでは、エッジコンピューティングの採用により、最終製品の合否判定にかかる時間を21秒から1秒に短縮することができました。　品質保証プロセス短縮されたことで、組立ラインの生産性が向上しただけでなく、不具合の見逃しや誤診の数も減少しました。　

こちらに関連した詳細情報は、下記の事例でもご紹介しています。
欠陥ゼロを現実に - Relimetrics社の事例

HPE、史上初の宇宙空間における商用エッジコンピューティングとAI機能により、宇宙探査を加速　（プレス記事）  

国際宇宙ステーション用のエッジコンピューティングシステムであるHPEのSpaceborne Computer-2を宇宙飛行士や研究者がエッジでのデータ処理に利用し、洞察を得るまでの時間を数ヶ月から数分に短縮します。　

また、下記のビデオも字幕を日本語にして是非ご覧ください。

エッジでのAI活用

 上記でエッジにおける AI / 機械学習の活用事例も幾つかご紹介しました。その場合、予測や推論のモデル作成には、高速な計算処理能力が求められるため、中央のデータセンターやクラウド環境で実施されることがあります。そして、そこで作成された予測モデルをエッジ環境に展開し、エッジでのデータに適用することで推論を行い、その結果に応じてアクションをとるというのが一般的な流れです。したがって、エッジでの AI / 機械学習の活用には、エッジからクラウドにわたる環境でデータを処理するデータパイプラインや、データを保存するデータレイクの構築が重要となります。

では、データモデルを作成するためにすべてのデータを中央のデータセンターやクラウドに送ることが難しい場合にはどうすればよいのでしょうか？　たとえば、各病院の医療データをもとに病気かどうかを判定する推論モデルを作成して、そのモデルにもとづいて各病院で判定を行うというケースを考えてみます。一般的には、各病院の個人の診療データは秘匿性が高く外部に共有、転送することが困難です。

HPEの中央研究所では、このような課題を解決するため、スウォームラーニング (Swarm Learning) という、分散データから精度の高い推論モデルを作成し、ブロックチェーンにより安全にプライバシーを保護する 分散型機械学習の仕組みを開発しました。　

スウォームラーニングでは、エッジでモデルの学習と学習済みのモデルによる推論の両方が行われます。スウォームラーニングの分散アーキテクチャーでは、連携する機械学習ノード間で、rawデータの代わりにモデルパラメータ情報のみが共有されるため、データセキュリティとプライバシーが大幅に強化されます。　詳細については、次回以降のブログでご紹介したいと思います。

関連情報

オンデマンドオンラインセミナー

エッジからエクサスケールまでのエンタープライズAI の実現方法
こちらは5月3日に全世界で実施された World Watch Webinar シリーズの日本語版のリプレイ動画です。
エッジにAIを導入する方法や洞察をHPEと451 Researchからご紹介します。

enterprise.nxt の関連記事

産業用IoTエッジでAIはどのように機能するのか
OTとITが衝突するとき: インダストリアルエッジにおけるコンバージェンスの管理
インテリジェントエッジの導入
インテリジェントエッジ: その本質と役に立つ理由
エッジコンピューティングによるデジタル変革の推進
AIに対応した物体検出テクノロジーによる生産プロセスの自動化や、エッジサーバーでの機械学習モデル実行で第4次産業革命を推進
製造のエッジにおけるITとOTの融合で生産性が大きく向上
エッジはマンゴーの皮に: 環境発電とIoT
生活の一部となったエッジコンピューティング
理想のスマートシティを目指して: Q&A

寄稿者

久保 耕平

Hewlett Packard Enterprise において、ヨーロッパ、アジア・太平洋地域のインダストリ・ワークロードマーケティングチームに所属し、HPEのエッジからクラウドまでのソリューションを推進