翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# 人工知能と機械学習 (AI/ML)
MES、マシン、デバイス、センサー、その他のシステムによって生成されたデータに人工知能 (AI) と機械学習 (ML) を使用することで、製造オペレーションを最適化し、ビジネスに競争上の利点をもたらすことができます。AI/ML は、データをインサイトに変換します。このインサイトを使用して、プロアクティブにビジネスプロセスの最適化、マシンの予測メンテナンスの有効化、品質のモニタリング、検査とテストの自動化を行うことができます。 AWS には、すべてのスキルレベルに対応する包括的な [AI/ML サービス](https://aws.amazon.com/machine-learning/)があります。機械学習へのアプローチには AWS 3 つのレイヤーがあります。やがて、重要なテクノロジー能力を持つほとんどの組織は 3 つすべてを使用します。
+ 最下位レイヤーは、ML の専門家や実務者向けのフレームワークとインフラストラクチャで構成されています。
+ 中間レイヤーは、データサイエンティストとデベロッパーに ML サービスを提供します。
+ 最上位レイヤーは、ML モデルを構築したくないユーザー向けの人間の認識を模倣した AI サービスです。
以下に示しているのは、産業用の目立つ AWS ML サービスの一部です。
+ [Amazon SageMaker AI](https://aws.amazon.com/sagemaker/) は、フルマネージド型のサービスであり、フルマネージド型のインフラストラクチャ、ツール、ワークフローを使用して、あらゆるユースケース向けにデータを準備し、ML モデルを構築、トレーニング、デプロイします。
+ [AWS Panorama](https://aws.amazon.com/panorama/) は、オンプレミスカメラにコンピュータビジョン (CV) を追加して、高精度と低レイテンシーで自動予測を行う ML アプライアンスと SDK を提供します。を使用すると AWS Panorama、エッジのコンピュータパワー (ビデオをクラウドにストリーミングする必要なし) を使用してオペレーションを改善できます。 は、製造品質の評価、産業プロセスのボトルネックの検出、施設内のワーカーの安全性の評価などのモニタリングタスクと視覚検査タスク AWS Panorama を自動化します。これらの自動タスクの結果を MES およびエンタープライズアプリケーションにフィード AWS Panorama して、プロセスの改善、品質検査計画、およびビルド時のレコードを取得できます。
**サポート終了通知**
2026 年 5 月 31 日、 AWS は のサポートを終了します AWS Panorama。2026 年 5 月 31 日以降、 AWS Panorama コンソールまたは AWS Panorama リソースにアクセスできなくなります。詳細については、[AWS Panorama 「サポート終了](https://docs.aws.amazon.com/panorama/latest/dev/panorama-end-of-support.html)」を参照してください。
## アーキテクチャ
製造品質管理では、自動品質検査がコンピュータビジョンと機械学習の最も一般的なユースケースの 1 つです。メーカーは、コンベアベルト、ミキサーシュート、パッケージングステーション、ストックルーム、ラボなどの場所にカメラを配置して、ビジュアルを取得できます。カメラは、視覚的な欠陥や異常を高品質に把握し、メーカーがすべての部品や製品の最大 100% の検査を検査精度の向上で実行し、さらなる改善のためのインサイトを引き出すのに役立ちます。次の図は、自動品質検査の一般的なアーキテクチャを示しています。
1. ネットワーク上で通信できるカメラはイメージを共有します。
1. AWS IoT Greengrass はローカルでホストされ、イメージ内の異常を推測するコンポーネントを提供します。
1. 品質管理エッジサービスは、レイテンシーの影響を受けやすいユースケースのために、前のステップからの推論出力の結果をローカルで処理します。 はコンピューティングリソースとデータベースリソースを AWS Outposts ホストします。製造元はこのコンポーネントアーキテクチャを拡張して、推論結果に基づいてステークホルダーにアラートやメッセージを送信できます。製造元は、他の互換性のあるサードパーティーハードウェアを使用して、エッジでサービスをホストすることもできます。
1. これらのサービスのエッジコンポーネントは、2 つのコンテナインスタンス間で Amazon API Gateway エンドポイントを介してクラウドコンポーネントと同期できます。もう 1 つのオプションは、2 つのコンテナインスタンス間でサービスバスをセットアップして同期させることです。Amazon Managed Streaming for Apache Kafka (Amazon MSK) を使用して、このようなサービスバスを設定できます。
1. 製造元は、マイクロサービスのクラウドコンポーネントを使用して、レイテンシーの影響を受けにくいケースを処理できます。例えば、品質検査を処理して履歴テーブルに入力したり、PLM システムに更新を送信して、将来のプロセスやパート設計の改善のための品質結果を取得したりできます。クラウドの経済性、スケール、ディザスタリカバリのメリットにより、お客様はクラウドマイクロサービスインスタンスにデータを長期間保存できます。
1. Amazon SageMaker AI などのクラウドネイティブ ML サービスを使用して、クラウドでモデルを構築およびトレーニングできます。最後にトレーニングされたモデルをエッジにデプロイして推論できます。エッジコンポーネントは、クラウドにデータを送り返してモデルを再トレーニングすることもできます。