› ソリューション › 産業用AIのためのデータ基盤

AIはモデルから始まるのではありません。
データから始めるのです。

産業用AIには、ヒストリアンデータやセンサーの読み取り値、エンタープライズコンテキスト以上のものが必要です。生産が実際にどう動いているかを理解するために、AIはマシンやプラントレベルの情報（構成、ソフトウェアとファームウェア、バージョン、変更履歴、資産の関係性、脆弱性、ライフサイクル情報、運用履歴など）にアクセスする必要があります。

何十年もの間、そうしたデータの多くは断片化されていたり、独自形式だったり、非構造化データだったり、あるいは単にエンタープライズレベルでは利用できなかったりしました。AMDTは、生産を実行するシステムを中断させることなく、それらを産業用AIのための信頼できるデータ基盤に変換します。

最も価値のある
産業データ
は、最も手に入れにくいものでもあります。

製造業者はすでに膨大な量のデータを生成しています。でも、エンタープライズ分析やAIプラットフォームに届くデータの多くは、生産ピラミッドの頂点にあるもの（ERP、MES、ヒストリアン、データベース、接続されたセンサー）なのです。

工場のより深い場所には、別のコンテキストの層があります。それはPLC、ロボット、HMI、SCADAシステム、DCS、ドライブ、CNC、エンジニアリングプロジェクト、そしてそれらの構成の中にあります。そこには、生産システムが実際にどのように構築され、構成され、変更され、維持されているかが記されています。

そのデータは歴史的に、大規模に活用するのが困難でした。ベンダーの違い、独自フォーマット、数十年にわたるデバイスの世代、一貫性のない構造、そして機密性の高い生産IPなどが原因で、OT資産全体に断片化したままになっていたのです。

産業用AIには、AIの問題の前に
データの課題があります。

資産リストは、AIのデータ基盤ではありません。

	基本的なOTデータ	AI対応の運用コンテキスト
	資産の存在	資産のアイデンティティ、ベンダー、デバイスタイプ
	IPアドレス	エンジニアリングおよび生産コンテキスト
	現在のファームウェア	ソフトウェアとファームウェアのバージョン
	現在の状態	過去の設定状態
	構成ファイル	構造化・バージョン管理された構成履歴
	デバイス検出	コンポーネントと資産情報
	変更検出	何が、いつ、誰によって、どのように変更されたか
	特定されたCVE	実際の資産に紐付けられた脆弱性
	資産の経年数	ライフサイクルとサポート情報
	バックアップの存在	バックアップステータスと過去のリカバリポイント
特定のIPアドレスにPLCが存在すると知ることは有用です。でも、それが何で、どう構成され、どのソフトウェアとファームウェアで動き、何が変更され、どんなコンポーネントを含み、バックアップされているか、どこに脆弱性があるか、そしてその状態が時間とともにどう変化したかを知ることは、全く別次元の話なのです。 AMDTは産業資産の背後にある運用コンテキストを捉え、分析、比較、強化、そして最終的にAIが利用できる構造化された履歴データに変換します。違いはデータの量ではありません。コンテキストの深さです。

Octoplantが運用の真実を捉える。

Octoplantは、多種多様な産業用デバイスやエンジニアリング環境に接続して、構成のバックアップ、バージョン管理、比較、追跡を行います。単なるスナップショットではなく、生産を支えるシステムの継続的に成長する履歴記録を作成します。

OTSSMを支える
基盤

OTセキュリティとサービス管理（OTSSM）は、ワークフロー以上のものに依存しています。資産を管理し、インシデントを調査し、変更を評価し、リスクを理解し、あるいはアクションを推奨するために、システムはまず信頼できる運用コンテキストを必要としています。

それは産業用AIが必要としているのと同じ基盤です。資産、構成、バージョン、変更、脆弱性、ライフサイクル、リカバリ状態、そして履歴です。

その基盤を確立することで、AMDTは今日のOTSSMの規律と、よりインテリジェントで自動化された明日のOT運用の両方を可能にします。既存のソースは、データ基盤の目的の一つとしてOTSSMの実現を明確に位置づけています。

Octovisionがその真実をインテリジェンスに変える。

Octovisionは、資産、コンポーネント、ジョブ、ライフサイクル、脆弱性、リスクにわたる信頼できるOctoplantデータを構造化し強化します。これにより、工場レベルの運用コンテキストをエンタープライズ分析、レポート、統合、そして将来のAIアプリケーションで利用できるようにします。

AIの旅を
確かな足元から始めましょう。

産業用AIアプリケーションには、その下に堅牢なデータが必要です。十分なコンテキストがなければ、強力なモデルであっても、分析対象のシステムを限定的にしか理解できません。

最初の産業用AIユースケースを試行している場合でも、エンタープライズOTインテリジェンスを構築している場合でも、OTSSMの実践を開発している場合でも、あるいは自動化が進む運用に備えている場合でも、OctoplantとOctovisionがその下の信頼できる運用基盤を確立します。

「AIに何ができるか」を問うことから始めるのではなく、「AIが何を知ることになるか」を問うことから始めましょう。

基盤があることで可能になること。

	ユースケース	実現すること
	AI支援によるOTリスク分析	信頼できる資産、構成、脆弱性、ライフサイクル、および履歴コンテキストを組み合わせて、セキュリティチームがどこに最も注意を払うべきかを理解するのを助けます。
	インテリジェントな変更分析	構成履歴と比較データを使用して、意味のある変更、異常なパターン、および期待される状態からの潜在的な逸脱を特定するのに役立ちます。
	より迅速なインシデント調査	孤立したアラームから推論させるのではなく、影響を受けた資産、以前の状態、最近の変更、脆弱性、およびリカバリ情報に関するより豊かなコンテキストをAIに提供するします。
	エンタープライズOTインテリジェンス	標準化されたデータ基盤を使用して、工場、資産、ベンダー、ライフサイクル状態、脆弱性、および運用条件を横断して質問を投げかけることができます。
	予測レジリエンス	過去の運用パターンを使用して、バックアップ、構成、ライフサイクル、または繰り返される変更条件が、レジリエンスリスクの増大を示唆している箇所を特定します。
	AIサポートによるサービス管理	OTSSM内のインテリジェントな資産、変更、インシデント、および問題管理ワークフローに必要な、信頼できる運用コンテキストを提供します。
基盤がAIのユースケースを決めるのではありません。基盤が、AIがどれだけのことを知ることができるかを決めるのです。

AIに必要なのは履歴です。
スナップショットではありません。

従来の資産インベントリは、今何が存在しているように見えるかを教えてくれるだけでsです。産業インテリジェンスは多くの場合、その状態が「どうやって作られたか」を理解することにかかっています。

問題が発生する前はどの構成で動いていたか？何が変わったかか？先月はパラメータが違っていたか？ファームウェアはいつ変わったか？この構成は他の工場と共通か？このデバイスは承認された状態から何度も逸脱していないか？

Octoplantは、昨日の状態を今日の状態で単に上書きするのではなく、運用データを継続的にバージョン管理するよ。SmartCompareを使えば、それらの状態間の違いを理解しやすく、追跡可能にできます。

AI対応のOT戦略には、実際に何が必要なのでしょうか？

信頼できる産業データ、OTガバナンス、エンタープライズインテリジェンス、そしてAIがこれからの生産現場で果たす役割について、AMDTと一緒に話し合ってみませんか？

エグゼクティブ・ブリーフィングをリクエストする

AIはモデルから始まるのではありません。 データから始めるのです。