re:Invent 2025: TDK SensEIがAWSで構築したスケーラブルなIoTセンサープラットフォーム
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！
re:Invent 2025 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
📖 re:Invent 2025: AWS re:Invent 2025 - TDK SensEI built scalable IoT platform with AWS for sensor insights (NTA204)
この動画では、TDK SensEIのCTOであるBob RothとAWSのシニアソリューションアーキテクトOren Waldmanが、産業オペレーション変革のためのエッジインテリジェンスプラットフォームについて解説しています。製造業では技術者が問題特定に時間の80%を費やす課題に対し、TDK SensEIはコンディションベースモニタリングから予知保全、そしてエージェンティックAIへと進化したソリューションを提供します。AWS IoT Core、Greengrass、SageMaker、Bedrockを活用し、MQTTプロトコルによる暗号化通信、マルチテナンシーアーキテクチャ、自動デバイスプロビジョニングを実装。エージェントが故障予測だけでなく、部品発注、技術者スケジューリングまで自動実行し、計画外ダウンタイム削減を実現します。現在AWS Marketplaceで利用可能で、製造、スマートビルディング、物流、エネルギーセクターに展開中です。
※ こちらは既存の講演の内容を最大限維持しつつ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ご留意下さい。
本編
TDK SensEIによる産業オペレーション変革の全体像
こんにちは。本日は、TDK SensEIがAWSを活用してどのように産業オペレーションを変革しているかについて、皆さんと共有できることを大変嬉しく思います。 ご存知ない方のために説明しますと、TDK SensEIは本当に革新的なものを構築しています。それは次世代のエッジインテリジェンスプラットフォームで、高度なセンサー、AI、そして機械学習を融合させ、製造業や産業環境向けにリアルタイムで実用的なインサイトを提供するものです。
さて、これが特に説得力があるのは、彼らが解決しようとしている問題です。製造業では、何か問題が発生すると、技術者は通常、時間の80%を問題の特定に費やしています。TDK SensEIはこの方程式を完全に変えようとしています。彼らのプラットフォームは、基本的な状態ベースの監視から予知保全へと進化し、そして今やエージェンティックAIへと進化しています。つまり、機械がいつ故障するかを予測するだけでなく、実際にソリューションを推奨し、対応をオーケストレーションするのです。
考えてみてください。保守スケジュールを自動的に調整し、部品の在庫を確認し、資格のある技術者を割り当てる、これらすべてが故障が発生する前に行われるのです。そして彼らはこのソリューション全体をAWS上に構築しました。エッジコンピューティングにはIoT CoreとGreengrassを、機械学習にはSageMakerを、そしてエージェンティックAI機能にはBedrockを活用しています。このアーキテクチャはセキュリティファーストで、包括的なデバイスプロビジョニングとテナント分離が最初から組み込まれています。
そしてビジネスへの影響は現実のものです。彼らは計画外のダウンタイムを削減し、保守コストを最適化し、製造、スマートビルディング、物流、エネルギーセクター全体でより良い意思決定を可能にする運用データのデジタルツインを作成しています。さて、私たち全員にとって特にエキサイティングなのは、TDK SensEIが現在AWS Marketplaceで利用可能になったことです。これにより、まさにこれらの課題に直面している皆さんのお客様にこのソリューションがアクセス可能になりました。
私はOren Waldmanと申します。こちらでシニアソリューションアーキテクトをしております。今年一年を通じてTDK SensEIと密接に協力する素晴らしい特権に恵まれ、彼らが開発から積極的な商業化へと進んでいくのを見るのは信じられないほど素晴らしい経験でした。そして今、TDK SensEIのCTOであるBob Rothさんをご紹介できることを嬉しく思います。彼らの旅と、どのようにプラットフォームを構築したかをご説明いただきます。Bob、お願いします。ありがとう、Oren。
コンディションベースモニタリングからエージェンティックAIへの進化
さて、それではプレゼンテーションを進めていく中で、基本的に5つの重要な領域についてお話しさせていただきます。 まず、もう少し詳しい概要と深掘りをしていきます。Orenが会社の紹介を上手くしてくれましたが、私からももう少し補足があります。それから、産業オートメーションにおいて私たちが目にしている進化について、コンディションベースモニタリングから予測型、そして今はエージェント型へと移行している点についてお話しします。私たちが構築したプラットフォームについて少し、アーキテクチャがどのように連携しているか、そして私たちがどこに向かっているのか、この分野の進化をどう見ているかについてお話しします。
まず第一に、TDK SensEIとは何者なのか？ ほとんどの方がTDKと聞くと、カセットテープやオーディオテープ、その他のものを思い浮かべると思いますので、少し変化があります。私たちは1年ちょっと前に設立され、リアルタイムインテリジェンスと予測型およびAI駆動技術を工場管理と製造ソリューションにもたらすことに焦点を当てるというミッションを持っています。TDKの一部門として、私たちはこれらの産業用センサーやその他のコンポーネントにアクセスできる特権を持っており、それらを私たちのソリューションに取り入れることができます。また、TDKの幅広い社内工場を活用してソリューションを構築することもできます。
全体として、私たちはクラウドとオンプレミスの両方の機能を持つ強力なSaaSベースのプラットフォームを構築しており、北米、アジア、日本、その他の地域にまたがるグローバルな拠点を持つチームがあります。現在、私たちは4つの主要な市場分野に焦点を当てています：製造業、スマートビルディング、物流および配送センター、そしてエネルギーセクターです。それぞれにどのように適用しているかについては、後ほど詳しくお話しします。
さて、機械メンテナンスと施設管理の分野で何が起こっているのでしょうか？これは継続的で進化し続けている分野です。今日もそれは続いています。当初、焦点はコンディションベースモニタリングにありました。これは実際に発生した問題の検出に関するもので、機械学習を活用してリアルタイムで何が起こっているかを評価していました。これの主な価値提案は、実際にはモニタリングの負担を軽減し、問題が発生したときの反応時間を短縮することでした。
しかし、その分野は予測保全へとより進化しており、問題が発生する前に検出しようとすることで、ダウンタイムを削減し、最小化するだけでなく、そもそも発生を防ぐことができます。そして今日私たちが焦点を当てているのは、これこそが魔法が起こる場所だと私が考えているのですが、処方的またはエージェント型です。問題を予測するだけでなく、その問題の解決策を分析して提供し、それを実行してくれるのです。基本的に、何が間違っているかだけでなく、それをどう修正するかを見つけ出してくれる強力なソリューションを持つことができるのです。
さて、もう少し詳しく見ていきましょう。これは、私たちが構築した全体的なエコシステムについて、少し深く掘り下げた内容です。
工場管理全体で自動化を成功させ、効率を高めるには、大量のデータを収集する必要があります。データは重要な要素です。私たちは機械からのセンサーデータ、メンテナンスログのような運用情報、そして生産スケジュールなど施設に関するその他の種類の情報を収集しています。これらすべてをデータツインに統合し、AIエージェントとLLMを通じて操作できるようにしています。これは彼らが最適に適している領域であり、そのすべてがモバイルまたはその他のタイプのedgeRXプラットフォームを通じた全体的な工場ソリューションとして顧客に提供され、システムが何を、いつ、なぜ、どのように実行しているかを基本的に伝える通知機能を備えています。
私たちのソリューションが何を包含しているかを見ていくと、これが実際に今日展開しているものです。 私たちのソリューションには、工場内に配置された多数のセンサーに接続され、情報を読み取るゲートウェイデバイスがあります。それらはすべてSaaSとクラウドに接続されており、そこではAWSサービスがデータストレージとMLトレーニングモデルを提供しています。この背後にあるアーキテクチャについては、このプレゼンテーションの中で今後かなり詳しく説明していきます。全体として、これはすべてAWSのさまざまなリージョン内でホストされているため、世界のさまざまな地域でこのグローバルプラットフォームを持っており、ダッシュボードやその他のタイプの通知メカニズムを通じて、何が起こっているかを非同期で顧客に伝えています。
AWS上に構築されたセキュアなアーキテクチャとマルチテナンシー設計
では、この背後にあるもの、アーキテクチャ、そしてこのプラットフォームを構築する際に学んだことについて、かなり深く掘り下げていきます。この図は、 このソリューションのために構築した全体的なサービスセットの高レベルな概要を表しています。これには、工場自体のエッジにあるソリューションのコンポーネントと、クラウドに存在するコンポーネントが含まれています。これらは私たち自身が構築した重要なものと、AWSとそのサービスのコンポーネントを活用した領域です。
IoT CoreやGreengrassのようなものは、IoTソフトウェア統合、施設への通信、プロビジョニングソリューションのための強固な基盤を提供しています。私たちは大量の時系列データと情報を持っているため、それを提供するAWS Timestreamデータベースがあります。長期的なデータストレージにはIcebergを活用し、また私たちが構築したもののためにコンテナやKubernetesやその他のタイプのソリューションも活用しています。AIとMLコンポーネントについては、ソリューションを構築するためにAmazon SageMakerパイプラインとStep Functionsを大いに活用しました。また、ここには描かれていない他のコンポーネント、例えばアイデンティティ管理のためのCognitoなどもあります。全体として、AWSの基盤は非常に強力なプラットフォームを提供しており、その上に施設とクラウドの2つの世界を融合させたカスタムソリューションを構築することができます。
ここでは、この囲まれたエリアについて少し詳しく見ていきます。これは、施設自体とクラウド内にあるものとの間のインターフェースを本当に強調しています。ここでは、IoT CoreとGreengrass、そしてMQTTにズームインしています。私たちは、施設からクラウドへのすべての通信活動が、暗号化されたTLSを使用した単一のプロトコル、MQTTプロトコルを介して行われるソリューションを構築しました。これは、このアーキテクチャの非常に重要な部分です。なぜなら、これらの製造施設にとって、セキュリティと施設へのアクセスは非常に大きな懸念事項だからです。彼らは、何千ものコンピュータチップやウェーハを製造しているものを、ファイアウォールの外部のデータにさらすことを本当に望んでいません。この単一のソリューションは、これの非常に重要な部分であり、IoT CoreとGreengressは、そのプロビジョニングを提供し、このデータを効率的かつ非常に効果的に通信および管理する能力を提供します。
先ほど申し上げたように、セキュリティは私たちが構築したソリューションの非常に大きな部分です。工場はこのIT状況について非常に懸念しており、これはAWSが提供するものの上に構築できるもう一つの場所です。彼らは非常に強力なサービスセットを持っており、CloudWatchやEventBridgeによるログ記録や監視などがあります。これらは、施設で発生していることを自動的にキャプチャし、顧客に警告することを可能にするツールです。彼らはまた、GuardDutyソリューションを通じた脅威インテリジェンスなど、これらのツールにAIとMLを組み込んでいます。私たちは基本的に、これらのソリューションを活用することで、セキュリティの観点から顧客にとって懸念事項があるかどうかを理解することができます。もう一つは、これらの工場の多くがISO 9001やその他の認証を持っているということです。コンプライアンスは非常に重要なことであり、彼らが使用しているプロセスとデータが正しい方法で使用されていることを確認することです。
AWS Configを通じた自動化されたコンプライアンスソリューションと自動化されたソリューションにより、工場内に展開するすべてのもののISO 9001ルールに準拠し続けることができます。
もう一つ、ここで構築したものは、私たちは数十の施設を持っており、今後数万の施設を持つことになります。顧客ごとに複数の施設があります。ですから、ここで構築されたアーキテクチャは、マルチテナンシーのための非常に強力な連携型でセグメント化されたアプローチです。公開されている唯一のサービスは、基本的にデバイスが接続できるようにするものですが、各顧客は独自のプライベートサブネットで独自のプライベートサービスとともに存在しています。各施設は互いに分離されています。つまり、MLデータは、あるクライアントのトレーニング状況から別のクライアントに渡ることはありません。
したがって、データの分離と、このすべてのトレーニング情報を分離しておく能力も、AWSを使用してクラウド内でプラットフォームを大規模に構築する上でのもう一つの重要な側面です。もう一つ興味深いのは、すべてのサービスと施設からのすべての接続がクラウドへの接続であるということです。クラウドから施設への受信接続は決してありません。これによりIT構成が削減されます。彼らはファイアウォールに穴を開ける必要がありません。すべてアウトバウンドです。ファームウェアへのすべての更新、そのすべてが、私たちがアーキテクチャに組み込んだそのホームへの電話のようなメカニズムを通じて行われます。
さて、ここで私が先ほどお話ししたことの一つについて、簡単な例をご紹介します。これはデバイスプロビジョニングです。私たちはセンサーやゲートウェイを出荷していますが、これらすべてのデバイスには、私たちがロビーと呼んでいるものに接続することを可能にする証明書が装備されています。デバイスはロビーに接続し、どのデバイスアカウント、どの顧客アカウントに登録されているかを理解し、その後、その顧客のフェデレーテッドテナンシーエリアのソリューションに直接接続できる新しい認証情報を受け取ります。
このアプローチを通じて、製造段階からこれらすべてのデバイスを出荷し、事前設定することができますが、適切な認証情報をこの自動化された仕組みを通じて受け取るまでは、このロビーエリアとしか通信できないため、すべて安全です。これにより、製造プロセスで特定の事項を事前設定する必要がなくなります。出荷してから、迅速に展開することができるのです。
AIエージェントによる予知保全から自律的な問題解決へ
さて、ここで少しギアを切り替えて、おそらく私のお気に入りの部分についてお話ししたいと思います。それは AIとMLコンポーネント、つまり私たちが注力している新しい分野です。同じアーキテクチャ空間において、私が魔法のような、TDK SensEIソリューションの特徴と考えているものがあります。それは本当に、自動化し、予測し、ソリューションを作り出すために適用されるAIとMLのパワーなのです。
ここで強調されているコアの基盤として、私たちはAmazon SageMakerとStep Functionsを活用して、センサー用のMLモデルを自動的に構築し、トレーニングしています。お客様、つまり施設のリーダーたちは、MLモデルを展開したり、何らかのトレーニングを行ったりする必要はありません。実際には、私たちがセンサーを展開し、センサーが施設の運用における正常な状態を学習し、それが私たちのデバイスに組み込まれ、センサー内で直接実行されます。その時点から、異常な動作を検出できるようになります。
つまり、これは非常に自動化されたソリューションです。これらのセンサーを展開するために手動での設定は必要ありません。そして、それはすべて、ここで構築したこの豊富なAWSプリミティブのセット上に構築されています。さて、これはどこに向かっているのでしょうか。そして、これは 次のフェーズについて少しお話ししますが、それは単に問題が発生することを伝えるだけでなく、問題が発生する前に解決するということです。それこそが、エージェントが活躍する場面です。エージェントは、センサーから得られるこの豊富なデータセットすべてに基づいて、あなたが与えた権限の範囲内で、あなたに代わってアクションを実行します。
それでは、少しこちらを見ていきましょう。これは、もしあなたが工場マネージャーで、これから故障が発生しようとしている場合、どのように見えるかということです。これが私たちが構築したEdgeRXプラットフォームの体験です。工場マネージャーであるあなたは、通知を受け取ります。「ポンプにベアリングの摩耗があります。今後2週間以内に故障すると検知しました」と。必要な部品はすでに分かっています。なぜなら、私たちのエージェントがこのポンプのマニュアルを読んでおり、修理方法を知っているからです。
ERPシステムに何があるかを知っています。どの部品が利用可能か、どの部品が必要か、そして製造・設置プロセスからどのようなスキルが必要かを知っています。つまり、これらすべてがサマリーとして得られるわけです。工場マネージャーとして、もう少し深く掘り下げて理解することができます。では、なぜなのか、と言えます。 何が起こるのか？ということです。これは、センサーから得られる様々な情報を確認し、この特定のポンプで許容される振動の閾値を超えるため、この故障を予測しているという事実を検知している例です。
この修理に必要な部品が何かを把握しており、システムはそれを確認して、部品の1つが在庫にないことを認識しています。もしそれを信頼し、そのように設定していれば、購入を代行してくれるエージェントがあり、その部品の配送を追跡します。あるいは、財務面を組織内に留めておきたい場合は、部品部門に購入が必要であることを通知することもできます。部品が利用可能になったタイミングを追跡し、準備ができたら修理をスケジュールします。必要なスキルセットを正確に把握しており、 工場で利用可能な時間管理システムに接続して、スケジューリングに利用可能なリソースを判断することができます。実質的に、この工場マネージャーは、この問題に対処するための実際の作業を何もすることなく、解決策を手に入れることになるのです。
では、舞台裏で何が起こっているかというと、連携して動作するエージェントのフレームワークです。ワークフローを理解する責任を持つオーケストレーションエージェントがあります。例えば、エージェントに購入を許可するかどうか、それとも人間を呼び出して購入が必要だという通知を送る必要があるか、といったことです。センサーやツールで利用可能なすべての情報とデータは、すべて接続されています。これを実現するためにRAG、つまり検索拡張生成ソリューションを使用しており、アーキテクチャの豊富なデジタルツインを効果的に持っています。そのデジタルツインは、工場で起こっていることだけでなく、ERP、人員スケジューリングなどのすべてのサポートシステムも含まれています。
少しまとめてみましょう。 全体として、私たちはAWSと、TDKが90年以上の豊富な歴史の中でセンサーや機能について学んできたすべてのことを活用して、低レイテンシーでリアルタイム処理を行う能力を持つプラットフォームを構築しました。これらの工場にとって非常に重要な側面であるプライバシーとデータセキュリティを、最初から組み込みました。後から追加したものではなく、最初から組み込まれているのです。ここにあるエッジAIリソースでリソース最適化を行う能力があります。いつ何かがダウンするかを把握し、停止を防ぐことができます。
これらすべての機能は、役割やペルソナに応じて直接パーソナライズすることができます。あなたは工場管理者ですか？それとも、どの部品が利用可能かにアクセスする必要がある保守作業員ですか？これらすべては、インタラクションの観点から非常にペルソナ駆動型となっています。ここでの接続の独立性というのは、クラウドの障害が発生した場合でも、このソリューションが動作し続けるという事実です。データの受信も処理も継続されますし、振動データにアクセスすることもできます。障害による可用性がない場合でも、故障を検出することができます。つまり、システムはこのような側面に対して回復力があり、私たちは単なる予測から、ソリューションの作成へとこの領域に移行しているのです。
全体的なまとめとして、Orrenが言及したと思いますが、私たちは現在AWS Marketplaceで利用可能です。このソリューションには、私たちが活用できるさまざまなセンサーがあります。モバイルとWebベースのダッシュボードインタラクションがあります。繰り返しになりますが、私たちはインフラストラクチャ、製造分野、そしてエネルギーといったいくつかの重要な領域に焦点を当てています。スマートビルディングは、最近ではほとんど製造プラントのようなものです。スマートポンプやファン、そういったものがすべて揃っています。それ自体がほとんど工場のようなものですし、ロジスティクスや流通ソリューションも、私たちが今日焦点を当てている非常に大きな領域です。
以上です。お越しいただき、TDK SensEIについて、そして私たちがこれをどこに持っていこうとしているのかについて、もう少し詳しくお聞きいただきありがとうございました。私たちは、産業オートメーションと工場管理の次世代となる、本当に素晴らしいソリューションを構築していると考えています。ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用し、元動画の情報をできる限り維持しつつ自動で作成しています。
Discussion