re:Invent 2024: AWS Industry Productsが提案する製造業の生産スケジュール最適化
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2024 - Optimizing production schedules for flexible manufacturing (MFG101)
この動画では、製造業における生産スケジューリングの最適化について、AWS Industry Productsのビジネス開発リーダーのChris Kopinskiが解説しています。製造現場における複雑性の増大、手作業プロセス、静的システムの課題に対し、Prescriptive Analyticsを用いた最適化アプローチを提案しています。IoTサービスとOPC UA規格を活用したEdge Collector、Optimization Engine、ERPシステムを組み合わせることで、リアルタイムでの生産スケジュール最適化を実現する方法を紹介しています。また、GurobiやFICOなどの商用モデルをLambda関数でデプロイし、サステナビリティ目標やコスト削減を考慮した自己最適化する製造オペレーションの実現方法についても説明しています。
※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
製造業における生産スケジューリングの最適化：課題と可能性
ありがとうございます。re:Inventの最終日前日の朝一番、特に素晴らしいKeynoteの後にお集まりいただき、感謝申し上げます。後に続くのは大変ですが、ベストを尽くしたいと思います。おはようございます。私はChris Kopinskiと申します。AWS Industry Productsのビジネス開発リーダーとして、製造業のオペレーションとLife Sciencesを担当しています。AWSに入社する前は、複雑な設計、製造、サプライチェーンの様々な分野で10年以上の経験を積んできました。AWSでは、グループのビジネス戦略、Go-to-Market、お客様とのアライアンスを主導しています。私たちは、新しい業界ソリューションでビジネスを変革しようとする革新的な業界リーダーと協力しています。
本日は、このような課題にどのようにアプローチしているかについてご説明し、フレキシブル製造における生産スケジューリングの最適化について、皆様の組織に持ち帰っていただけるようなアイデアをお話ししたいと思います。 4つの重要なトピックについてお話しします。業界が直面している課題、この分野における最適化の可能性の概要、実際のお客様のシナリオ、そしてこの対話を継続するための次のステップについてお話しします。
製造業におけるフレキシブルなオペレーションの構築とスケーリングは、非常に時間がかかり、複雑で、コストもかかります。広い視点で見ると、私たちは3つの主要な課題に直面しています。1つ目は複雑性の増大です。今日の製造業者は、需要、Cycle Time、リソースの可用性におけるリアルタイムの変動に対応しなければならず、適切な生産を行うことが非常に困難になっています。手作業のプロセスと静的なシステムは依然として大きな課題です。今日の既存の施設を見ると、多くはまだ接続されておらず、Excelなどのレガシーシステムやツールを使用してスケジューリングを行っており、ダイナミックな製造現場のオペレーションを実現するための統合が大きな課題となっています。ビジネスの優先順位も進化し続けています。コスト削減、品質維持、さらにはサステナビリティ目標など、新しい分野での競合する優先事項が続々と出てきています。これらの新しいビジネス優先事項のそれぞれをどのように最適化すればよいのでしょうか。
ユースケースと例に入る前に、最適化とは何かについてお話ししましょう。最適化は、先ほど説明した課題に対する強力なソリューションを提供します。これは、Solverと呼ばれる特殊なソフトウェアを使用して意思決定を簡素化する、Prescriptive Analyticsの分野で実証された数学的アプローチです。最適化モデルは、主要なビジネス課題の特性を数学的な用語に変換します。これには、目的関数（Objective Function）、決定変数（Decision Variables）、ビジネス制約（Business Constraints）が含まれ、Solverがこれらのモデルを処理して最適な解を見つけ出します。非常にシンプルな例を挙げると、re:Inventの次のセッションにどう行くか、VenetianからCaesar's Forumにどのように移動するかを考えてみてください。私たちが提供するアプリを見ると、3つの異なる方法が表示され、シャトルを使うか歩くかに関わらず、それぞれの所要時間が計算されています。最適化は、あなたが設定した目的関数に基づいて、最適な経路とソリューションを選択するのに役立ちます。
では、これを製造現場に近づけて考えてみましょう。これらの課題を考えると、今日の高度なOperations Researchの機能を実際の生産現場で活用することができます。これらのカテゴリーすべてについて詳しく説明することはできませんが、生産スケジューリングの最適化が効果を発揮する分野について考えてみましょう。例えば、最適な経済的発注量（Economic Order Quantity）は、多くのお客様にとって重要な分野です。需要の変化を見ながら、発注コスト、保管コスト、在庫の可用性、在庫状況を考慮して、管理可能な適切な生産バッチサイズをどのように決定するか。これにより、適切な在庫水準を確保しながらコストへの影響を最小限に抑えることができます。もう1つの例は設備データです。今日のスケジューリングでは、通常、設備の可用性や性能指標といった製造現場で実際に起きていることに関する情報を統合していません。通常は静的な計画を立て、最良の結果を決定してその計画を実行します。実際のパフォーマンスは通常、計画とは異なるため、そのデータをリアルタイムで統合することが重要であり、これも改善の機会となります。
多くの企業がサステナビリティ目標を掲げており、エネルギー消費目標をどのように活用するかを考える必要があります。工場のエネルギー使用量を改善する際、ピーク時以外の時間帯に一部のスケジューリング作業を行うことで、企業のサステナビリティ目標に向けた最適化を組み込むことができます。
ここで、実際のお客様のシナリオをご紹介し、大手自動車メーカーと協業する中で直面している現実の課題についてお話ししたいと思います。このお客様は、需要の変動、実際の状況を反映していないサイクルタイム、労働力の変化、リソースの可用性など、生産スケジューリングにおいて大きな課題を抱えており、これらは実際の財務的影響につながっています。これらの課題に関連するコストを考えてみましょう。追加シフトや週末シフトによる残業代、原材料の搬入や完成品の出荷を急ぐための緊急輸送コスト。貨物輸送から航空輸送に切り替える場合、コストは大幅に上昇する可能性があります。さらに、顧客の要求に応えられないことによるダウンタイムの機会損失も発生します。
AWSは、スケジューリングをより適応的にすることで、効率性を最大化しながらコストのかかるダウンタイムを削減する、プロアクティブなソリューションの実現を支援できます。実際の生産量と予測生産量を効果的に計画することが可能です。この事例では、後ほど詳しく説明する標準規格を使用したIoTサービスを活用し、数理最適化を用いた分析エンジンに取り込んで、処方的な推奨事項を提供します。その影響は大きく、このようなお客様の目標として、生産工場の完全な可視化、予想される残業時間の削減、納期遵守率の向上、緊急部品調達に関連するコストの削減などが挙げられます。全体的に見ると、生産操業を立ち上げる際に、これらの情報をすべて即座に入手できるようにすることが重要です。
ここで一歩下がって、製造オペレーションがリアルタイムで自己最適化される世界を想像してみてください。製造業に携わる多くの方々は、それが今日の現実ではないことをご存知でしょうが、いつの日かそれは魔法のように機能するかもしれません。システムが問題を即座に検知し、数百万のシナリオを数秒で分析し、問題が実際に発生する前に最適な解決策を実装する。さらに、継続的に学習し適応していく。メンテナンスのためにいつ設備をオフラインにする必要があるかを予測できるでしょうか？需要の変化に対応し、エネルギー使用量に対して最適化できるでしょうか？まるで工場全体が命を吹き込まれたかのようです。私たちは効率性の最大化、品質の向上、サステナビリティ目標の実現に向けて、完璧な調和を目指したいと考えています。これはSFである必要はありません。今日の多くの業務ではそうかもしれませんが、AWSの力を活用してこれを実現し、真のスマートファクトリーを創造し、今日の業務を変革することが可能なのです。
AWSが提案するスマートファクトリーソリューション：実現への道筋
これらは、私たちがお客様に提供したい体験についてのモックアップです。この体験には、専門家のスキルの民主化が含まれます。皆様の組織には、おそらく複雑な最適化を行う高度なオペレーションズリサーチの専門家がいることでしょう。私たちは、それを非常にシンプルなツールに組み込み、生産スケジューリングに取り入れ、AIインターフェースを活用して、コスト削減、エネルギー消費の最小化、残業費用の削減など、お客様が求める成果を提示したいと考えています。
また、インテリジェントデバイスからのリアルタイム情報も活用したいと考えています。運用部門の多くの方々は、このような経験をお持ちでしょう：通常、週の初めに立てた初期計画が、週を通してめったに更新されないという状況です。私たちが目指しているのは、実際の製造現場で起きていることを観察し、各セルや設備の性能を分析し、その情報を活用してインサイトを提供することです。これにより、スケジュールの改善を提案し、より良い結果をもたらす可能性のある異なるシナリオを提示することができます。
これらのシナリオは、最適なスケジュールの作成を目指しています。 最適なスケジュールが決定されたら、そのベストなスケジュールを素早く選択し、ERPシステムや他のツールなど、お使いのスケジューリングシステムに戻して、実際のスケジュールの更新をリアルタイムまたはできるだけ頻繁に実施できるようにしたいと考えています。私たちは人間を排除するのではなく、より賢明な意思決定ができるよう支援したいのです。
アーキテクチャの観点から見ると、このソリューションを実現する要素は非常にシンプルな4つのコンポーネントです。このようなシナリオでは、Edge Collectorがこれらの情報を収集します。 私たちは現在、OPC UAを採用しているお客様と協業しています。これは、設備に関するより文脈的な情報を提供する情報モデルを実現する標準規格です。ERPは、ExtruderやDieのライン状態などの設備に使用できるCompanion Specの一例です。Edge Collectorは、この文脈化された情報モデルと共にデータを収集し、Optimization Engineに組み込むことができます。
そこから、実際の最適化が行われ、初期スケジュールから異なる代替スケジューリングソリューションを生成し、それを生産スケジュールにフィードバックすることができます。これにより、サイクルタイム、段取り替え時間、あるいはOEEなどの目標として設定したい様々なObjective Functionを検討し、リアルタイムで運用を調整する能力を提供します。これは少し高レベルなアーキテクチャですが、お客様向けに作成しているソリューションのイメージをより具体的に理解していただくためのものです。
ここには図示されていませんが、IoT Servicesを活用してデータを調整し、情報モデルを有効化し、製造現場のサーバーを統合してプロセスを収集し、設備を監視してS3データベースに格納することができます。これにより、スケジューリングと共に、ほぼリアルタイムで文脈化された情報データを取り込むことができます。EventBridgeのようなサービスを活用することで、製造現場から来るイベントやS3環境での更新に基づいてアクションをトリガーし、最適化モデルのリアルタイムな応答性を実現することができます。
そして、これらの最適化モデルを導入することもできます。オープンソースのモデルが多数存在しますが、GurobiやFICOなどの商用モデルもあり、これらをLambda関数でデプロイして迅速な最適化を実現し、それらのプロセス機能を統合してモデルを実行し、生産スケジュールを更新し、これらのライブラリを全体的なソリューションに組み込むことができます。
かなり手短にご説明しましたが、これはLightningトークですので。ぜひこの会話を続け、より深い議論をさせていただきたいと思います。ぜひ私たちのキオスクにお立ち寄りください。現在デモの用意はありませんが、re:Invent後、皆様がご帰宅されてノートを整理し、セッションの内容を振り返られた後に、オフラインで私たちのチームとデモをセットアップさせていただければと思います。皆様の具体的な課題について、私や私のチームにご連絡いただければ幸いです。私たちのコンセプトをデモでお見せし、ユースケースや事例研究をより詳しくご紹介させていただくことができます。また、お客様の組織のビジネス機会と目標を整理するお手伝いもさせていただけます。理想的には、その結果として、潜在的なユースケースの特定、ハイレベルアーキテクチャの検討、そしてパイロットプロジェクトの範囲設定までお手伝いできればと考えています。
連絡先については、メールかLinkedInで私を検索していただければと思います。引き続きの対話を楽しみにしております。ご清聴ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion