チャプター記事を開く

テクノロジー

【ウェビナー】160社のトップに聞いた!日本を含む世界中の産業が抱えるDXの課題と解決策に迫る

Cognite株式会社

概要記事を開く

書き起こし記事を開く

02:15 皆さんこんにちは。徳末です。 スピーカー紹介にもありますように、ここ20数年、私は主にシリコンバレーやヨーロッパのソフトウェアIT企業の、日本法人の立ち上げを何社か行いました。
02:34 今回のこのCOGNITEのソフトウェアは、私の経験の中でも一番面白い潜在的な製品だと思います。 今日非常に多くの方々にご参画いただいておりますが、その中の多くの方が製造業のお客様やプランターやプラント、工場の建設や設計、あるいは運営に携わっておられる方々、そして建設設計にアドバイスをされている方々です。
03:05 先ほどビデオを見ていただきましたが、製造業の心臓部ともいえるプラントあるいは工場といった、従来の重厚長大と言われる施設をどのようにDX化、つまりデジタルトランスフォーメーションをするか。 今日のレクチャーでは、デジタルトランスフォーメーションをDXという言葉で略してお話させていただきます。
03:34 まず工場のDX化、あるいはプラントのDX化の事例を見ていただきましたが、大げさな形かもしれませんが、一つのイメージを見ていただいたのではないかと思います。 ビデオにもあるように工場のDX化は、多種多様で大量のデータを使ってこのような形で見ることができるのです。
04:10 皆さんの中には覚えてらっしゃる方も居るかもしれませんが、15年ほど前、事業の“見える化”といった言葉が流行りました。 その頃のデータと言いますと構造化データ、つまり数値データを色々組み合わせてグラフあるいは表を色々作っていたのが当時の“見える化”でした。
04:34 それに比べて今見ていただいた例ですと、データ自体もその頃とは全く性格を異にしたものです。 この左上の図は、最初はGoogle Earthで大きなところから横河電機さんの甲府工場までズームインしたものです。
04:58 ズームインしたうえで、ドローンで10分ほど飛ばして撮影し、画像を組み合わせてCAD、つまりコンピュータ設計のパッケージと合わせて画像を張り合わせたものです。
05:14 右上のものはレーザーを照射し、跳ね返りを計算し距離を測って何億、何兆といったデータの中からこのような絵を構築しています。 左下の例にもありますように膨大な製造装置が入っており、その製造装置の中にはパイプやらバルブなどがついていて、またそれらにはセンサー等がつけられています。
05:44 リアルタイムに今この装置から何ボルト出ているか、あるいはどれだけの生産物が出ているかという情報を常にセンサーから発信していて、それらの情報も取り込み絞り込んでいきます。
05:56 その時に気になるデータがあれば、この装置に伴う過去の記録がすぐ出てきたり、あるいは関連する取扱いマニュアルが出てきたりなど、全ての情報を必要とする所から取り出すことがDX、デジタルトランスメーションの一例かと思います。
06:19 右下の図は風車です。 実際に海洋にあるデータと、それをベースにしたコンピューターエイデッドデザインのソフトウェアを組み合わせてAR、つまりアーギュメンテッドリアリティ、いわゆる拡張現実を構築します。
06:39 実際に海にあるのと同じような形のものが、この中で表現されています。 実際に現地にある風速、あるいは発電電力量がリアルタイムでこのスクリーン上で見ることができるのです。
06:54 風が強ければ、実は波も波打った形になります。 これをデジタルツインと言います。
07:07 10年、15年前におけるデータの見える化と比べると、そこに含まれるデータ量も数千倍、場合によっては数百万倍を軽く超えるようなデータ量になります。 膨大なデータ量を扱うIT技術は、実は従来の技術の延長線上にはありません。
07:31 全く新しい技術領域ができたのです。 ビッグデータ、あるいはAIや人工知能で扱う技術力が必須になりつつあると言えます。
07:44 このような状況を前提として、これからForresterがまとめた世界の製造業を中心とした企業の経営層、あるいは現場で意思決定をされている方々がこのデジタルトランスフォーメーション、DXをどうやって捉えているかについてご一緒に考えていければ幸いです。
08:11 実は産業界、いわゆる製造業の重厚長大の施設のデジタル化、DX化の前に、皆さま良くご存じのGoogle、Facebook、Amazonといった企業が我々一人一人のDX化、デジタルツインを作ったのです。 我々がスマホやタブレット、PCを使う度に我々のデジタルツインの精度は向上します。
08:40 GAFAと言われるGoogle、Amazon、Facebookと言った企業が、10億人20億人と言った我々のデジタルツインをネット上で構築しているのです。 そういった企業は昨日の段階で時価総額100兆円、あるいは150兆円という桁違いの企業規模にまで企業価値を形作るまでになっています。
09:06 今日のテーマである製造業の施設をDX化することでこれから製造業、特に日本の製造業が再度競争力を強化して企業価値を上げていく、その一助になれば今日のレクチャーは幸いだと考えております。
09:26 この記事は皆さんもご覧になったかもしれません。 2日前、日曜日の日本経済新聞、朝刊一面のトップです。
09:38 テスラ社がトヨタ社の時価総額を超えたという内容の記事です。 実際テスラの売り上げあるいは生産台数はトヨタの10分の1あるいは20分の1なのですが、企業価値ではトヨタを追い抜いたのです。
10:01 これは実は自動車業界だけではなく、他の分野でも同じようなことが起こり始めています。 そしてそのキーとなる要因が今日のテーマでもあるDX、デジタルトランスメーションなのです。
10:20 この記事のサブタイトルにDX元年、DXが主役と書いてあります。 西暦2020年は、日本の製造業にとってもこの記事を一種のトリガーとして、DX元年と言えるのではないかと考えております。
10:48 早速本日のタイトルなのですが、「データのコンテキスト化」「デジタルツイン」「DXの価値を向上」など、ITから離れていらっしゃる方々にとってはそもそも意味が分からないかもしれません。 基本的には3つのキーワードがあります。コンテキスト化、デジタルツイン、それからDXです。
11:16 DXは日経の記事にもありましたように、リアルのものをデジタルにトランスフォーメーションに変革していくことです。 そしてコンピュータのシステム上に出来上がるものがデジタルツインであり、それを皆さんがスマホあるいはタブレットから見ることができるのです。
11:37 では、どうして記録やセンサーの値、あるいは装置の残存価値を見ることができるのか。それを形にしたのがコンテキスト化で、先ほどのビデオの例にもありましたように、多種多様で膨大なデータを集め、見る人の目的に沿った形でまとめています。
12:13 コンテキスト化は、DXを通じてデジタルツインを構築するための基本テクノロジーのひとつと考えていただければ良いと思います。
12:25 本ウェビナーでは、これから小一時間お伝えしたいことが5点あります。 まず私のパートでお伝えしたいのは、これから申し上げます。
12:36 Forresterは世界的なIT全般の調査会社であり、色々な調査レポートを出しております。 DXに関しての全容の公開、インタビューした世界の企業、特に製造業を中心とした160社におけるDXの進捗状況、そしてDXを進捗するにあたっての問題点や課題、あるいはそれをどうやって克服していくか、といった切り口でまとめさせていただき、最後にはいくつかのレコメンデーションが出てまいります。
13:16 そして後半は、具体的に平林からData OpsあるいはAIのデータプラットフォームのお話をさせていただきます。
13:31 まずForrester自体の調査対象は、製造業を中心として特に製造業以外にも輸送、運送、運輸、あるいは電力、通信といった業界も含めた全世界、特にアメリカ、および欧州、中国、そして日本も160社の中で13社入っております。 企業規模は従業員が100人程度から2万人以上の大企業まで含めて、製造業を中心とした全世界の要の企業をカバーした幅広い調査であり、DXに対する意識調査として進めさせていただきます。
14:32 まず調査を始めるにあたり、簡単ではありますが重要なポイントである、企業にとっての優先事項は何かという質問をしています。 その答えの最初の2つは、利益の向上とコストの削減です。
14:57 今日お話しする内容は、3つ目以降です。特にデータ駆動型への移行についてです。
15:05 データ駆動型は、ITにある程度理解がある方でも、最近まではあまり聞き慣れない言葉ではないかと思います。 これは、今後DX化を進めるうえで要になる言葉です。
15:19 意思決定をするにあたって、まずは色々なデータから物事を理解し、進んでいきます。 日本のマネジメントの方々に、どのように意思決定されますかと伺うと、よく返ってくる答えが3Kです。
15:44 いわゆるきつい、汚い、危険の3Kではなく、勘と経験そして感情で意思決定するのです。 場合によっては1Dもプラスされます。
15:53 Dは度胸のDです。 3Kプラス1Dという形で意思決定するという答えが、今でもよく返ってきます。
16:03 意思決定論とはデータ駆動型、英語ではデータドリブンと言います。 データドリブン型の対極にある、という言い方もできるかもしれません。
16:19 21世紀初頭までは、今お見せしたデモにあるような高度なDX化がありませんでした。そのため、限られたデータ環境、場合によっては非常に不正確でいつのデータか分からないような環境で、経営者がどういう形で意思決定をするかと言えば、勘と経験と感情プラス度胸でした。場合によってはそれらで十分な意思決定ができていたのかもしれません。
16:54 データにあるように90%近い方々が、つまり海外の160社の中では88%の方々が実はすでにそういった意思決定の方法から、データ駆動型への移行の重要性を述べている点は特記すべきことだと考えます。 他にもユニークな顧客体験、これはようやく最近日本でも定着してきた難しい言葉ですがカスタマーエクスペリエンス、あるいはサプライヤーまで含めた大きなビジネスモデルの構築は、高度なデジタルトランスフォーメーション、つまりDXがあってこそできるものだと考えております。
17:54 次の質問では、多くの企業がDXに対して積極的に投資していると答えています。 約24%の方々が12カ月以内に投資すると答えており、また約20%の方々がすでにDXに投資されています。
18:34 さらに約40%の方々は将来に渡って継続的にDXに投資する、と答えています。 ちなみに、この資料の調査を行ったのは、コロナウイルス感染拡大前の状況です。
18:58 例えば工場の自動化、あるいはリモート制御は今の段階では、工場における3密も避ける目的として、優先度は今以上に投資項目として前倒しになっているとのお話を伺っています。 2番目に大きな投資領域は、シチズンデータサイエンティストです。
19:28 皆さんはあまり聞いたことがないかもしれませんが、通常IT領域で大量のデータを取り扱うプロフェッショナルは、データサイエンティストと呼ばれます。 MBAを取った後でデータサイエンスの知識を深めて、大きな企業に雇われるのがプロフェッショナルデータサイエンティストです。
19:56 企業側の経営層、あるいは現場で意思決定をされる方々から見ると、プロフェッショナルなITスペシャリストではなく、IT経験が深くなくてもデータを上手に取り扱える人々を必要としています。 スペシャリストは簡単に採用できるわけではなく、また給与体系も全く異なるのです。
20:30 基本的には既存の社員の中で、日々のDX化に取り組む方々の中にITの基本教育を行うことでシチズンデータサイエンティストを増やしてくのが非常に重要になると答えています。 大手のプラントあるいは工場で働く人々というと何千人、場合によっては何万人というケースもありますが、そういう多くの方々がまさにDXの恩恵を受けることが必須であり、それを経営者はシチズンデータサイエンティストという名で呼んでいるのです。
21:13 どれほどDXの重要性が増しているかについてですが、深く考えると3つの大きな項目があります。 まず機械学習とデータサイエンスは欠かせません。
21:33 限られた人材ではありますが、多種多様で膨大なデータを使うにはマシンラーニング、機械学習あるいはデータサイエンティストが必須であると強く感じられている方々が多いです。 仕組みを作った後にシチズンデータサイエンティストを増やすことで、データ自体の民主化は工場全体に広がります。
22:08 右から2番目の図で56%と出ているのは産業用データです。 これは製造業であるがゆえのデータですが、当然ながらプラントや工場は通常何十億円から何百億円、場合によっては何千億、あるいは大工場の場合であれば何兆というお金をかけた設備を作っています。
22:37 経営者から見れば産業用のデータには非常に重要な意味があり、きちんと捉えなければ真の意味での製造業におけるDX化はできないという認識を強く持っておられるのです。
22:54 製造業では、モータやポンプ、各種計測器にセンサーがついており、ここから製造業におけるデータが出てきます。 過去にも非常にたくさんのデータが生じていましたが、これまでは垂れ流しであったり捨てられていたりしていました。
23:22 機械が故障した際は担当者を呼び、部品を変えて修繕するのは一般的な状態でした。 今世紀に入り、データを溜め込むことができるようになりましたが、データを分析処理できるソフトウェアがまだ追いついていません。
23:49 データを溜めるだけで役に立っていないといった状況は、非常に深刻な問題として製造業では取り扱われています。
23:59 皆さんは覚えていらっしゃるかもしれませんが、確か10日前です。 7月4日か5日、日経新聞の朝刊一面トップに、ダークデータという言葉が出ています。
24:15 膨大な産業から出てくるデータがただ単に、日の目を見ずに使われないのは経営層から見れば、大きな問題です。このデータを有効利用してデータ駆動型の意思決定ができるようになるためにはDX化が必須になります。そのため、産業データをどのように最先端の技術で捉えていくかということは、企業の競争において優位に立つためのベースの1つになるのです。
24:55 製造業のプラントでのDX化は難しいテーマであり、大きな課題は大きく3つ挙げられます。 まずスキル、経験不足です。
25:13 スキルとは従来になかったスキルであり、経験不足とはそもそも経験がなかったため非常に難しく、限られた人材をどのように取り扱うか、あるいは中で見つけるのか外から探して採用するか、スキルを持った外部の人を利用するか。 いずれにせよ、スキル不足や経験不足をなんらかのやり方で解決しなければいけないという認識です。
25:44 もう一つは産業用データです。 どんどん溜まっているかもしれないが、データ自体を取り込むこともできなければ、仮に取り込んだとしてもデータ自体の品質が非常に悪く信用できるか分からない、という点がDX化に関する大きな問題と考えます。
26:10 3点目がITとOTの壁です。ITは比較的わかりやすいですね。 インフォメーションテクノロジーという意味です。
26:19 データ設計図に始まりフロアレイアウト等を含めた、色々なテクノロジーです。 それに対してOTはオペレーションです。
26:32 実際に工場でプラントが出来上がった後に運用していく運用側のテクノロジーで、オペレーションテクノロジーという言い方をしています。 実際のところ、この壁は本当に大きいです。
26:48 OTの方々とITの方々は、組織も違えばキャリアパスも違います。 同じものを取り扱っても表現する用語まで違うため、経営者にとっては直面する大きな課題の1つです。
27:08 この3つの課題にどのように取り組んでいくかが、約90%の方々が感じられている大きなテーマです。 これらのテーマの解決なくしてDX化は図れない、と考えていただいてよいと思います。
27:33 まずスキル不足についてです。 もっとなんとかしたいという思いが経営側にはあります。
27:43 8割近い方々が、多額の投資をしています。 先ほど申し上げたように、何十億、場合によっては何千億という投資をして作ったプラント、あるいは工場で吐き出されたデータを有効利用していきたいという気持ちがあるのです。
28:01 しかし実際には、データを取り扱うデジタル分野のスキルを持った人が居ないという問題があります。 その問題がさらにDX化のペースを遅らせてしまっていると認識しているのです。
28:16 そして3点目、日本では特に大事かと思われますが、7割強の方々が労働力の高齢化を答えています。 特に日本は、国民の平均年齢が世界の中で一番高い国として知られています。
28:36 特に工場、プラントなどにおいては高度の経験者、いわゆる生き字引のような方が居るのです。 日本ではそのような人々がここ数年で定年退職し、スキルやノウハウがうまく継承できず、工場でトラブルが発生した際には回復に時間がかかったという内容を新聞記事でもよく目にします。
29:09 高齢者であるが、熟練者である方々のノウハウや知識を継承してシステムとしてDXの中に取り込み、次の世代に継承して引き継いでいけることが必須になると企業の経営者は考えているようです。
29:41 ここにありますように、8割強の企業の方々がデータからインサイトを得ているとあります。 インサイトという言葉自体は難しいですが、最初に出てきたトピックでもあったようにデータ駆動型、つまりデータから色々なものを取り込んでから物事を判断することを指します。
30:08 判断するにあたってデータからインサイト、日本語に訳すと洞察力という表現がありますが、インサイトから事実や真実を見出してデータ駆動型意思決定に移行することが非常に重要ではあるが、なかなか思うようにいかないと様々な課題を挙げられているのです。
30:35 その問題は、最初に3つあったテーマと大体合っています。 ITとOTで統一されていない、データの品質自体が信用できない、あるいは思った時にデータを取り込めないといった問題です。
30:51 今日お聞きになっている皆さんにおいても現場でお聞きになっているかと思いますが、これらの問題を解決するのがまさにDX化であると考えていただければ良いと思います。 こういった認識を持って、DX化を進めなければいけないと思います。
31:15 そして、約50%の人々が各企業においてマシンラーニングによって大量の多様なデータを取り扱っています。 一人一人が行うというよりは、マシンラーニングのソフトウェアにデータを組み込んで進めています。
31:38 データ自体の品質が心配で、昔から言う表現で言えばガーベッジイン・ガーベッジアウトなどと言いますが、元データが悪いがゆえにマシンラーニングから出てくるデータ自体も品質が悪くなってくるのが大きな問題です。 アプリケーションというデータ自体の系列(linage)と書いてありますが、データがプラント内の色々な場所で生まれて色々なプロセスを経て、データ自体も変遷をして内容が変わっていくのです。
32:23 その問題に対する対策として、元々データが発生した時点からどのようなプロセスを経て変わっていくかを全部捉える必要があります。 このような切り口から捉えていくことが、DX化にとって非常に重要な要素になります。
32:46 この2つ目の結果にありますように29%、つまり3割以下の企業の方々がデータの品質を担保するために、外部のベンダーやコンサルティング会社あるいはプラントエンジニアといった企業等に委託するケースがあります。 データ品質を自社内でキープする、改善していくのが難しい場合にはこういった手法もあるかもしれません。
33:27 ただ逆に言いますと、7割強の企業が委託を行っていません。 データ管理を自社で全て行うのかというのも非常に大きなテーマなのです。
33:45 そして課題の3つ目の大きなテーマであるITとOTの壁についてです。 経営的に言えば、ITとOTのチームがWin-Winの関係になるにはどうしたらよいかという点です。
34:07 そのために共通な言語、共通の評価尺度を持つことが非常に重要です。 DXプロジェクトを始める前に、関連のIT・OTチームを集めてWin-Winの関係を作る仕組みが必要になります。
34:29 現状はこの円グラフにあるように、5割強のプロジェクトはITチームだけで実行されて行っています。 13%はOTチームだけで行う、あるいは自分が持つデータの枠内だけでDX化を進める会社もあります。
34:59 データのサイル化に対する問題についても進めていく必要があります。
35:18 ITとOTのコラボレーションは大きな問題です。 組織の対立、技術的なコミュニケーションの共通言語もないといった非常に深い問題なのです。
35:32 ここにあるように、様々な深い問題があります。 こういった問題があるとまず認識してからDXのプロジェクトに入るのがとても重要です。
35:58 これはトピックとして最後になります。 最先端技術をどのように取り入れるかという点で、実際マーケットには色々な最先端技術を比較的容易に取り扱えるツールや、DXを進めるためのプロセスを作るための支援ツール、あるいはスキルトランスファーを行うツールがあります。それらのツールを使い分けるために色々な方面での投資が重要になります。
36:41 全ての課題を解決するのは難しいです。 ガバナンスに対して外部へ委託すると同じように、まずはプラットフォームというのは具体的にはクラウドです。
36:58 多くのDX化を進めるにあたってのベースは、クラウドを前提として、その上にコンピュータライゼーションができるプラットフォームを使います。 なぜクラウドかというと、クラウドの中に各種のデータ、つまりガバナンスやセキュリティといった高機能が入っており、それ自体もどんどん進化するからです。
37:19 毎年進化していくクラウドの上に、アプリを構築するのは基本的な方法論です。 これを全て自社で担うと、基本的にはDX化は無理と考えていただければ良いと思います。
37:36 その他にも色々な問題が出ておりますが、時間の関係で省略させていただきます。 最後にサマリーとして、DXを進める上では今までご説明した問題と同じことが言えます。
37:57 まずIT・OTの有機的な統合が必要条件です。 そして2点目はそのための膨大なデータ、多種多様のデータのコンテキスト化ができるプラットフォームをクラウド上に乗せるということです。
38:12 最後は、それらをすべて自社で行うのではなくそれぞれ戦略的なパートナーシップを最初から意識して進めることが重要になると思います。
38:27 最後のまとめの記事として、これは10日前の日経新聞ですが記事の中にRODとあります。 つまりリターンオンデータですね。
38:39 これまでは経営の手段としてROI、つまりリターンオンインベストメント、あるいはリターンオンエクイティというものがありましたが、DX化に関してはダークデータを含めてどのようにこれまでの膨大なデータの中から価値を見出すか、そのための尺度としてDX化におけるキーパラメーターとしてRODを考えなければいけないという内容が、新聞の一面トップで出ております。
39:06 2020年を日本の製造業におけるDX元年と捉えていただければ幸いです。 これから平林より、もう少し詳しく各論に入らせていただきます。どうもありがとうございました。
39:29 私は、COGNITEのセールス&アライアンスを担当しております平林と申します。 よろしくお願い致します。
39:34 ここからは、COGNITEの製品ならびに会社の概要をお伝えしていきたいと思います。 まずCOGNITEという会社ですが、我々はAker BPというノルウェーの石油会社を親会社に持つ産業向けのデータ分析機能を提供しているソフトウェア会社になります。
39:56 昨年の5月にアメリカ法人を設立しており、日本法人は昨年の11月に法人を設立しております。 現在、世界3拠点で世界をカバーしております。
40:13 親会社がオイル&ガス系ということもあり、サウジアラムコやShell、bp、エクソンといった石油系でのユースケースから始まっておりますが、現在では電力会社や製造、海運といった業種にもユースケースを広げております。
40:38 こちらは我々の最近のニュースになりますが、いくつかあります。 一つは、我々のプラットフォームは実はGoogleのGCP上で動いているのですが、Googleのマニュファクチュアリングは製造部門でのテクノロジーパートナーということで選出いただいています。
40:57 そしてPwCとOutsystemsです。 ローコードフレームワークと言う、アプリケーション開発する際にコーディングをせずGUIベースで作れるフレームワークがあるのですが、COGNITEと合わせて3社で戦略提携をしております。製造業でのデジタルトランスフォーメーションを推進していくという目的で提携しております。
41:22 もう一つがGartnerです。 こちらも製造部門でクールベンダーとして選出いただいております。
41:31 最近の大きなニュースとしては、サウジアラムコとCOGNITEとの間でMoUを提携しております。 このMoUの中には3つの項目があります。
41:42 一つは、サウジアラムコのテキサスの製油所でコグナイトを導入していくことと、アウジアラムコとCOGNITEの間でジョイントベンチャーを立ち上げ、サウジアラビア国内のDX化を推進しています。 もう一つがオープンデータファウンデーションです。
42:09 これは我々の親会社であるAkerが行っているプロジェクトです。 あらゆる海洋データを収集して、それを環境保全に活かしていくというプロジェクトを立ち上げていますが、サウジアラムコも参加して環境保全に協力するとしてMoU提携をしています。
42:35 いくつかニュースが出ておりまして、COGNITEの知名度も少しずつ上がってきているかと思います。 我々がソフトウェア会社であることはお伝えしましたが、もう少しCOGNITEが何を提供しているかを具体的にお伝えしたいと思います。
42:59 1つ目は、我々のコアの製品である「COGNITE DATA FUSION」というプラットフォームになります。 このCOGNITE DATA FUSIONというのは、産業向けのDataOpsを可能にする基盤になっており、データサイエンティストやデベロッパーに対して意味のある有用なデータへのアクセスを可能にするプラットフォームです。
43:21 COGNITE DATA FUSIONでは、サイロ化されたデータを統合して有用なデータにすることで、データ分析や開発の専門家だけではなくて、シチズンデータサイエンティストと呼ばれる事業部門でのデータ活用を行う方にもデータの利活用を広げることが可能になります。
43:45 2つ目が、COGNITEが提供する産業向けのアプリケーションがありまして、生産性の最適化やスマートメンテナンス、デジタルワーカー、現場の作業員の方の効率化、そしてサステナビリティの実現をするための、パッケージ化されたカスタマイズ可能なアプリケーションを提供しています。
44:10 3つ目に産業DXを推進する上で、ソフトウェアの技術者だけではなく業界の専門家と組み合わさることが必要になりますが、COGNITEではGoogleやMicrosoftといったソフトウェア系のプロだけでなく、Siemens(シーメンス)やMcKinsey(マッキンゼー)といった業界の専門家の方も多く在籍しております。 ただ単にソフトウェアを開発するというだけでなく、お客様の本当の課題を解決するための製品やソリューションの開発を行っております。
44:51 COGNITEが提供する価値は3つあります。 まずは先ほどお話ししたように、サイロ化されたデータを集めてくるところから始まるのですが、そのためにCOGNITEとしてはデータを収集するためのインターフェースや、エクストラクターなどを提供して比較的簡単にデータの収集を行っています。
45:20 ただ単にデータを集めてきただけでは何も価値を生まないため、データの意味付け、関連付けと、先ほど徳末からもコンテキスト化という名前が出てきたと思いますが、COGNITEの中ではこの機械学習やAI、ルールエンジンを使ってコンテキスト化という処理を行って、データの関連付けを行っております。 さらにデータを管理する上でデータの品質管理やデータガバナンス、またはデータリネージュ関してもCOGNITEのプラットフォームですべて可能にしています。
46:05 3つ目が、先ほどご紹介したCOGNITEの産業向けのアプリケーションを使って、意味のあるデータを基に様々なデータ活用の価値を見出しています。
46:25 今の説明を図式化したものがこちらです。 左側に石油会社の例で100のデータシステム、または400万のセンサーといった数字が出ていますが、企業の中には非常に多くのデータがあります。
46:46 これが右の図のように、サイロ化されてしまってデータが分断されているのですが、AとBの情報を使って一つのダッシュボードを作る際に、このAとBを合わせた別のデータベースを作ってしまって、またその部分がサイロ化になります。 次にBとCのデータを使って分析を行うためにまたデータベースを作ります。
47:11 ただ単にサイロ化されているわけではなく、さらにサイロ化のサイロ化となりデータがぐちゃぐちゃになります。 我々はこれをスパゲティー構造と言いますが、そのような形になってなかなかデータの利活用が進んでいないのが現状だと思います。
47:27 それに対して、COGNITEとしてはサイロ化されているデータの民主化をまず行う上で、COGNITE上に全てのデータを集めます。 集めてきただけでは何も意味のないデータになってしまいますので、それぞれのデータの意味付け、または関連付けを行ったうえで、色々なアプリケーションでデータを活用できる基盤を提供しております。
48:01 先ほどから出てきているコンテキスト化ですが、例えばある危機があったとき、危機に対するセンサーやマニュアルの情報、または3Dの情報など色々な詳細情報があります。 これらは一般的にはそれぞれ別のシステムで管理されていますが、COGNITEではCOGNITE内に情報を収集した上で、関連付けを行って意味のあるデータにして活用できるようにしております。
48:34 コンシューマーの世界に置き換えると、このような形になります。 皆さんもお使いのGoogleマップは元々単なる地図の情報だったのですが、色々な会社やレストラン、または施設など色々な情報を融合して、さらに交通機関や乗換案内の情報などを付加して、それをAIや機械学習で分析したうえでユーザーの質問に対して最適な回答をしているのです。
49:09 統一化されたインターフェースを準備しているのですが、例えばそのインターフェースを使ってuberが配車のサービスのアプリケーションを、Googleマップをベースに作るといったことが簡単にできるようになっています。
49:31 COGNITEが行っているのも、これと全く同じです。 企業の中に存在しているITのデータ、またオペレーション系のOTのデータ、その中には非構造のデータもありますが、それらのデータをすべてCOGNITE上に集め、先ほどから申し上げているコンテキスト化で意味付けや関連付けを行ったうえで、様々なアプリケーションでデータを活用して価値を見出しています。
50:01 我々COGNITEが提供しているアプリケーションですが、メンテナンスの計画の最適化をするアプリケーションの「Cognite Maintain」、生産量の最適化をするアプリケーションである「Cognite Operate」、そして現場の作業員の作業を効率化するための「Cognite Infield」、こういった3つのアプリケーションをご提供しております。
50:32 次に、どのようにデジタル化のプロジェクトをPoCで終わらせずに、業務に転用していくかという点についてお話ししたいと思います。 COGNITEでは、お客様が大規模でインパクトのあるデータ活用の実現を支援するため、各企業が直面している課題解決に焦点を当てています。
50:57 お客様の課題をベースにした実用最小限の製品、つまり最低限の機能を持った製品、ミニマムバイアブルプロダクトと言いますが、それを開発して短期間で価値を提供し、さらにプラント全体や他のプラントへ基盤を変えずにスケールしていくことが重要になります。
51:25 さきほどのForresterの調査でも触れられていたように、ユースケースの業務への適用と大規模な展開には、OT・ITデータの分断やIT部門とデータサイエンティストチームの分断、そして低いデータ品質など様々な課題があります。 COGNITEでは技術的課題に対するソリューションを提供し、価値のあるユースケースの開発またはユースケースの実用への適応、組織全体へと展開することでデータ活用の価値の最大化を図る支援をさせていただいております。
52:07 次に、先ほどのForresterの調査でも様々な企業がデジタルツインへの投資を進めているという結果がありました。 デジタルツインを構成する要素について触れたいと思います。
52:25 デジタルツインのプラットフォームを構築するためには、様々な技術やソフトウェアなどが必要で、デジタルツインを構成する要素を分解すると、この右側の図のように3つの層になります。
52:40 まずデータを管理するためのインダストリーデータマネジメントプラットフォームという装備ですね。 その上にあるものが、機械学習と物理シミュレーションのプラットフォームです。
52:52 産業界では機械学習だけではなく物理の法則も重要な要素であり、ハイブリッドで活用する必要があるため、このようなプラットフォームになっています。 そしてその上にあるのが、アプリケーションの開発です。
53:10 リモートメンテナンスを行う作業員の方や現場の作業員、意思決定者などにとって必要なアプリケーションを作ることが必要になります。 これらの3つの要素を組み合わせることでデジタルツインのソリューション、またはデジタルツインのアーキテクチャーを作ることができます。
53:37 左側ではAIの観点からAIのガバナンス、データインフラストラクチャを含むAI手法、そしてユースケースアプリケーションを含むAIソリューションとありますけれども、アプリケーションの開発にはローコードを使って開発の迅速化、簡素化を図ることも重要になります。 AIまたはデータの活用を実業務に適用するためには、データマネジメントプラットフォームが大事になります。
54:14 単にデータを管理すると捉えるだけでなく、データの運用を捉える必要があります。 いわゆるDATA Opsです。
54:25 Dev Opsがコーディングにフォーカスしているのに対して、DATA Opsではデータのモデルまたはデータのガバナンスを含むデータ運用、またはデータ活用を目的としています。 最後にシチズンオックスと呼ばれる事業担当者がAI、データ活用を業務に適用することが必要になります。
54:50 これらがデジタルツインを作る要素になります。 COGNITEがどこをカバーしているかと言うと、この部分です。
55:01 インダストリーデータのマネジメント基盤からハイブリッドAI、さらにこのアプリケーションにデータを渡す部分のインターフェースまでをCOGNITEはカバーしています。 お客様のアプリケーションやお持ちのアプリケーション、カスタマーのアプリケーションを作ってデジタルツインを活用していきます。
55:30 このカスタマーアプリケーションの開発に関しては、先ほど申し上げましたが、ローコードフレームワークを使って、迅速かつ簡単にたくさんのアプリケーションを作って適用の範囲を広げていくことが必要になると思います。
55:50 このセッションの中では、DATA Opsやデジタルツインといった言葉が何度も出てきていると思いますが、ここで簡単におさらいをさせていただければと思います。 DATA Opsは利用者が必要なデータ、または分析結果を必要な時に信頼できる形で入手できるようにすることです。
56:13 DATA Opsでは、日々変化する環境の中でデータの価値や利用方法を改善するために、必要なレベルのセキュリティ、データ品質、およびメタデータを維持しながら適切な技術を活用してデータ展開の自動化を行います。 そういう意味ではDATA Opsは、データ利用者のためのデータ管理の新パラダイムとも言えるかもしれません。
56:39 そしてデジタルツインとは、物理データとデジタルデータを組み合わせたデジタル空間上に物理環境を構築するイメージです。 その中で分析を行い、機能の性能をよりよく理解したり故障予知を行ったり、またはリモートでオペレーションしたりすることで、現場に行かずに様々な作業を行うことができます。
57:13 最後にまとめとしまして、産業のデータ運用プラットフォームを構築するにあたり、必要な6つの機能についてご紹介します。 OT・ITのデータを集めるだけではなく、データ同士の関連付けや意味付けを行うためのコンテキスト化、または先ほどご紹介したハイブリッドAI、またはデジタルツインなどを実現するための3Dの情報処理機能、P&IDsや配管計装図のような非構造な処理を行う機能、またデジタルエンドツーエンドのアプリケーションなどがあります。
57:56 データを溜めるだけではなくデータの関連付けを行って使える形にするものや、データを活用する上でのパフォーマンスとスケーラビリティも重要になります。 分析結果を迅速に得るために、またはユースケースを会社全体に広げていくためにはパフォーマンス、スケーラビリティが非常に重要になります。
58:22 この3つが産業データのプラットフォームを作るための非常に重要な機能となります。 こちらは我々のお客様が開発されたアプリケーションの例になりますが、COGNITE上にデータを収集し、使える形にしたうえで様々なアプリケーションで活用されています。
58:49 ダッシュボード上に様々な情報を表示したり、3Dとデータを結び付けてデジタルツインを作ったり、または点群データなどをベースに作った3Dの情報にCOGNITE上の情報に結び付けたり、または故障予知のアプリケーションの製作をしたりなどがCOGNITE上で行われております。
59:24 最後になりますが、こちらが先ほどご紹介したCOGNITEの3つのアプリケーションです。 デモもご用意しておりますので、もしデモをご覧になりたい方がいらっしゃいましたら、こちらにありますinfo-j@cognite.comの方までご連絡いただければと思います。
59:49 また7月29日の16時から17時で、ウェビナーを予定しております。 こちらのウェビナーは「アフターコロナで注目される仮想工場」「ローコード開発で加速する工場のDXの最新事例」と題しまして、bluememe社、Outsystems社、COGNITEの3社で行います。左下にありますURLからお申込みいただけますので、ぜひ奮ってお申込みいただければと思います。

関連する動画

HOMEへ戻る

ウェビナーで、
あなたのビジネスに
もっとワクワクを。

"これから"のウェビナー情報が全てここに。

"これまで"のウェビナー動画が無料で見放題。

SNSアカウントでかんたん登録

無料で登録

ウェビナー探し、大変じゃないですか?

開催情報を集約し、
検索がカンタンに

イベント告知媒体や企業メディアで紹介されているビジネスウェビナー開催情報を、一手に収集して掲載。参加申し込みもできます。

ウェビナーを見逃したことはありませんか?

アーカイブ動画でいつでも視聴できます

過去に開催したウェビナー動画をアーカイブに残しています。気になる箇所へスキップ・巻き戻しできるので、あなたのペースに合わせたウェビナー体験ができます。

動画全部を見る時間がない!

ウェビナー動画の内容をわかりやすく要約

ウェビナー動画を視聴する前に内容が理解できるよう、章立てと要約で視聴体験が向上。気になる箇所から再生もできます。

最新情報をもれなく知りたい

編集部のおすすめ情報を毎日配信

編集部から最新のウェビナー情報や、おすすめのウェビナー情報を毎日お届け。これで大事なウェビナーも見逃しません。

オリジナル記事・動画も用意

ウェビナリスト限定ウェビナーや動画が見れる

編集部が企画した限定ウェビナーに参加できます。加えて、独占インタビューやトレンド情報など、ビジネスやウェビナーに役立つコンテンツも楽しめます。

会員サービス一覧

開催情報

  • 開催情報を毎日更新
  • 他媒体、企業のウェビナーを集約
  • Webina-List限定ウェビナーへの参加

ウェビナー動画

  • 過去開催のウェビナー動画の視聴
  • チャプター・ジャンプ機能
  • ウェビナーの要約閲覧

Webina-Listオリジナル企画

  • 限定ウェビナーへの参加
  • ウェビナー主催企業、ビジネスのキーパーソンへのインタビュー動画
  • 独占取材によるビジネス記事の発信

最新情報のお知らせ

  • メールマガジンで編集部おすすめの最新ウェビナー情報をお届け