IoTと人工知能（AI）が新しい価値を生み出す、ビジネスイノベーションを支える日立の取り組み　MCFrame Day 2016

東洋ビジネスエンジニアリング（B-EN-G）が主催する、MCFrame Day 2016の壇上、IoTとAIに関する日立の取り組みについて聞くことができた。

【登壇者】
株式会社日立製作所　情報・通信システム社
ITプラットフォーム事業本部　IoTビジネス推進統括本部
桝川　博史氏

講演の冒頭、「IoTは、可視化・分析によって新たな価値を生み出すことが重要で、単にインターネットにつないでみているだけでは意味がない。見える化はモノをインターネットにつなげばできることだが、社会に提供される価値を実現できてはじめてIoTが実現できているといえる」のだと述べた桝川氏。

日立は社会インフラに高度なITを組み合わせることで、社会イノベーション事業を実現しようとしており、具体的には、再生可能エネルギーや都市の安心・安全、鉄道システムなど、様々な分野でITをOT分野で活用しているということだが、今回の講演では、こういった多くの事例から実際に効果を上げているコトについての説明があった。

新しい価値を生み出すIoT, AI

まずは、IoTに関するモデルについてだ。IoTは、センシングデータをあつめて、業務システムまでの垂直に統合することで一気通貫にやりきることで、新しい価値が生まれるということだ。分析やデータをただ集めるだけではなく、業務システムまで汲み上げ、それをさらに現場にフィードバックすることで現場の状態が変わり、次の価値が生まれるというのだ。この、フィードバックのスピードを速くすればするほど、価値がどんどんあがるので、速く回すべきだという。

いろんなものをつなげる仕組み

実際に日立がIoTサービスを立ち上げる際、以下のようなことを考えているということだ。

センサーのレイヤ

日立では、IoTはリアルなモノを設置するので、メンテナンスを考えたり、簡単に設置できるということを重要視しているということだ。また、設置前にはデータを入れず、設置後利用する時だけ、データをクラウドからダウンロードするという仕組みを実現することで、盗難の恐れも無くすという工夫もしている。さらに、太陽電池を利用するなどといったこともセンサーを作る際に考慮しているということだ。

ネットワークのレイヤ

現場で取得する情報を一旦ハブに集める際は、認可が不要な帯域を使って通信をすることで、誰でもサービスを行うことができるという工夫をしており、現場であつめた情報はクラウドにアップロードする必要があるので、そこはキャリアなどのネットワークと接続しているということだ。

こういった基本的なことをきちんとやることは非常に重要だといえる。

事例：農業IoT

ここからは、事例に基づく話があった。まずは、農業IoTについてだ。昨年話題になったので知っている人も多いかもしれないが、ソフトバンクグループと共同で作った「ekakashi」は、温度や湿度、肥料の状態を監視できるというモノだ。

なぜ、今、「農業なのか」というと、TPPによって農業の国際競争力を上げていかなければいけないという背景があるからだという。補正予算のなかでも3,000億円から4,000億円の投資が見込まれていて、効率を上げるためには、屋内、屋外といった様々な環境で生産性を上げる仕組みを作っていく必要があるというのだ。

事例：インフラ設備のメンテナンス

また、インフラ設備の故障を早めに感知して、予防保全をするというメンテナンスを実現している事例も紹介された。

JR東日本で、常磐線に実際に適用されている事例だが、「き電線」という、電気を供給する電線があるのだが、それが風で揺れてよく切れるのだ。切れると1日くらい電車が止まってしまうという背景から、センサーを開発したということだ。

このセンサーは、「き電線」の温度や張力を計測することができる。温度は、線が細くなってくると抵抗値が増え、温度が徐々に上がってくる。そこで、温度を蓄積していくと線の異常が事前に検知することができるということだ。

電源供給のために、センサーには、太陽電池がついているのだが、なるべく電池は使いたくないので、電波は通過する電車に送り、そのデータを電車で補足することで、データ伝送の負荷を軽減しているというのだ。

しかし、これらの２つの例はどちらもセンシングをするIoTとしては興味深い事例だが、ビッグデータや人工知能（AI）を利用することで、もっといろんなことができるのだ。

日立が考える、人工知能の主なタイプ

従来のデータ分析の課題は、人間が仮説を立てて、仮説を検証するというものだった。しかし、最近の分析は人間の想像を超えたところを分析するというところがこれまでとは違ってきているというのだ。つまり、専門家でも思いつかないような仮説をコンピュータが立案するということろが違う。

そこで、日立における人工知能（AI）の、３つのタイプが紹介された。

質問応答型

自然言語を認識して、データマイニングをしたりしつつ、ある答えをだすというタイプだ。

パターン識別型

人間の顔画像や人の声といったアナログデータを識別するタイプだ。

運転判断型

時間が経過すると蓄積されるデータについて、相関関係を数学で処理、判断に必要な情報を提供するというのだ。

「運転判断型」の人工知能が一番商用化に近いということで、Hitachi AI Technlogy というサービスを始めたということだ。

事例：ホームセンター

実際に、この人工知能を使った事例も紹介された。どういう事例かというと、お客様と従業員にセンサーをつけて店内を動いてもらったところ、地点Aに従業員がいることと、なぜかはわからないのだが顧客単価上がるという相関があることがわかったというのだ。

そこで、店員をA地点に居続けることで、実際に15%顧客単価が向上するという結果がでたということだ。

なぜなのか？を説明することは難しいのだが、推測するとその地点に店員がいることで顧客の回遊が向上したからではないかと考えているということだ。

こういった、なぜかわからないが、結果が伴うというのは、人工知能（特にディープラーニング）の特徴だといえるだろう。

事例：コールセンターの受注率

また、コールセンターのオペレータにセンサーをつけて状況をみたところ、休憩中の活性度が、実は受注率に相関があるということがわかったというのだ。

そこで、休憩スペースに同じ年代で話題が盛り上がるような工夫、雑誌を置くなどをやったところ、受注率が13%向上したというのだ。

製造業へのIoTと人工知能（AI)の適用

続いて、製造業におけるIoTと人工知能（AI)を使った業務改善についてだ。

製造業においては、材料発注から、売上回収されるまでが一つのサイクルだが、部品を発注した後、売上が上がるまでの間に材料費用を支払わなければならないことが多い。まだ売り上げが上がっていないのだから、当然、前払いすることになる。しかし、この前払いする期間は、なるべく短くしたいものだ。

この先払いする期間を、目標とする経営指標とし、キャッシュコンバージョンサイクル（CCC)と名付け、製造業における運転資金の必要な期間を指標化したというのだ。

製造販売のバリューチェーンを考えると、納期前倒しや、需要増といった様々なリスクがある。そこで、部品を多めに買っておこうとするのが通常だが、経営者からしてみれば「リスクを見える化したい」、「納期延伸を把握したい」などといった想いがある。そこで、人工知能（AI）を使ってCCCを短期化することでなるべく無駄なコストを省くことができないかと考えたというのだ。