エッジコンピューティング：その定義と重要性 |ロバステル

一般的なクラウドコンピューティングを超え、エッジコンピューティングもIoTの世界でゲームチェンジャーとなりつつある。データ処理と保存を生成地点に近づけることで得られる利点は、遅延の低減、リアルタイム応答性、帯域幅の効率化など、ほんの一例に過ぎない。

しかし、エッジコンピューティングについてさらに掘り下げてみましょう。クラウドコンピューティングと比較した場合、その利点は何でしょうか？エッジコンピューティングはどのような用途に有用なのでしょうか？

エッジコンピューティングとは何か？

クラウドコンピューティングは多くの注目を集めてきたが、エッジコンピューティングも重要な役割を担っている。ローカルコンピューティングがデバイス上で直接データを処理し、クラウドコンピューティングが遠隔のデータセンターでデータを処理するのに対し、エッジコンピューティングはその中間に位置し、単独では解決できない課題を解決する：

低遅延。エッジコンピューティングはデータをリアルタイムまたはほぼリアルタイムで処理するため、クラウドとの間でデータを往復させる際の遅延を低減します。これは、迅速な反応が必要な産業オートメーションや自動運転車などのアプリケーションに最適です。
ネットワーク負荷の軽減。データ処理をソースに近い場所で処理することで、クラウドに転送する必要のあるデータ量が減り、ネットワーク容量が解放されます。
コスト削減。時間の経過とともに、データ転送量の減少に伴い帯域幅コストが削減されます。
強化されたデータプライバシーとセキュリティ。機密データをローカルまたはエッジデバイス上で処理することで、転送中やクラウドストレージにおけるデータ漏洩のリスクが低減されます。
オフライン機能。デバイスがインターネットに接続されていない場合でも、エッジコンピューティングにより一定レベルのデータ処理と計算が可能になります。

エッジコンピューティングは、計算処理とデータ保存を需要発生地点に近づけることで、本質的に高速で効率的かつ安全なデータ処理を実現する。

エッジコンピューティングアーキテクチャ

典型的なエッジコンピューティングの構成は、3層構造を伴う：

クラウドレイヤーは、大量のデータを処理し長期間保存する役割を担う遠隔データセンターの領域として広く知られています。複雑な分析、機械学習、データ保存の多くがここで実施されます。
エッジ層：この層では、ほぼリアルタイム処理の魔法が繰り広げられます。データソースに近いローカルネットワークやオンプレミスに配置されたエッジサーバーやゲートウェイが含まれます。迅速な意思決定を実現し、すべてをクラウドに転送する必要性を最小限に抑えるため、エッジ層ではデータをローカルでフィルタリング、集約、処理します。
デバイス層：ネットワークのエッジに位置するこの層には、接続された多様なデバイスやセンサーが含まれます。これらの機器は、CCTVカメラの映像やスマート工場の温度測定値など、未加工のデータを生成します。これらのデバイスはデータを収集し、追加分析のためにエッジ層へ転送しますが、基本的な処理を実行することもあります。

プロセッサタイプに基づくエッジコンピューティングの分類

エッジコンピューティングは、使用するプロセッサに基づいて大きく2種類に分類できる：

エッジCPU。中央処理装置（CPU）は汎用計算タスクの大半を処理する。これにはデータ処理、ネットワーク管理、軽量AI推論への応用が含まれる。CPU設計の主目的は、低消費電力と汎用計算能力のバランスを取ることである。
エッジGPU。グラフィックス処理装置（GPU）の強みは、高度な並列計算ワークロードにあります。これには大規模モデルの処理、グラフィックス処理、深層学習モデルにおける学習と推論が含まれます。GPUは並列処理に優れているため、膨大な計算能力を必要とするアプリケーションで広く活用されています。

計算に使用されるデータはどこから来るのか？

モノのインターネット（IoT）の台頭に伴い、機械や設備はますます知能化が進んでいる。この知能化には膨大な計算能力と莫大なデータ量が必要となる。この状況において、コンピューティングはデータの活用方法を制御する女王であり、データは王である。

機械と設備の知能化には、より多くのデータが必要です。そのデータはここから生まれます：

運用技術（OT）データ：これには、機器の関連センサーから収集された情報に加え、稼働状態や故障情報など、機械自体が生成するデータが含まれます。
情報技術（IT）データ：これは単なる機械の活動だけでなく、他の業務システムから収集されたデータも含む、より包括的な文脈を提供します。

このITデータとOTデータの統合、検証、理解を通じて、インテリジェントなアプリケーションを構築することが可能となります。例えば、機械の知能を高めたり、稼働中の品質管理を強化したり、予期せぬ故障を回避するための予知保全を可能にするアプリケーションなどが挙げられます。

接続性がすべての基盤である。あらゆるデータにとって、接続と通信の能力は不可欠だ。したがって、機械知能を可能にし、モノのインターネットの潜在能力を最大限に引き出すための第一歩かつ最も重要なステップは、信頼性の高い接続を構築することである。

どのようなシナリオでエッジコンピューティングの使用が必要となるのか？

エッジコンピューティングは、以下のシナリオにおいて理想的です：

低遅延は極めて重要である。エッジコンピューティングが実現する低遅延性は、リアルタイムまたはほぼリアルタイムのデータ処理と応答を必要とする産業オートメーション、自動運転車、遠隔手術などのアプリケーションにおいて優位性をもたらす。遠隔地のクラウドにデータを送信し応答を待つだけでは、十分な速さとは言えない。
帯域幅が限られている、または高コストである場合：エッジコンピューティングは、データ処理と分析をソースに近い場所で可能にし、帯域幅の制限やコストの高さによりクラウドへの大量データ転送が困難な場合、すべてをクラウドに送信する必要性を最小限に抑えます。
データの局所性が重要である。エッジコンピューティングは、プライバシー、セキュリティ、コンプライアンス上の制約により、データが特定の地理的場所内またはオンプレミスに留めなければならないシナリオにおいて、ローカルでの処理と保存を可能にする。
接続性が不安定な場合：エッジコンピューティングは、クラウドへの接続が断続的または不安定な状況でもプログラムを継続実行する必要がある場合に、一定の自律性を提供します。接続が復旧した後は、データを後で同期でき、重要な機能をローカルで継続できます。

産業用モノのインターネット（IIoT）システムにおいて、エッジコンピューティングはどのような機能を実現する必要があるか？

IIoTアーキテクチャは次のように要約できる 「エンド-パイプ-エッジ-アプリケーション」 IIoTにおけるエッジコンピューティングがその目的を達成するには、以下のコア機能を実現する必要がある：

南方向データ収集（終了）。これは多様なデバイス、機械、センサーからの情報収集を伴う。エッジコンピューティングソリューションが多様なデバイスと連携するためには、多数の産業用プロトコルをサポートする必要がある。
北向き通信（パイプ）。収集後のデータは、オンプレミスまたはクラウドサーバーへ安全に転送されなければならない。アプリケーションの要件に応じて、エッジコンピューティングにより複数のソースからのデータを異なる宛先にルーティングすることが可能となる。
コンピューティングエンジン（エッジ）。エッジコンピューティングは、単にデータを保存・通信するだけでなく、ローカルで処理・分析も行います。運用効率とトラブルシューティングを向上させるため、多様なデータベースのサポート、データ分析アルゴリズムの実装、データ可視化機能の提供が求められます。
開発エンジン（アプリケーション）。IIoTのアプリケーションは、業界やユースケースによって大きく異なります。オブジェクト指向プログラミング、グラフィカルプログラミング、高水準言語などの機能を備えたオープンコンピューティングプラットフォームにより、独自のアプリケーション作成が容易になります。

コンテナ化のサポートにより、多くのプラットフォームにわたるアプリケーションのデプロイが大幅に簡素化される。

セキュリティエンジン。 IIoTの利用が増加するにつれ、強固なセキュリティの確保が極めて重要である。包括的なセキュリティシステムには以下を含めるべきである：
- 運用セキュリティ。ISO 27001およびIEC 62443-4-1の要件に準拠した堅牢なセキュリティ手順を実施する。
- 多重防御層。ネットワーク、ハードウェア、システム、運用に対してセキュリティ対策を講じる。
- ペネトレーションテストの定期的な実施。脆弱性を早期に発見し修正するため、ペネトレーションテストは定期的に実施すべきである。

ロバステルのような企業ロバステルといった企業は、セキュリティの重要性を認識し、これらの懸念に対処するための包括的なソリューションを構築しています。

産業用エッジコンピューティング向けサービスモデル

製品流通の観点から、産業用エッジコンピューティングは以下のサービスモデルを提供する：

ゲートウェイハードウェアのみ。オペレーティングシステムやミドルウェアは搭載していませんが、基本的な接続および通信機能を提供します。最小限のデータ伝送のみが必要な状況に最適です。

ゲートウェイ＋OS。ゲートウェイ上にオペレーティングシステムを統合することで、このモデルは強化されたデータ処理および管理機能を提供し、エッジ側でより複雑なタスクを実行することを可能にします。

ゲートウェイ+ OS + ミドルウェア（ツール）。このモデルはミドルウェアと開発ツールをさらに統合し、顧客がエッジプラットフォーム上でアプリケーションを構築・展開することを容易にします。

ゲートウェイ + OS + ミドルウェア（ツール） + アプリケーション。ハードウェア、ソフトウェア、ミドルウェア、および構築済みアプリケーションを包括する包括的なワンストップソリューション。特定の顧客ニーズに直接対応し、追加開発を最小限に抑えます。

これらのサービスモデルは柔軟性を提供し、ユーザーが特定の要件と予算に合致する適切なサービスレベルを選択できるようにします。

エッジコンピューティングの応用シナリオ

産業用エッジコンピューティングは、様々な産業分野で広く採用されています。主な応用例としては以下が挙げられます：

産業製造。工場フロアに配置されたエッジコンピューティングノードにより、生産プロセスのリアルタイム監視とインテリジェントな調整が可能となる。これにより製品品質の向上と生産効率の向上が実現される。
スマートビルディング。エッジコンピューティングは、建物内の様々なセンサーから得られるデータを処理し、エネルギー使用の最適化、管理手法の改善、そしてより快適で生産性の高い生活・作業環境の創出を実現します。
電力と新エネルギー。電力および新エネルギーシステムにおいて、エッジコンピューティングは電力網とエネルギー供給状況のリアルタイム監視および予測分析を可能にし、電力インフラの安定性と安全性の向上に貢献します。

クラウド対エッジ：処理場所の決定

エッジコンピューティング：

大量のデータ + リアルタイム性。膨大なデータを生成し、即時的な知見を必要とするアプリケーション（例：品質分析、プロセス最適化、予知保全）は、エッジコンピューティングに最適である。エッジでデータをローカルに処理することで遅延が低減され、意思決定と対応が迅速化される。
業界特化型コンピューティング。計算要件が特定の業界や分野と密接に関連し、規制やプライバシー上の懸念からデータの近接性が極めて重要となる場合、エッジコンピューティングが有利となる。例としては、リアルタイムデータ処理が即時的な行動を促す工場現場分析や、接続環境が限られた遠隔地における石油掘削装置の監視などが挙げられる。

クラウドコンピューティング：

標準化されたタスク。明確に定義されたワークフローと標準化された計算ニーズを持つアプリケーションは、クラウドリソースを効果的に活用できる場合が多い。クラウドの拡張性と膨大な計算能力は、即時的なリアルタイム応答を必要としない大規模なデータ処理や分析タスクの処理に理想的である。
軽量アプリケーション。主に基本的な監視とデータ収集を必要とする産業用IoTシステムは、軽量なエッジデバイスやゲートウェイで十分に管理できます。これらのデバイスは初期のデータフィルタリングや集計を実行でき、より複雑な分析や長期的なデータ保存はクラウドで実施可能です。このハイブリッドアプローチにより、リソース利用率とコスト効率が最適化されます。

エッジコンピューティングとクラウドコンピューティングの相乗効果

機械と設備の知能化を追求する中で、エッジコンピューティングとクラウドコンピューティングは、より高い効率性と機能性を実現するため、ますます連携を深めていく。この相乗効果は、いくつかの形で現れる：

分業：エッジコンピューティングは、機器上またはその近くでリアルタイムデータ処理と予備分析を直接処理し、遅延と帯域幅要件を削減する。より広範な処理を必要とする重要な情報やデータは、その後クラウドに送信される。膨大な計算資源とストレージ容量を有するクラウドは、詳細なデータマイニング、分析、および機械学習モデルのトレーニングを実行する。
クラウドサイドコラボレーション：このモデルは、エッジコンピューティングのリアルタイム処理能力とクラウドの強力なデータ処理・保存能力の両方を活用します。エッジ側で効率的なデータ処理を実現しつつ、高度な分析や知見の獲得にはクラウドを活用します。
インテリジェント最適化：AIアルゴリズムとモデルは、過去の集計データを用いてクラウド上で学習されます。学習済みモデルはエッジデバイスに展開され、推論を実行することで、現場で自律的な意思決定とインテリジェント制御を直接可能にします。このアプローチにより、設備の知能化と運用効率が向上します。

例えば、スマートファクトリーでは、生産ライン上の機械や設備にAIアルゴリズムを搭載したエッジコンピューティングノードが配置される。これらのノードにより生産プロセスのリアルタイム監視とインテリジェントな調整が可能となり、製品品質の向上、効率化、ダウンタイムの削減につながる。エッジは即時的な意思決定を担い、クラウドは集中型データストレージ、高度な分析、モデル更新を提供する。

結論

要約すると、接続性、コンピューティング、データは、機械とデバイスの知能を推進する3つの核心要素である。

接続性はデータ収集の基盤を築き、データは洞察を生み出す原動力となり、コンピューティングはそのデータを活用可能な知見へと変える鍵である。

今後、IoTやAIなどの技術の継続的な進歩と応用シナリオの拡大に伴い、エッジコンピューティングは機械・設備の知能化においてますます重要な役割を担うようになる。これによりデジタル経済と実体経済の深い融合がさらに推進され、革新的な発展を促し、産業変革を加速させるだろう。