【学会1】

2401_ガスタービン学会誌

環境が大事になるでつなぁ~

2312_計測と制御

信号処理は,センサから得られる信号から目的とする成分のみを抽出したり,必要なパラメータを推定したりするために欠かせない技術。
古くから科学技術の幅広い分野で活用されてきたでつ。
計測分野においても,センサの高度化と低コスト化によりさまざまな信号の収集が容易になり,信号処理技術の重要性が増しているでつ。
膨大な学習データに基づき…
データに内在する複雑な関係性をブラックボックス的に獲得する機械学習と比較するでつ。

信号処理は,対象とする信号の物理的な生成過程や観測過程を捉え,これを適切にモデル化することで,最適性の追求,高い解釈性,
バイアスフリーな推定を可能にしているでつ。
それゆえ,信号処理には対象に応じた多様な手法が生まれているでつ。
計測における信号処理技術の新展開とその応用は,このような背景を踏まえいるでつ。
多チャンネルブラインド音源分離の進展は,ブラインド音源分離に関するでつ。
未知の混合系から得られる多チャンネル観測から元の信号を復元する枠組みとして独立成分分析が有名。
音の伝搬は時間遅れを伴い畳み込み混合となるため,単純な独立成分分析では分離することができないでつ。
音響分野では畳み込み混合に対するブラインド信号分離のため,独立ベクトル分析といった新たな枠組みが発展。
この手法は,原理的には音に限らず,線形時不変な混合をもつ任意のセンサ信号に適用可能。
よって,ほかの計測分野への応用を期待し,その定式化と解法についてまとめているでつ。
また,効率的な反復解法を導出する際に補助関数法という最適化の枠組みを用いているでつ。
有理指数信号:計測パルス波形の統一モデルとその短時間厳密パラメータ推定は,計測パルス波形の微分方程式モデルとそのパラメータ推定法いるでつ。
ガボール波,ガウス包絡チャープ波といった一連のパルス波形が,時間多項式係数をもつ微分方程式により統一的にモデル化されるでつ。
また,荷重積分法による短時間観測からのパラメータ推定の直接代数解法があるでつ。
伝搬過程や反射等で計測パルスの波形が変化する場合,従来の整合フィルタでは検出性能が低下するでつ。
手法は,パラメータ変化をむしろ情報として抽出する方法論。
新しい計測手法の創出につながることが期待されるでつ。
多重反射環境に適用するため,パルス圧縮との併用でつ。
ガウス包絡チャープ波同士の相互相関が再びガウス包絡チャープ波になるという性質が個人的にはきわめて興味深く,有理指数信号のもつ望ましい性質の 1 つ。
脳波計測と信号処理,機械学習の基礎と実践は,脳波計測を対象とした信号処理でつ。
脳波についての概説やその計測方法から,与える感覚刺激と脳波の同期,脳波に生じる特徴など,信号処理の前提となるでつ。
脳波の分類を目的とした機械学習でつ。
脳波計測では多点計測により大きな信号次元の観測が得られるでつが,一方,画像や音声と異なりビッグデータを用いることができず、脳波の個人性も強く影響しているものと想像するでつ。
十分な学習データを確保できない問題があるでつ。
この困難さへの対処として,脳波を共分散行列で表現し,半正定値行列のなすリーマン多様体上でデータを扱う手法。
他分野にも新しい視点を与える独特なアプローチでつ。
Wi-Fi チャネル状態情報 CSI を用いた生体情報の取得は,Wi-Fi 信号のチャネル状態情報を活用し,屋内における人の呼吸数や心拍変動を推定する技術。
Wi-fi のチャネル情報から生体情報が推定できるという応用の面白さに加え,信号処理としては,VMD と呼ばれる手法により,計測信号を狭帯域なIMF に分解する手法。
といろんな手法や方法を検討してるでつ。
計測制御の世界は。情報技術と並行して進んでいるでつなぁ~

2311_計測と制御

電気自動車どこまで普及するのかなぁ~

とくに計測制御技術は重要だなぁ~

さて、システムエンジニアさんの腕の見せ所だなぁ~

2310_計測と制御

モデリング技術はAIの進歩でかなりいきそうでつなぁ~

2306_ガスタービン学会誌

今回は、再生可能エネルギーでつなぁ~

2309_計測と制御

制御工学発展・応用を支えるのためソフトウェアベンチマーク。

パソコンのスペックを知りたいときに役立つベンチマークソフト。

パソコンの自作経験者や企業が、パーツ性能を数値化するために利用することが多いベンチマークソフト。

パーツ単体のベンチマークソフトがメジャー。

パソコン全体の総合スコアも数値で分かりやすく比較できる便利なソフトもそろっているでつ。

ベンチマークソフトといっても、いろいろな種類があるでつ。

それぞれの使用目的に合わせて、最適なソフトを選ぶでつ。

パソコンパーツを交換する際に、交換前後のスペックを比較したいのであれば、交換するパーツに合わせたベンチマークソフトを選ぶのがいいでつ。

多機能型にするよりも、HDD・CPUなどの各パーツの測定に特化したソフトがおおでつ。

各ベンチマークソフトがどのパーツに対応しているかは、ダウンロード先で見ることができるため、目的のベンチマークがとれるソフトを選べばOK。

また、ベンチマークソフトによって結果も変わってくるため、期間をおいて比較するときなどは、必ず同じソフトを利用するように注意。

制御系設計で広く使われているソフトウェアはMATLAB。

そのライセンス費用は一部のユーザーにとっては高額。

そのため、MATLABの代替となるフリーまたはオープンソースの制御系CADソフトを探すでつ。

そのような方々のために、Scilab,GNU Octave,Python,Juliaといったフリーまたはオープンソースの制御系CADソフトがあるでつ。

これらのソフトウェアは、基本的な制御系解析・設計を行うための専用コマンドが提供されており、MATLABと同様の機能を提供。

だけど、この中でどれを使うのがよいのかというと、難しい。

ちなみに、ベンチマークソフトとはゲーム内のキャラクターやマップなどを実際に表示して負荷をかけることにより、動作の目安となるスコアを計測し、ご利用の環境にて「BLUE PROTOCOL」が快適にプレイすることができるかを確認するソフトウェア。

制御系のソフトウェアは、難しいでつ。

2305_ガスタービン学会

航空業界における脱炭素化に向けて、持続可能な航空燃料の導入圧力が高まっているでつ。

欧州連合は2030年にSAFの5%導入を義務化する方針を掲げ、国内でも経済産業省が2023年5月に、

2030年から日本の空港で国際線に給油する燃料の10%をSAFにすることを石油元売りに義務付ける方針を示したでつ。

経済産業省は、2023年度中にエネルギー供給構造高度化法の政令改正を目指す見通しでつ

こうした義務化が進むなら、国産原料をもとにして国内で製造される国産SAFの供給体制を整えることが欠かせないでつ。

化石燃料をはじめとして資源に制限があるわが国では、可能な限り国産SAFの割合を高めておくことが、

経済安全保障・エネルギー安全保障などの観点から重要。

政府としても、海外から輸入した原料由来の輸入SAFだけでなく、国産SAFの開発・製造を推進も重要施策と位置付けているでつ。

2022年3月に有志の民間事業者が設立したACT FOR SKYも、国産SAFの安定的な供給に向けて原料調達からSAF供給までの安定的なサプライチェーン構築に取り組む方針。

ただ現実には、石油元売りを始めとした国内企業の多くが、輸入SAFの調達・供給体制の構築を先行して進めているでつ。

国産SAFは原料の量や製造拠点の規模に制約があることから、製造コスト及び販売価格が割高となってしまうでつ。

化石燃料由来の航空燃料に比べて、輸入SAFですら約2倍以上の価格差があるでつ。

国産SAFではさらにいっそうの価格差が生じることが予想されるでつ。

SAF供給者による製造規模拡大とSAF需要者による導入拡大は、所謂「ニワトリータマゴ」の関係にあるでつ。

上述のような供給サイドでの義務化や、国産SAF供給に向けて、広範なステークホルダーを巻き込んだ体制構築をで述べたサプライチェーン整備が必要となるでつが、航空事業者や旅行者が価格の高さから国産SAFの使用を敬遠すれば、その普及が進まない可能性も十分考えられるでつ。

こうした課題克服のためには、国産SAFの持つ潜在的な価値を顕在化させ、消費者に対して訴求することが欠かせないでつ。

国産SAFへの認知や理解が十分とは言えないため、国産SAFの認知と理解を広め、国産SAFに対してお金を払ってもよい、

あるいは率先して国産SAFを使いたい、という旅行者を増やすことが必要。

このとき、消費者個人の自主的選択に委ねるばかりでなく、一定規模のまとまった需要を持つ教育機関・企業・団体旅行者等に

率先して働きかけを行うことが現実的かつ効果的だと考えられるでつ。

国産SAF市場を開拓する具体的な策として、SAFの一連のサプライチェーンを身近に感じる旅行体験を、教育機関・企業・団体旅行者等への提案することが

手掛かりになるでつ。

SAFは、生活の中から生じる廃食油、古紙、家庭ごみ等を原料として作り出すことができるでつ。

生活者自らが身近に原料の提供・回収からサプライチェーンの一端に関われる側面が、国産SAFにしかない特長だといえるでつ。

そこでは、旅行会社の企画構想力や実行力に大いに期待したいでつ。

全国の中学・高校では、環境教育やサステナビリティ教育が既に取り入れており、これらの一環としてSAFについて学ぶ機会を提供するとともに、SAFを搭載した飛行機を用いた研修・修学旅行の機会を提供することも現実的な策として考えられるでつ。

これらの一連の体験価値が観光資源もなり得るでつ。

実際に、大阪国際高等学校とJTBは、SAFを搭載したフライトでの修学旅行実施。

その先には自分たちで集めた廃物でSAFを作り、それを燃料に飛ぶ修学旅行というアイデアもありうるでつ。

また、民間企業による脱炭素化に貢献するビジネスと結び付く可能性も秘めているでつ。

SAFの原料の中でも、先行して利用が進む廃食油を例に挙げると、不動産事業者やデベロッパーが主導し、マンション・団地の住民から廃食油回収の仕組みを作るでつ。

 

協力した家庭に対してはグリーン・マイルを付与して、サステナブルな旅行体験の機会を割安で提供するようなインセンティブ設計も考えらえるでつ。

こうした仕掛けを通じて、生活者サイドからも、SAFの原料提供やSAFを利用したフライトの利用促進が進むことが理想。

 

上述のような仕掛けにより、教育機関の「環境教育」の一環として「SAF」が取り上げられ、学校・家庭内の会話を通じて友人・家族がSAFに関心を持つことで、消費者個人の自主的判断でSAFが選択されていく状況が生まれていくでつ。

 

供給サイドの原料回収・製造過程の改良、需要サイドの認知・理解の醸成とハードルは高いるでつが、々からの歩み寄りをカギに、

国産SAF市場急拡大のタイミングが少しでも早まることに是非とも期待したいるでつ。

そいとSAFでの燃焼とか安定性と安全性の検証も必須だなぁ~

2308_計測と制御

工場などで使われている従来のロボットには、あらかじめ決められた動きやルールに従って動作する位置制御が多く用いられているでつ。

位置制御は想定外の状況に対応することが難しく、多種多様な製品を臨機応変に扱うような用途には向いてないでつ。

ここで様々な状況への対応を可能にする触覚センサーが登場。

触覚センサーは人間の手などに備わっている触覚が感じとる情報を検出し、電気信号に変換する部品。

物を掴んだ状態や表面の質感、距離などもリアルタイムに感じとることができるでつ。

従来のロボットでは難しかった臨機応変さが求められる作業や、多種多様な製品を確実に掴む動作ができるようになるでつ。

触覚センサーは大別して力覚センサー、すべり覚センサー、近接覚センサーにわけられ、その中にも様々な種類があるでつ。

今回は代表的な触覚センサーとそれぞれの検出原理を解説。

力覚センサーは力(圧力)やトルクの大きさ、向きを検出することのできるセンサー。

触覚センサーの基本となるもので、ロボットハンドで物を掴んでいる状態を検出したりロボットが行っている作業の状況を把握したりすることができるでつ。

ここからは、さまざまな方式の力覚センサーを紹介。

力が加わった際に一定の関係で電気抵抗値が変化する物体を用いて力の大きさを検出する方式。

ひずみゲージを用いたロードセルが代表例です。抵抗値の変化は非常に微小でつが、アンプで増幅して比較的大きな電圧変化に変換し読み取るでつ。

ロードセルは単軸方向の力の大きさのみ検出できるでつが、近年では3軸方向とその軸回りのトルクも測ることのできる6軸力覚センサーなどが利用されているでつ。

ひずみゲージ以外では感圧導電性ゴムを使う方法があるでつ。

基材であるゴムの中に導電材を分散させた構造で、力によって変形するようになっているでつ。

変形すると導電材同士の接触量が増し、電気抵抗値も変化するため力の大きさを求めることができるでつ。

いずれの方法も回路構成やセンサー構造が簡単で耐久性も高くできるでつ。

力によって静電容量が一定の関係で変化する構造を利用し、力の大きさを検出する方式。

原理は電子部品のコンデンサーと同じ。

2つの平行に対面させた導電体間に電圧を加えると電荷が蓄えられるでつ。

電荷が蓄えられる量を静電容量とよぶでつ。

静電容量は導電体同士の距離によって変化。

力の大きさに応じて導電体の距離が変わる構造を設けることで、静電容量の変化から力の大きさを求めることができるでつ。

電気抵抗式と同様に構造が簡単で小型化や多点化、多軸化が可能。

力が加わった際に電圧を発生させる圧電素子を用いて、力の大きさを検出する方式。

水晶やPZT(ジルコン酸チタン酸鉛)などの物質は圧力を加えることで電気分極が発生し、表面に電圧が生じる圧電効果を持っているでつ。

その特性をセンサーに応用し、力によって発生した電圧の高さを計測することで力の大きさを求めることができるでつ。

ほかのセンサーと比べ高い剛性を持ちながら、高感度を両立させることができるのが特徴です力が加わる箇所に模様をプリントしておき、力による模様の変化を光学センサーで検出して力の大きさを求める方式。

事前にどのような力が加わると模様がどう変化するのか、関係性を明らかにしておく必要があるでつ。

ほかの方式と比べセンサー内部に複雑な回路が不要で、耐環境性が高いことが特徴。

2307_計測と制御

産業社会は、かつてない変革の波にゆれ動いているでつ。
世界規模の感染症拡大や、この先の日本における人材不足の激化といった環境変化の激しいVUCA時代では、社会全体のデータとデジタル技術の必要性と活用が拡大していくでつ。
このような環境の中で、企業が持続的な活動を行っていくためには、データやデジタル技術を活かして素早く社会に適応していくことが求められるでつ。

持続可能な社会の実現と持続的な企業グループの成長を両立すべく、工場などの現場で抱える省エネ、省人化、安全・安心といった様々な課題に対して“センサ”の提供を通じて課題解決を図り、IoT化・AI化されていく産業界の下支えを担うでつ。
デジタルトランスフォーメーションは計測の世界でも必要になるでつ。
ちなみに、DXとは、スウェーデンのウメオ大学教授エリック・ストルターマン氏が提唱した概念。
一般的には、デジタル技術を用いて、さまざまなものに変化をもたらし、人々の生活を豊かでよりよいものへと変革するという意味。
ビジネスシーンにおけるDXとは、AIやビッグデータなどのデジタル技術を駆使して変革を起こし、新たな価値を創造するなど、最終的に競走場の優位性を築くことと捉えられているでつ。
経済産業省では、DXを以下のように定義。
企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。
DXへの注目が高まり、企業としてもDX化が必要とされている一般的な理由には以下のような点。
 ・市場や消費者行動の急速な変化に対応
 ・業務効率化によって人材不足を解消
 ・レガシーシステムによるリスク回避(2025年の崖)
 ・自然災害や感染症など不測の事態への備え
DXを進めることで、さまざまなリスクを回避できるようになるとされているため。
製造業の就業者数は、2002年から2020年の間に157万人減少しており、人手不足が大きな課題。
そのような状況の中、DXは限られたリソースを有効に活用することができると注目。
例えば、デジタル技術を活用し従来手書きで行っていた作業を電子化することで、業務を効率化し労働時間を削減することができるでつ。
また、IT技術の活用やロボット・機械の活用によって製造現場の自動化を実現できれば、生産性が大きく向上するでつ。
計測データを駆使して、AIを活かすとかもあるでつ。
製造業では、熟練技術者のノウハウなどの情報が、属人化してしまっていることも課題となっているでつ。
特定の担当者しか把握していない情報があると、担当者が休暇、退職、病気などで不在になった場合、製造工程が滞ってしまうこともあるでつ。
そうした情報をデジタル化し社内で共有することで、業務のブラックボックス化を防ぐことができるでつ。
そうすれば、業務が滞り生産性が低下するリスクは少なくなるでつ。
また、情報の共有により他拠点での作業も標準化できるといったメリットもあるでつ。
作業を標準化をすることで、品質のバラつきがなくなるという効果が期待できるでつ。
こうした理由から、DXは製造業における人手不足を解消できると期待されているでつ。
製造業のDXではどのような取り組みが考えられるのでしょうか。大きく分けると以下2つの方向性があるでつ。
業務・ノウハウのデジタル化
IoTの活用によるスマートファクトリー化
工場など製造業の現場においては、これまで手書きでの作業記録や紙のマニュアルが一般的。
近年では、紙媒体で管理していた以下のような業務やノウハウをデジタル化することで、製造業でもペーパーレス化が進んでいるでつ。
図面のデジタル化
在庫管理のデジタル化
作業日報のデジタル化
点検表・品質管理のデジタル化
技能伝承・人材育成のデジタル化
例えば、工作機械や産業用ロボットなどの製造・販売メーカーである芝浦機械株式会社では、熟練者の製造技術やノウハウを動画マニュアルとしてまとめるでつ。
動画マニュアルは、文章でマニュアルを読むより理解しやすく、作業を早く覚えられる傾向があるでつ。
人手不足による人材育成が課題となっている製造業において、このようなデジタル化の取り組みが課題解決の一つの方法だと考えられるでつ。
スマートファクトリーとは、 AIやIoT技術を取り入れて生産性を高めた工場のことで、近年注目を集めているでつ。
IoTとは、モノをインターネットに接続する仕組みのこと。
こうした技術を活用して製造工程をネットワーク化、取得したデータを分析して自動化を行うでつ。
例えば、以下のような項目が挙げられるでつ。
温度など工場環境管理の自動化
機械の稼働情報の見える化
機械の不具合を自動検知
製造計画の自動化
製造工程のデータを収集し製造現場を“見える化”することにより、製造スケジュールや生産量などを最適化することができるでつ。
そうすれば、少ない人員でも成果を上げられるようになるでつ。
技能伝承では直接口頭で指導するOJTがよく行われるでつが、高齢化により教える側の人材も不足しており、なかなか十分な時間が取れないのが現状。
さらに、コロナ禍によりOJTでの指導も難しい状況になり、技能伝承や人材育成のデジタル化の重要性はますます高まっているでつ。

2306_計測と制御

海中も謎が多いでつ。

レーザの有効活用だなぁ~

さて海底の神秘が明かされるでつ。

2305_計測と制御

近年,ロボット分野や人工知能分野では,研究開発された技術を基盤としたシステムを,日常生活の支援や安全安心な社会実現や新しいサービスの提供等のために社会実装を行う取り組みが盛んに進められているでつ。

ユーザがシステムの利活用,導入を検討する際には,想定する使い方,サービスに関して充分な性能をもつものや比較的優れた性能をもつものを客観的かつ容易に把握,確認できることが重要となるでつ。

一方,一般的にシステムは要素技術が統合されて構成。

 

構築されていることから,一口にシステムの性能といっても,内在する要素,処理系の複合的な関与によって機能するといえるでつ。

そのため,単純なスペック表等で判断することが容易ではない場合があるでつ。

このような背景から,システムのもつ機能の特徴を明らかにするための性能評価法の開発が,現在各分野で進められているでつ。

性能評価法の開発には,適切な設計・設定を行うためのユーザを巻きこんだ議論,推進が不可欠であり,それが実現することで,活用ニーズを意識した,技術の高度化すべき方向を模索していくことにもつながっていくと考えられるでつ。

また,新しいシステムの性能が既存システムの性能に対してどのような点で優位であるか客観的に示すことにもつながり,開発した性能評価法がシステムの研究開発を行う対象作業やサービスだけでなく,開発されたシステムのあらたな応用可能性を見出すための物差しとして機能することが期待できるでつ。

ここで,システムの性能評価法は対象とするシステムやアプリケーションによってさまざまな設計アプローチや扱うべき事項があるでつ。

ロボット分野や人工知能分野の技術を基盤とするシステムの性能評価手法についての具体的な取り組みについての話題を集め,各取り組みのモチベーションや,設計のアプローチや考え方,開発状況および動向今後の展開等について検討するでつ。

具体的には,災害対応ロボット・ドローンの標準性能試験法の現状および標準化活動,ロボットの社会実装を目的としたロボット競技会における課題設定や性能評価法,屋外ロボットおよび安全センサの性能評価試験,自律型生活支援ロボットの安全開発ガイドラインの取り組み,自動運転車の安全性評価と国際標準化などさまざまな実世界で作業,動作を行うシステムの性能評価に関する取り組み。

あわせて,事例紹介として,安全規格を活用したサービスロボットの開発支援,自動化農業機械検査法。

システムや技術の研究開発や社会実装,当該分野の技術動向に関心をもつ SICE 会員が性能評価法の考え方,開発動向について知る有益な機会になると考えられるとともに,性能評価法開発に関心をもっていただく機会になるでつ。

AI時代へ向けて、信頼性と安全性が重要になるでつ。

2304_計測と制御

産業オートメーションも変化が激しいでつ。

COVID-19 の世界的規模での感染により,われわれの生活様式や企業活動などの社会的環境に大きな変化がもたらされていることから,その産業オートメーションへの影響に注目して,今後の計測自動制御のありかたについて考えるでつ。
世界的な気候変動に対応するための脱炭素化への取り組みを含む SDGs など,世界的な協調を求められる動きも高まってきているでつ。
雇用動向の変化による人手不足,リモートワークの普及による働き方の変革,輸送手段停滞による物流コストの増大,生産縮小による半導体等の素材の不足や価格の高騰,ICT 利用の活性化にともなうサイバーセキュリティリスクの増大などの社会的環境変化が長期化。

産業オートメーション分野においても新しい事業リスクとして対応を余儀なくされているでつ。
産業オートメーションの分野では,COVID-19 以前から,競争力強化策として IoT,AI,ロボット,ドローンなど新技術の導入がうたわれ,現在は DX としてその活用に取り組んできているでつ。
近年の社会的環境変化について俯瞰し,解説にて,日本政府が取り組む社会的な変化への展望とその取り組みやデータ流通基盤,サイバーセキュリティの最近の状況,DCS に代わるプロセス制御システムとして期待される Open Process Automation,そして感染,防疫対策。
そして,産業オートメーション分野のユーザやベンダから,リモートメンテナンス,リモートエンジニアリング,AI などの技術活用があるでつ。
COVID-19 感染は,ほぼ 3 年経った 2022 年 12 月の時点でも図 1 に示すように終結しておらず,マスクと手洗い,消毒は習慣化し,入店時等には体温測定をするのは常態化したでつが,第 8 波の感染拡大とともにインフルエンザの流行が危惧されているでつ。
スマート保安で取り上げられている AI や IoT などの新技術とともに,従来から取り上げられている自動化などの技術的課題に対する取り組みについては,COVID-19で特に進んだというより,それまでに取り組んでいたことが,この時期に役立ったでつ。
リモートによる海外プラントの点検や作業支援も,すでに所有していたモバイル端末やウェアラブルカメラが役立ったでつ。
事業継続計画については,すでに国からの要請があった新型インフルエンザに対する対応も未策定であったでつ。
策定していた事業所のすべてからは,マスクの確保など感染防止対策で有効に機能したでつ。
今後も新たな感染症のパンデミックが発生する可能性があり,事業継続計画策定の浸透が求められるでつ。
サイバーセキュリティに関しては,COVID-19 を機にセキュリティ対策の見直しを行い,サイバー攻撃による安全の破綻を認識したうえで,ホワイトリストなど新たな対策の導入も進んでいるでつ。
特に石油,化学を中心とするプロセス産業から多く集まっているでつ。
サイバーセキュリティに対する高い意識が認められでつ。
自然言語処理の AI は高度化し,世界各国の音声の聞き取り,翻訳,音声合成が身近になり,医療画像の診断も人間を上まわる性能を発揮するようになっているのも大量のデータを集められる結果でつ。
GAFAM というプラントフォーマへのデータ集中が問題にされ,プラットフォーマが管理する Web2.0 からブロックチェーン技術を駆使した分散型インターネットWeb3.0 への移行が話題になっているでつが,その観点での産業オートメーション分野での変化は,まだ見えないでつ。
データを取り扱う上で,プライバシーとセキュリティは重要で,EU の GDRPでは,データ主体の権利を侵害する行為や,域外移転の手続に反する行為に対しては,2000 万ユーロ以下か,全世界の年間総売上の 4%以下の,いずれか高いほうの金額の制裁金が科されることになっているでつ。
また,個人データの侵害があった場合に 72 時間以内に監督機関に通知しなかった場合や,個人データの取扱活動の記録を残さなかった場合などGDPR の手続違反に関する行為に対しては,1000 万ユーロ以下か,全世界の年間総売上の 2%以下の,いずれか高いほうの金額の制裁金が科されるでつ。
Google が 5000 万ユーロ(約 60 億円),顧客50 万人の個人データを流出させた British Airways は 1億 8300 万ポンド(約 246 億円)など高額な支払いを請求されているでつ。
EU は現在 GAIA-X という分散型データ連携の仕組みを推進しており,各拠点のデバイスと各社のクラウドが,IDS コネクターを介して通信し,法令やデータ利用契約の開示条件に従って,アクセス可否を制御するでつ。
特定のデータを特定の相手と特定の期間,安全・確実に共有し活用することをめざしているでつ。
航空業界や自動車業界での取り組みが進んでいて,特に電気自動車用のバッテリーは個別番号をもち,原料の採掘から製造・輸送,運用,リユース,リサイクルまで CO2 排出量が管理されなければならないという EU バッテリー規制が2026 年施行に対応できるように,リチウムの大量供給国である中国とも組んで,GAIA-X の枠組みでデータを集約できるシステムを構築しているでつ。
プロセス産業でもセパレータやさまざまな部材を提供しているが,品質が良くても,セキュリティを担保したこのようなシステムでデータを共有することに対応できなければ市場に参加できなくなると考えられるでつ。
データの管理がビジネスに大きな影響を及ぼすことを強く意識すべきでつ。
セキュリティ管理体制の重要性は、サイバーセキュリティに関しては,2021 年 5 月に発令されたゼロトラストとSBOM に言及した米国大統領令も重要でつ。
攻撃が巧妙化し,パスワードを搾取され水際防御を突破されるなど,信頼できるゾーンは確保できないという発想のもと多要素認証を導入するなどの対応を要求するのがゼロトラストで,リモートワークの進展とともに,その必要性が高まっているでつ。
制御システムネットワークでは,緊急時の対応の阻害になることを危惧し,パスワードすら利用しない体制が一般的であるでつが,水際で守り切ることは困難になっていることを意識すべきでつ。
最近のシステムは,できるだけ独自のコーディングを避け,共通のモジュールを組み合わせて開発されるが,システムにどのような
モジュールが利用されているかを示すのが SBOM でつ。
常に新たなサイバー攻撃が生まれ,開発者の配慮不足だけでなく,サイバー攻撃者の発明品ともいうべき脆弱性が 1 年に 18000 件以上報告されていて,その脆弱性をついたマルウェアは年間 1 億種類以上現われているでつ。
OpenSSL のようなセキュリティのためのモジュールにも脆弱性が報告されており,セキュア開発をしても,脆弱性を完全に排除することは不可能でつ。
そのため,製品自体がセキュアであるためには,脆弱性の発生を検知し,即座にパッチをあてるという運用が不可欠でつ。
出荷時にセキュアであることも必要。
運用が伴わなければセキュアな製品とは評価できないでつ。
SBOM は,ライフサイクルにわたって脆弱性を管理する重要な情報になるでつ。
産業オートメーション分野のベンダは製品へのサイバー攻撃が安全の破綻にもつながるので,出荷後の脆弱性管理が重要であり,内部モジュールの管理も責任をもたなければならないでつ。
組込みシステムでは利用するセンサなどのモジュールについても SBOM を管理する必要があるが,管理できないモジュールを利用せざるを得ないときには,たとえそのモジュールに危険な脆弱性が発生しても,周りのシステムで安全を確保するなどの対応も検討する必要があると考えられるでつ。
SBOMの徹底は,既存のシステムをつなぐことで新たな価値を創造する SoSの世界では,それぞれの脆弱性管理の責任分担を明確するのに重要なものになるとも考えられるでつ。
産業制御システムの新たな動きとして OPAは,1975 年から Honeywell とともに,DCS によるコンソールオペレーションを推進してきたExxonMobil がDCS に代わる次世代の制御システムとして提唱しているものでつ。
技術的には,ネットワーク技術や仮想環境技術など,最新の DCS でも可能なものではあるが,重要なのは Open であることで,マルチベンダによる高度化の進展が期待されているでつ。
しかし,トラブル時の責任の問題は,マルチベンダになるとやっかいになるでつ。
これまで,制御ベンダによる「責任をもてません」という発言で,ユーザが手出しできなくなっていた問題もあったでつが,ExxonMobil という大企業が推進することで,そこにブレークスルーがうまれるでつ。
高圧ガス保安法等の改定は、スマート保安のさらなる進展を求めて,経済産業省は,高圧ガス保安法,ガス事業法,電気事業法の一部改正を2022 年 6 月に実施したでつ。
認定事業所制度を改定し,従来スーパー認定事業所だけであったスマート化の要件を従来の認定事業所に対応する B 認定にも加え,従来のスーパー事業所に相当する A 認定と B 認定の両方にセキュリティに関する要件を加えたでつ。
さらに,従来は事故調査を被災企業の自主的な活動としていたものを,「サイバーセキュリティに関する重大な事態が生じた場合等に,経済産業大臣は独立行政法人情報処理推進機構に対し,原因究明の調査を要請することができることとする」という項目を加えたでつ。
石油・化学産業は,サイバーセキュリティに関する高い意識が認められるでつ,実際に企業の担当者に聞いた範囲では,制御システムネットワークに通信監視やシステムログの保存を実施している事業所はほとんどないと把握しているでつ。
どのような形で,調査が必要な重大な事態と判断されるのか,まだうかがいしれない部分が多いでつ,いざ調査に入ると,今のままでは,なにも痕跡が残っていないという事態になるのではないかと危惧しているでつ。
再発防止ができて,初めて復旧したといえるので,原因究明は必要であり,それをささえる情報を確保する体制の整備が早く進むことでつ。
Cyber Physical Space や Digital Twin の観点で経済産業省は,新たな社会,新たな産業の創出を企画でつ。
従来の自動化をより進めるものとして,ロボットやドローンの存在も大きいでつ。
建設の現場ではすでにロボットでの巡回点検も実用化されていて,防爆のロボットも開発されているでつ。
産業オートメーション分野では従来からマニピュレーター型ロボットが多く導入されているでつが,さらに,人の代替になる高度なロボットも期待。
また,高所の点検や消防時の把握などに有効なドローンについては,経済産業省,総務省消防庁,厚生労働省の 3 省連絡会議により,防爆管理区域の見直しがなされるなど,活用推進がはかられているでつ。
安全のための規制はなかなか見直しが進まず,海外では防爆認定されていても国内では利用できないという状況が続いているでつが,このドローン活用を発端として,防爆規制も見直しが進むことを期待しているでつ。
また,この 3 省連絡会議では,プラント保安分野 AI信頼性評価ガイドラインも開発。
このガイドラインの特徴は,AI の信頼性を評価するだけなく,たとえAI が異常なふるまいをしたとしても,安全を担保する保護を設置して,AI を適用するというアプローチを示していることでつ。
すべてを把握できない場合でも,便利なものを安全に利用するための発想として,世界にも広げたいガイドラインでつ。

50周年企画①

50周年定期公演でつなぁ~

2302_計測と制御

医療支援として、AI技術は必須でつなぁ~

医療AIとは、AIを活用して医療の質を向上させることを狙いとしたもの。

技術の発達が著しいAIを医療現場で活用することで、作業を効率化したり精度を高めたりできるでつ。

医療現場では、人員不足や地域格差が大きな問題となっており、これらを解決する糸口として大いに期待。

厚生労働省の「保健医療分野におけるAI活用推進懇談会」において、「AI開発を進めるべき重点領域」として、以下の6項目が挙げられているでつ。

 

ゲノム医療

画像診断支援

診断・治療支援

医薬品開発

介護・認知症

手術支援

日本では主にこれら6項目において、医療AIが活用されることを示しているでつ。

1つ目はゲノム医療。

ゲノムが変異すると、疾患の原因になることもあるでつ。

しかし、30億塩基対もあるゲノムの変異を人が手作業で調べるのはほぼ不可能。

そこで、AIを使って、ゲノムがどのように変異したのかを短時間かつ正確に調べることができ、診断に活用できるでつ。

さらに、AIは抗がん剤の感受性やがんの発生に関する遺伝子の変異も調べることができ、治療方針を決める際に判断材料として用いることも可能。

このように、遺伝子変異が関係する疾患の診療にAIが活用されているでつ。

なお、日本ではゲノム医療におけるAIの活用が諸外国に比べ遅れをとっているため、取り組みの強化が求められているでつ。

2つ目は画像診断支援。

画像診断支援には以下の3つの種類があるでつ。

医師の診察前にAIが診る

医師の診察後にAIが診る

医師と一緒に診る

医師の診察前にAIが診ることで、医師が重点的に診るべき症例を教えてくれるため、医師の負担が軽くなるでつ。

また、医師の診察後にAIが診ることで、二重チェックになり、より正確な診断のサポートをしてくれるでつ。

そして、医師と一緒に診ることは、医師の診察に隣からAIが助言をできるため、見逃してしまうことが少なくなる効果が期待できるでつ。

3つ目は診断・治療支援。

医療AIは、日々発表される論文の解析や情報の検索、オンライン治療などに活用されているでつ。

大量の論文全てに目を通すのは困難であるため、AIに必要な情報をキャッチアップしてもらうことで、医師の負担を減らすことが可能。

また、地域によっては医師が不足しており、適切な医療を施せない場合もあるでつ。

その際に、AIを利用することで、医師が充足している地域と同程度の品質を担保できるでつ。

4つ目は医薬品開発。

日本は新薬を開発できる数少ない国であるものの、すでに多くの医薬品が開発されているため、新しく効果の高い医薬品を開発するのが難しくなっているでつ。

そこで、AIが持つビッグデータやディープラーニング、機械学習を活用することで、新たな医薬品を開発しやすくなるでつ。

5つ目は介護・認知症。

介護・認知症分野では介護ロボットの開発が進められているでつ。

AIを搭載し、被介護者の生活リズムなどを予測することで、介護者の手を使わずに被介護者の

生活をサポートできるようになるでつ。

また、高齢化に伴い、認知症を患う方の数は増えることが予想されるでつ。

認知症患者の増加に対応するには、迅速な対応が求められるため、認知症の診断や治療にもAIを活用することが必要。

6つ目は手術支援。

日本では若手外科医が減り続けており、外科医1人あたりの負担が大きくなってしまっているでつ。

そこで、AIを用いた手術用ロボットの開発が進められているでつ。

しかし、手術のデータが圧倒的に不足していることや医療機器のIoT化・医療機器同士の連携が進んでいないため、AIを活用できる土台を整備することが必要。

本格的に実用化されている事例は多くないでつが、今後の研究によりさらなる実用化が期待されているでつ。

医療のAI化は、人手不足もあって球を要する技術でつなぁ~

Aiも後2~3年もするとかなりの普及してるのかなぁ~

 

課題は、たくさんあるけどね。