企業がエッジAIを導入する際に直面する多くの問題に解決策を示してくれるのがインテルの「OpenVINO(TM) ツールキット」だ。本稿では、東京エレクトロンデバイスがこの OpenVINO(TM) ツールキットを用いてエッジAIの導入を支援した事例を紹介する。
多くの企業にAI(人工知能)活用の動きが広がっているが、特に製造業においてここ数年で需要が高まっているのが「エッジAI」だ。特定の業務テーマについて学習済みのAIモデルを利用して、クラウドやデータセンターの大規模なサーバファームではなく工場や倉庫など現場により近い場所に置いたエッジデバイスで推論を実行する仕組みだ。
エッジAIを導入する企業は2022年ごろから増加しており、2025年後半から導入が加速するという予測もある。これを裏付けるように、エッジAIの用途も拡大している。これまでは生産ラインにおける異常検知や状態監視が中心だったが、現在ではカメラと連携した人流/人物解析や侵入検知といった分野にも広がっている。
このように需要拡大の一途をたどるエッジAIだが、実際の導入に際してはさまざまな課題に直面する傾向がある。多くの製造業ではエッジAIの導入や運用を主導できる人材が不足している中で、導入をソリューションプロバイダーに“丸投げ”するというケースも増えている。要件や目標も明確化していない状態でPoC(概念実証)を繰り返し、成果をつかめないままプロジェクトそのものが頓挫することも珍しくない。
そうした中、先進的な製造業の間で活用が広がっているのがインテルの「OpenVINO(TM) ツールキット」だ。
一般的なインテル(R) プロセッサーを搭載したオフィス用PCや産業用PCなどでAIの推論処理の高速実行を可能とするもので、無償かつ商用でも利用できるのがメリットだ。
数百種類におよぶ事前学習済みのAIモデルやサンプルコードが公開されているため、ソフトウェア開発の専門スキルを持っていなくても手軽にエッジAIを試すことができる。社内にAIの学習環境がない、AIモデルの作成自体が難しい、基になるデータセットがないといった場合でも、これらのAIモデルやサンプルコードをダウンロードしてすぐに推論を実行できる。
もっとも、OpenVINO(TM) ツールキットといえどもAI活用の経験がない製造業が自力で導入するのはハードルが高く、豊富な実績と技術力を持つベンダーと手を組むのが得策だ。OpenVINO(TM) ツールキットの導入を支援している東京エレクトロンデバイスの担当者に、どのような導入事例があるのかを聞いた。
そもそもエッジAIにはどれほどの処理性能が求められるのだろうか。東京エレクトロンデバイス EC BU クラウドIoTカンパニー IAソリューション部 セールスグループ グループリーダーの河内卓氏は「エッジAIに要求される処理性能は、用途によって大きく左右されます。画像処理/画像認識を例にとってもAIモデルがベースとなるアルゴリズムに大きな差異があります。数百fpsといった高性能が要求されるケースがあれば数fps程度の性能で十分なケースもあるため、一概にどれくらいの処理性能を確保すればよいとは言えません」と語る。ただし、「実際の案件ベースで言うならば数百fpsの性能が必要なケースはめったになく、数fpsから数十fps程度の性能で解決できる業務課題が大半を占めます」と説明する。
製品の良品/不良品の判定を外観の画像認識で行うエッジAIを想定すると、生産ラインに配備されているカメラの性能が30〜60fps程度であり、エッジAIとしては数fpsの性能があれば対応可能だ。
東京エレクトロンデバイス EC BU EC技術本部 第三技術部 エンジニアリングプロフェッショナルの坂田雅昭氏は「数fpsであれば、一般的なインテルのプロセッサーでも十分に出せる数値です」と強調する。まさにそこに OpenVINO(TM) ツールキットのメリットが発揮されるというわけだ。
東京エレクトロンデバイスがある食品メーカーの依頼でエックス線検査装置にエッジAIを組み込んだシステム構築のサポートに当たった際にも、インテルのプロセッサーを搭載した産業用PCと OpenVINO(TM) ツールキットの組み合わせで対応したという。
実際にシステム構築のサポートに当たった東京エレクトロンデバイス EC BU クラウドIoTカンパニー IAソリューション部 フィールドアプリケーションエンジニアの藤井将貴氏は、このプロジェクトの概要を次のように説明する。
「製品への異物混入を防ぐことがこのシステムの目的です。仕組み自体はシンプルなのですが、苦労したのは検知精度の維持です。エックス線検査装置はカタログ値で99.98%の検知精度を持っていたことから、その画像を受け取って判定するエッジAIも同等の精度で異物を検出できるようにしてほしいと要望されたのです。本来AIは精度を保証する性質のものではないのですが、あくまでチャレンジングな要望として、弊社のノウハウである画像認識のAIモデルのチューニングを重ねて何とかエックス線検査装置と同等の検知精度を確保し、エッジ側の環境に展開できました」
OpenVINO(TM) ツールキット自体がAIモデルの推論の精度を高めるわけではなく、精度はあくまでもAIモデルに依存する。「OpenVINO(TM) ツールキットの最大のポイントは、利用するAIモデルの精度を損なうことなくエッジデバイスに展開して推論を実行できるところにあります」と坂田氏は補足する。この特長を最大限に生かしたのが食品メーカーのエックス線検査装置の事例だ。この事例でエックス線検査装置に組み込まれたエッジデバイスは、インテルの第11世代プロセッサーを搭載した産業用PCだった。
「お客さまはこのエッジAIを同じ工場内の複数の製造ライン、さらには別工場へと横展開する計画です。エッジデバイスに高価なGPUを搭載する必要がないため、コストを大幅に抑えることができます。画像認識モデルについても若干の調整で済むと見込まれており、スケールメリットを発揮しながらスムーズに展開できると考えています」(藤井氏)
東京エレクトロンデバイスは OpenVINO(TM) ツールキットの導入/活用に際して、ユーザーの現場に密着した幅広い支援を行っている。
サポートは OpenVINO(TM) ツールキット導入前のトレーニングから始まる。「OpenVINO(TM) ツールキットとはいかなるものかを知っていただく説明会やワークショップ、実際にエッジデバイスに OpenVINO(TM) ツールキットの環境を構築してサンプルコードを動かすまでの一貫したハンズオントレーニングも実施しています」(河内氏)。PoCフェーズにおける性能検証もサポートの一環として東京エレクトロンデバイスが提供する。
「同じAIモデルに対して、インテルのプロセッサーに組み込まれているCPU、GPU、NPU、あるいはそれらをマルチに活用した環境で、それぞれどれくらいの処理性能を出せるのか、お客さまと一緒に測定します。それらの結果に基づいてエッジデバイスの最適な構成やスペックを見極めていきます」(坂田氏)
正式な開発フェーズでも、直面する課題を解決しながらエッジAIが稼働するまでユーザーと伴走する。「予定していたAIモデルを OpenVINO(TM) ツールキットに実装できないといった問題もまれに起こります。その場合はAIモデルの変換もサポートしています」(坂田氏)
東京エレクトロンデバイスの最大の特長は、AIソリューションを提供しているだけでなくソフトウェアとハードウェア両方の知見を併せ持ち、国内外メーカーの産業用PCや組み込みコンピュータの豊富なラインアップを取り扱っている強みを生かし、ユーザーの目的や要求に応じた最適解を提供できることにある。
これに関する事例として、ある医療関連機器メーカーへAI画像認識システムの開発を支援した取り組みがある。
そこで問題になったのが医療現場で画像認識モデルを稼働させるエッジデバイスだ。このメーカーは当初、画像認識を高速処理するためには外付けGPUが不可欠と考えて試行錯誤していたのだが、発熱量や消費電力、筐体が大きくなってしまい現場の要望に応えられるエッジデバイスを策定できなかった。そこで東京エレクトロンデバイスに相談が持ち掛けられた。
「エッジ側での利用を想定していた画像認識のAIモデルは比較的軽量だったことから、『インテルのプロセッサーと OpenVINO(TM) ツールキットで十分な処理性能を確保できる』という見込みがありました。それだけでは納得を得られないことから、当社が提案したカスタム構成の産業用PCをベースに、お客さまと共にベンチマークテストを実施しました。その結果、高い満足度と『安心できた』という評価を頂き、現場からのご要望に応えられるエッジデバイスに落とし込めました」(河内氏)
こうしてこのメーカーは、全国の医療現場に設置可能なAI画像処理システムの量産体制を整えることができた。
本稿で紹介した東京エレクトロンデバイスのサポート内容や導入事例はごく一部に過ぎない。興味を持たれた方、より詳しい情報を知りたいと思われた方は、ぜひ東京エレクトロンデバイスが別途提供しているホワイトペーパーをご一読いただきたい。
Copyright © ITmedia, Inc. All Rights Reserved.
提供:東京エレクトロン デバイス株式会社
アイティメディア営業企画/制作:MONOist 編集部/掲載内容有効期限:2024年11月9日