　近年では、センサーの低価格化、省電力化、また情報伝達技術の進化、情報処理技術の革新により、現場から多くの知見が得られるようになっています。このように、製品または生産工場からの運用データを常時収集し、生産ライン上の機械からのステータスデータやエネルギー消費データなどの情報を常に監視できます。その結果、機械のダウンタイムを防ぎ、エネルギー消費を最適化するために予測メンテナンスを実行できます。これは昨今よく見られるインダストリアルIoT（モノのインターネット）活用の姿です。

　真にデジタルツインを活用するためには、さらにその情報を仮想世界のデジタルツインに流し込み、フィードバックループを完成させることが重要です。そうすることで、2周目のシミュレーションを実行でき、次回の設計に役立てることが可能です。

　生産ラインの例で見てみましょう。図1は、ボトリング工程の一部を担うマシンです。ここでは左側にデジタルツインを表示しています。これは連載第1回で述べた、設計段階でのデジタルツインであり、3Dの部品モデルのみならず、動作プログラム、1D（複合領域）モデル、組み込みソフトウェア、エレクトロニクス情報を包含しています。

図1　生産ライン上の機械の仮想表現（左）と実体（右）出典：デルタ・アプリケーション・テクニクス

　センサー付属のアクチュエーター・モーション制御であれば、稼働状況、マシンのベルト移動量、ヘッドの移動量や注入圧力、振動量などの情報をリアルタイムに収集できます（図2）。

図2　機械のステータス収集とモニタリング

　そうしますと、実世界での挙動を仮想世界のデジタルツインに戻し、次の設計のためのシミュレーションを実施します。下の図は、現行機の設計のアウトプットの一部である1D（複合領域シミュレーション）モデルです。実測値をシミュレーションの入力値とすればより正確なシミュレーションによる検討が可能となります。

図3　現実の物理量から仮想1Dモデルをシミュレーション

　製造プロセス全体のデジタル化という潮流において、工場内の各マシン、生産ライン、ライン上の仕掛り製品が発信するデータ量は膨大になります。全てを工場内外で集中的に収集・分析することは困難ですし、その実現にはコストがかかります。また、セキュリティ上の制約（工場外にマシン挙動情報を出せない）から、その課題を解決するため、データの処理・分析、あるいは送信データ量を軽減するための前処理をデータ発信源の近くで行うエッジコンピューティングが脚光を浴びています。

　エッジコンピューティングは従来のスタンドアロンの情報処理と異なり、ローカルなデータと必要に応じて外部との送受信、処理内容を一元的にコントロールすることが可能です。当然、実施するアルゴリズムの更新についても集中管理できるため、エッジ側のハードウェアの増設、更新にも柔軟に対応できる利点があります（図4）。