進化するSIerの最前線!電通国際情報サービス(ISID)が先端技術を活用した事例を紹介【クラウド編】

イベント
「HUMANOLOGY for the future 人とテクノロジーで、その先をつくる。」をビジョンに掲げ、製造業、金融業を中心に、幅広い業界トップクラスの企業に最適なソリューションを提供する電通国際情報サービス(ISID)。先端技術を活用した事例を紹介するMeetup「クラウド編」は、製造業におけるMicrosoft Azureを活用したIoTデータ分析基盤や、次世代ビッグデータ分析基盤、設計内容をパラメータまで落とし込むリファレンスアーキテクチャ「ARAiS(アライズ)」の紹介が行われた。
進化するSIerの最前線!電通国際情報サービス(ISID)が先端技術を活用した事例を紹介【クラウド編】

動画アーカイブ

進化するSIerの最前線!電通国際情報サービス(ISID)が先端技術を活用した事例を紹介【クラウド編】

先端技術開発部門を集約し、全社横断組織「Xイノベーション本部」を新設

オープニングでは、コーポレート本部人事部の松永泰次郎氏が登壇し、ISIDについて紹介を行った。

ISIDは1975年に電通とGEの合弁会社として設立。翌76年には日本民間初のTSS(タイムシェアリング・サービス:コンピュータの共同利用)として製造業向けに構造解析システムの提供を開始した。

ISIDは金融ソリューション、製造ソリューション、ビジネスソリューション、コミュニケーションITという4セグメントで事業を展開。2019年12月期において連結売上高は1000億円を超えた。2021年度までを対象とした中期経営計画「ISID X(Cross) Innovation 2021」では、テクノロジー、業界、企業、地域などの垣根を超えた「X Innovation」の推進を通して、新しい価値を共創し、企業理念の実現を目指している。

また、2019年7月には、全社横断組織である「Xイノベーション本部」を新設。全社員を対象とした先端技術の教育、社員育成、新規事業開発を目的とした社内ピッチコンテストの実施など、さまざまな企業との実証実験、事業部の支援を行っている。

ISID1
株式会社電通国際情報サービス コーポレート本部人事部 松永 泰次郎氏

製造業におけるIoTデータ分析の進化とクラウド活用

最初に登壇した製造ソリューション事業部 製造技術統括本部 コンサルタントの倉橋渉氏は、「製造業におけるIoTデータ分析の全体像と次世代ビッグデータ分析基盤“Azure Synapse Analytics”」について語った。

ISIDは幅広い分野でソリューションを提供しているが、特にCAEや3DCADの分野に強みを持ち、製造業との関わりは深い。その中で蓄積した製品開発や製造に関する知見を活かし、製造業のデジタルトランスフォーメーションをより強力に支援するため、IoT・AI・XRなどの先端技術にチャレンジしている。

同社の「クラウドHPC」はその一例である。HPCとは大規模かつ高性能なコンピュータリソースを活用し、時間やコストを伴う実験や、不確実性の高い現象の解析、膨大な計算処理を行うことを指す。製品の多様化や構造の複雑化に伴いHPCのクラウド化のニーズが高まっていることから、従来より実績のあるCAE分野に着目してきたという

「特に、自動車・電機精密など製造業向けのクラウドHPC/CAE環境構築をRescale 社と共同で推進しています。日産自動車ではクラウドHPC/CAEシステムをRescale社の大規模解析プラットフォーム『ScaleX』を用いてハイブリッドな環境を構築。同ソリュー ションはScaleXを活用した解析システムとして国内最大規模の事例であり、解析時間短縮などイノベーティブなものづくりに貢献しています。、今後も製造業におけるクラウド導入が進んでいくと考えています」(倉橋氏)

ISID2
株式会社電通国際情報サービス
製造ソリューション事業部 製造技術統括本部 コンサルタント 倉橋 渉氏

製造業で求められるIoTデータ分析基盤とは

続いて語られたのは、ビッグデータ分析についてだ。

「なぜ今、ビッグデータ分析が注目されているのか。それは、IoTを用いて現場のあらゆる事象をデータ化し、その大量データをクラウドで蓄積、AIを用いて学習させることで人間が解らない法則を発見できるから。ICTが発展し、いまやビッグデータは企業の成長を左右する鍵となっているのです」

ビッグデータ分析基盤は、主に次の3つから成っている。

・収集層:現場(PLC)のデータや他システムのデータを収集
・蓄積層:大量のデータを用途や型、相互関係などを考慮しつつ適切な形で保管
・活用層:AIや可視化(BI)ツールによる分析

蓄積層で重要なのは、「必要なときにデータを必要なときに取り出せるようにしておくこと。そのためにデータレイク、データウェアハウス、データマートの3階層でデータを持つことが一般的となっている。

「データレイクでは大量のデータをほぼそのまま安価なストレージで保管、データウェアハウスではデータを分析しやすい形式に変換し保管、データマートでは活用するデータのみを利用者や用途ごとに保管します。そしてそれぞれの間で、抽出・変換・格納を行うETL処理が一般的です」

製造業において現在の製造業におけるビッグデータ解析の課題は、ボリューム、バラエティ、ベロシティの3点である

・ボリューム:膨大なデータを処理する仕組みが必要
・バラエティ:多様なデータの相互関係に配慮しつつ、分析できる仕組みが必要
・ベロシティ:リアルタイム処理の必要可否を考慮した分析を実現できる仕組みが必要

「特に製造業においては、自社の生産設備だけではなく、お客さまが販売した製品からデータを集めていく必要があります。意味のある形に変換する処理を現実的な時間内にできるようにする仕組みが求められます」

ISID2

次世代ビッグデータ分析基盤「Azure Synapse Analytics」とは

これらの課題を解決する仕組みが、マイクロソフトが提供する「Azure Synapse Analytics 」だと倉橋氏は語る。Azure Synapse Analyticsを一言で表すと、「Azure SQL Data Warehouse」の進化形である。

「Synapseのデータウェアハウスだけではなく、あらゆる分析シナリオに対応できる高機能な統合ビッグデータ分析基盤を構築できる機能を有しています」

Synapse Analyticsを導入すると、ビッグデータ分析はどのように変わっていくのか。 Azure 上でビッグデータ分析基盤を構築する場合、これまではAzure上のさまざまなサービスを複雑に組み合わせたり、オープンソースの分析基盤を使ってGUIを介してチューニングしたり、専門知識を必要とする作業が必要だった。

しかも前処理(Spark)と分析(SQL)ではデータを別々に持たさなければならないなど、 「分析基盤の構築、拡張の難易度が高かった」と倉橋氏は振り返る。

「しかしこれからは、Azureで分析基盤を構築すれば、Synapse Analyticsに置き換えるだけで、データの取り込みや前処理、分析といった機能が全てSynapse Analyticsに集約され る。Synapse Analyticsでビッグデータに対するあらゆる処理を実行することが可能になります。本当の意味でビッグデータ分析に必要な機能がSynapseに集約されるのです」

ISID3

Synapse Analyticsの注目ポイントとして、倉橋氏は以下の5つを挙げている。

1)Streaming Data:生産設備やIoTデバイスのデータをリアルタイムに処理し、データウェアハウスに格納できる
2)Machine Learning:機械学習モデルをSynapse Analytics上でSQLを呼び出し、スコアリング(判定)を実行する
3)Data Ingestion:データをさまざまなソースから簡単にSynapse Analyticsに取り込み、データ分析に活用できる
4)Query-as-a-Service:データレイクに直接クエリを発行してPowerBIで可視化する機能を提供。維持コストが削減できる
5)Big Data Warehousing:ビッグデータの高速分散処理を実現するフレームワーク「Spark」を搭載。Synapse Analytics上のノートブックで定義することで実行できる

Synapse Analyticsの製造業におけるユースケース

では具体的に製造業ではどのような活用が期待できるのか。倉橋氏は製造業向けのユースケースを紹介した。

一つはフィールドサービスリソースの最適化への活用である。製品の稼働データや地域ごとの販売商品数、気象条件など外的要因データを直接Synapse Analyticsに取り込んで分析に利用。機械学習との組み合わせにより、製品の故障確率や稼働実績を可視化することで先手のサービスが実現する。

ISID4

また、品質データ管理による影響範囲特定などにも活用できる。製品のロット情報やサプライヤ情報、部品の情報、検査情報など種類の異なるデータをSynapse Analyticsに取り入 れ、一元的に分析するため紐付けし、工程間で特有のデータ処理を行い、すべてのデータを分析。故障・リコール発生時にビッグデータから迅速に影響範囲を特定し、適切に保守を実施するようなことが可能になる。

Synapse Analyticsは今年5月にパブリックレビューになったサービスである。だが、製造ソリューション事業部ではSynapse Analyticsだけを提供しているわけではない。同事業部ではマルチベンダー戦略を採用しており、各ベンダーの良い製品を組み合わせてソリューションという形で提供していくことができるという。

Synapse Analyticsでデータを蓄積し、PTCのThingWorxというIoTプラットフォームを用いて可視化したり、VuforiaというARのソリューションでAR空間上に表示していくこともでき る。また、AIのソリューションや、PDXやMADeというPHM(故障予測と健康状態の管理) のためのツール、同社が独自に開発したAIの開発・運用の自動化ツールOpTApfなども提供している。

ISID5

これをAzureやThingWorxとつなげれば、一歩先の故障予測ができるようになる。 「このようにいろいろなプロダクトと組み合わせることができるのが当社の強みであり、 ISIDでエンジニアをする面白いところだと思います」倉橋氏はこう語り、セッションを締めた。

豊富なサービスを提供しているAzureならではの悩み

続いて登壇したのは、Xイノベーション本部 アドバンストテクノロジー部 クラウドアーキテクト、米谷典比古氏。「ISID Azureリファレンスアーキテクチャの取り組み」について語った。 ISID8
株式会社電通国際情報サービス
Xイノベーション本部 アドバンストテクノロジー部 クラウドアーキテクト 米谷 典比古氏

XIイノベーション本部の研究開発の狙いは、最新技術の情報収集・検証はもちろん、それを事業部にフィードバックし、各種活動と連動することで、ビジネスに寄与することをゴールとしている。クラウドは、Azure IoT/DWH/AIに注力しており、セキュリティやMSP(Managed Service Provider)にも取り組んでいる。

米谷氏たちは現在、Azureを活用するリファレンスアーキテクチャの構築に取り組んでい る。Azureの活用には、どのサービスをどう選んで組み合わせればよいのかという悩みに直面する。そのため、マイクロソフトはAzureアーキテクチャセンターを提供している。

「利用シーンごとのアーキテクチャを掲載しており、内容としては素晴らしく我々も参考にしています。しかし、ボリュームが多く、似たようなシナリオが多いため、どれを参考にすれば良いのかという悩みが出てきます。サービス選定はできたとしても、パラメータ設計やチューニングを考える必要が出てくるのです」(米谷氏)

例えばストレージを冗長化しなければならないという要件があったとする。BLOB用のストレージを使うのであれば、LRSなのかGRSなのかを決定しなければならない。

そこで、設計内容をパラメータまで落とし込める粒度のアーキテクチャを作っていこうと考えたという。

「お客さまからクラウド基盤としてAzureを活用したいという声も多く、Azureを活用したシステム構築の実績を重ねてきました。その多くのプロジェクトから得た知見や学びを一般化し、当社独自のノウハウとしてアーキテクチャを標準化しました。それがARAiS(アライズ)です。

ARAiSを活用するメリットは、低コスト化、失敗を事前に回避、運用を見据えたシステムが実現することです」

ISID8

ISIDリファレンスアーキテクチャ「ARAiS」とは

ARAiSは大きくV1とV2という2つの機能を提供している。V1はリアルタイムAI推論。V2はデータ分析基盤だ。同社では、これにAzure Synapse Analyticsを追加している。

「機械学習のモデルをAPIで呼ぶときに、IoTデバイスからクライアントまでの通知を、 コールドパスを一切挟まず処理させたいという仕組みが、当時のアーキテクチャセンターになかったので作りました」(米谷氏)

Synapse Analyticsに取り組んだ背景は、先述したようにAzureで製造業向けのデータ分析基盤案件が増加したことである。そして2019年に「Azure Synapse Analytics」が発表され、注目を集めたことだ。

Synapse Analyticsの検証時のシステム構成と検証ステップは図の通り。データレイクの部分は、ADSLGen2に格納して、データウェアハウスに相当するデータをSQL Poolに移して、分析ができるかを検証。最終的にはデータマートもSQL poolに置きつつ、実際にはリ レーショナルデータベースを使う場合もあるので、そのようなシナリオも作成し動作を検証したという。

ISID8

「これらの検証で気づいたことは、想定したシナリオの機能をSynapse Analyticsで網羅的にカバーできることでした。また技術者視点での気づきとしては、SQL on-demandというサーバレス、クエリ単位での課金というサービスをうまく活用することでコストパフォーマンスに優れた基盤としてSynapse Analyticsを使っていけることがわかったのです」

またもう一つの注目ポイントが「Orchestrate」。この機能により、ETL実行基盤をGUIで定義できるようになる。

「Synapse AnalyticsがGA(一般提供)される際には、いろんなアップデートがでてくると思っていますが、個人的にはSQL on-demandの実行履歴、Synapse StudioのGitHub連携、SQLクエリのPipeline実行という機能の追加、さらにはMicrosoft Learnコンテンツ拡充などを期待しています」

Xイノベーション本部では技術情報を継続的にウォッチすることで、有用なものが登場すれば適宜ARAiSに反映することはもちろん、情報発信や情報提供を幅広く行い、Azure Synapse Analyticsをさらに普及させたいと、米谷氏は語る。

また米谷氏たちはAzure Machine Learning ServicesとAzure Synapse Analyticsの連携実現性の検証も行っている。ビッグデータを取り扱った処理をAzure Synapse Analyticsに任せ、Azure MLはモデル構築・管理などのAI処理に専念させる仕組に取り組んでいるのだ。

ARAiSで採用を予定している技術を紹介

ARAiSの全体コンセプトは「Infrastructure as Code,CI/CD」。アーキテクチャは今後も継続改善されることを前提に、Azure側の仕様変更・機能追加に備え、また案件固有の要件に対応できるようにするためだという米谷氏。

「そのため周辺技術としてはTerraformとGitHub、GitHub Actionsを採用しています。Terraform API対応していないリソースについてはARMテンプレートを呼び出す形式で実装。ソースコードおよびドキュメント管理としてはGitHubを採用。プルリクエスト駆動による成果物の作成、レビューの追跡、バージョン管理が容易になりました」

GitHub Actionsを用いて、Terraformソースコードがプリリクエストされたら、マージされたタイミングでTerraformアプライをするという。

ISID8

「今後の活動はタスク管理にJIRA、開発環境にGitHub Codespaces、そして情報発信ツール強化のためにAzure Static Web Appsを取り入れていくこと。エンジニアとして良いと思えるもの、組織の生産性を向上させるものを積極的に採用していきたいですね」

参加者からの質問が続々寄せられたQ&Aタイム

セッション後、参加者から寄せられた質問に答えるQ&Aタイムが設けられた。その概要を紹介する。

ISID8

Q1.Azureなどのサービスを使った、ユーザー企業で内製化の流れがある。SIerとして今後どのように関わっていくべきか。

倉橋:AzureやAWS、PTCのThingWorxなどサービスは、ユーザー企業で自走することをコンセプトとしている。従来のように要件定義、基本設計、詳細設計、開発というやり方ではなく、AIやIoTの部分ではコンサルのように関わることが増えていく。

まずはお客さまがAIでどんな課題を解決したいのかを整理。そのために必要なデータや、どうシステム化すれば良いかといったソリューションを提案する。ウォーターフォール型の開発ではなく、お客さまに寄り添った形で関わることが重要。

Q2.Azureを選定した理由は?

倉橋:Azureを選んだのは企業の戦略的な部分もあるが、AIなどに強みがあること。製造業が最も注目しているIoTのサービスはAzureが強く、「Azure IoT Central」というSaaS、Azure IoT ソリューション アクセラレータというPaaSのサービスなど、IoTのテンプレートともいうべきサービスがAWSに比べて先行していることなど。

Q3.Synapseを使えるようになるまでのキャッチアップ時間は?

倉橋:Synapse AnalyticsではSynapse StudioというSynapse独自のUIからデータの閲覧や 前処理の定義・実行する。Synapse Studioの上で集約していているので、キャッチアップ時間は他のAzureに比べて軽減できる。

米谷:比較対象はAzureと他のサービスと比較してどうかより、類似の他のクラウドサービスを知っているかどうかが大きい。RedshiftやBigQueryを知っている人は習得時間が短いはず。ETLであればAWS Glueを使ったことがあるか。そういう経験のある人は時間をかけずに使えるようになる。

ISID8

Q4.AIは業界に特化した業務知識が必要になるのでは?

米谷:その通り。当社のデータサイエンティストは各事業部門に所属している。それぞれの業務知識に強みを持つ事業部のメンバーと組んで業務に携わっている。

Q5.今回はAzure周りのR&Dだったが、AWSでも同じようにR&Dに取り組んでいるのか。

米谷:AWSもやっているが、現在はAzureに研究開発のウェイトがかかっている。チームとしては担当が分かれている。同じ人間がAzureとAWSを追うことはしていない。もちろん情報連携はチーム内で適宜行っている。

Q6.Azure Synapse Analyticsをデータコネクトでつないで外部データを検索する場合は、データはAzureに蓄えずに外部テーブルとして検索するのか。

米谷:Synapse Analyticsでは外部接続先を定義して、外部テーブルと定義して呼び出す仕組みを提供している。

Q7.Synapse AnalyticsはRedshiftに比べて、同時実効性能やコスト面で有利な点があるのか。

米谷:RedshiftとSQLPoolの性能の差はほとんどないが、Synapse AnalyticsはデータレイクやETL、SQLオンデマンドなど、いろんな機能を組み合わせることができる。データの配置や実行環境を適切に組み合わせると、Synapse Analyticsの方がコストパフォーマンス的に優れた基盤になる可能性はあると思う。

関連するイベント

おすすめのコラム