第1章 プラントDX化の課題とその推進

1節 IT視点から見たプラント業界におけるAI活用の現状と将来

• 1.プラントでのIoT, AI活用の活発化
• 2.プラント現場でのDX課題
  • 2.1 設備の生産性・品質向上
  • 2.2 プラントで働く人々の技術伝承
  • 2.3 設備保全の高度化
• 3.DXで活用されるAIやIoTテクノロジー
  • 3.1 数値データ解析
  • 3.2 画像解析;IBM Maximo Visual Inspection
  • 3.3 自然言語解析;IBM Watson
• 4. DXの現場での適用に関するIT視点 – クラウドとセキュリティ-
• 5.カーボンニュートラルの世界に向けて

2節 DX推進とスマートプラント構築のポイント

• 1.プラントにおけるDX (デジタルトランスフォーメーション)
  • 1.1 DXとは?
  • 1.2 プラントにおけるDXの必要性
  • 1.3 プラントにおけるDXの本質
  • 1.4 DXとスマートプラント
• 2.スマートプラントの構築
  • 2.1 スマートプラントに関連する技術
  • 2.2 スマートプラントにおけるIoT導入
  • 2.3 AIの特性と対応方法
  • 2.4 スマートプラントによる保安業務の高度化
• 3.プラントにおけるDX推進マネジメント
  • 3.1 スマートプラント構築 (DX推進) のステップ
  • 3.2 プラントにおけるDXのための業務改革
  • 3.3 プラントにおけるDX推進のための組織改革
  • 3.4 プラントにおけるDX推進のための必要スキル
  • 3.5 プラントにおけるDX推進のためのITシステムの最適化

第2章 プラントのワイヤレスセンシング技術とセンサネットワークの構築

1節 製造業における無線通信技術とその規格動向

• 1.ライセンス系の無線の動向
• 2.アンライセンス系の無線の動向
  • 2.1 IEEE802の概要
  • 2.2 IEEE802.11の規格動向
  • 2.3 IEEE802.15の規格動向
  • 2.4 IEEE802.15.4s Spectrum Resource Measurement
  • 2.5 IEEE802.19の規格動向

2節 プラントのDX化に向けた無線センサネットワークの構築

• 1.プラントのDX化におけるneoMOTEの位置づけ
• 2.neoMOTEの発展の歴史とIoT/DXへの活用
  • 2.1 neoMOTEの誕生、進化と発展の歴史
  • 2.2 neoMOTEのIoT/DXへの活用
• 3.neoMOTEの構成と特長
  • 3.1 neoMOTEの周波数帯と通信プロトコルスタック
  • 3.2 neoMOTEの構成、製品群と特長
• 4.プラントのDK化におけるneoMOTEのDX基本フレームの適用領域
• 5.neoMOTEのDX基本フレームとその構築と活用法

3節 プラント、工場のIoT化に向けた多様な無線通信の協調制御

• 1.製造現場特有の無線課題
  • 1.1 ダイナミックな無線環境の変化
  • 1.2 多様な無線環境
  • 1.3 無線システムの混在環境
• 2.無線化計画の立案に向けて
  • 2.1 無線システムの導入計画の立案
  • 2.2 無線環境評価を用いた無線導入計画の推進
  • 2.3 導入アプリケーションの明確化
• 3.無線評価指標によるシステム導入環境の評価
  • 3.1 指標を用いた評価の流れ
  • 3.2 各評価指標の概要と算出方法
• 4.無線システム導入時の工場無線シミュレータ検証
  • 4.1 シミュレーションによる無線評価の必要性
  • 4.2 生産稼働率に関連した無線評価
  • 4.3 無線システムの導入効果の検証
• 5.協調制御プラットフォームによる無線通信システムの運用

4節 センサー情報のリアルタイム収集と予兆検知技術

• 1.生産現場でのデータ
  • 1.1 データの収集
  • 1.2 データの活用
• 2.データの活用の方法
  • 2.1 データの収集
  • 2.2 データの蓄積
  • 2.3 データの分析
• 3.事例紹介
  • 3.1 事例-1 匠の技のマニュアル化
  • 3.2 事例-2 予兆検知 (1)
  • 3.3 事例-3 予兆検知 (2)
  • 3.4 事例-4 不具合の根本原因分析
• 4.最後に
  • 4.1 スモールスタートで始める
  • 4.2 思い込みでデータを絞らない

5節 ワイヤレス振動センサによる回転機械の状態監視

• 1.回転機械の状態監視・解析診断システムの全体像
  • 1.1 小型汎用回転機械
  • 1.2 大型高速回転機械
• 2.回転機械の状態監視と診断における振動法の利用
• 3.汎用回転機械の振動監視パラメータと周波数範囲
  • 3.1 ISO 20816規格における機械振動の評価基準
  • 3.2 周波数解析による異常診断
  • 3.3 振動加速度による転がり軸受の損傷検知
• 4.ワイヤレス振動センサシステム
  • 4.1 ワイヤレス振動センサ920MHz帯e-SWiNS
  • 4.2 ワイヤレス振動センサISA100対応e-SWiNS
  • 4.3 ワイヤレス振動センサ クラウド対応ZARKシステム
• 5.ワイヤレス振動センサによる通常監視と振動解析・異常診断

6節 920MHz無線センサネットワークによるプラントのユーティリティ流体管理

• 1.省エネ・設備維持の観点から見たユーティリティ流体計測
• 2.無線技術の発達と普及
  • 2.1 各種通信規格が持つ周波数帯固有の特徴
  • 2.2 各通信規格固有の特徴
• 3.電波の伝搬特性
  • 3.1 自由空間伝搬損失 (Free Space Path Loss)
  • 3.2 回折による障害物後方への回り込み
• 4.データ欠損リスク
• 5.導入コスト
• 6.今後の広がり
• 7.株式会社オーバルの無線による計測への取り組み
  • 7.1 「ミスター省エネ」の概要
  • 7.2 耐圧防爆形ミスター省エネの無線通信性能

7節 ローカル5Gを活用したプラントの操業データ収集とその期待される効果

• 1.ローカル5Gとは
• 2.設備データによる操業改善
  • 2.1 ワイヤレスセンサーとローカル5Gを組み合わせたネットワーク構築
  • 2.2 エッジ分析システムで高密度なデータ収集
  • 2.3 計測したデータや分析結果をモバイルで活用
• 3.ヒトデータによる操業改善
  • 3.1 “ヒト自身のデータ”収集における課題とその解決
  • 3.2 “ヒトがセンシングするデータ”収集における課題とその解決
• 4.設備データとヒトデータの連携

第3章 プラント監視、制御、計測システムの高度化

1節 製造DX時代の製造データー活用推進のポイントと 簡易PIMSを活用したシステム構築方法

• 1.”簡易PIMS”を使った製造現場データー収集システム
  • 1.1 ”簡易PIMS”のデーター収集定義の方法
  • 1.2 ”簡易PIMS”のデーター利用者向けのデーター提供方法
  • 1.3 即時に任意のデーター取得を可能にすることができる 「任意データー取得画面」の操作方法
• 2.生産現場の現在の状況をリアルタイムで監視できる様にするための”監視画面”を簡単に自作できる
  • 2.1 EXCEL機能を使った製造現場監視画面の作成
  • 2.2 ”簡易PIMS”での製造現場監視画面の作成例
• 3.現場製造データー活用システムを”簡易PIMS”を使って構築する方法
  • 3.1 現場製造データーの通信、情報の受け渡し手順
  • 3.2 現場製造データーの収集/活用を既存システムとまったく別系統、別構成で新たに構築する方法
  • 3.3 既設ERP/MES/製造システムと新規の現場データー取得システムとがそれぞれ独立したシステム構造
  • 3.4 PIMS (Process Information Management System)
  • 3.5 ”本格PIMS”と”簡易PIMS”の機能設計上の違いと使い分け (用途) について
  • 3.6 ”本格PIMS”と”簡易PIMS”の相違点と PIMS内データーの外部PCからのアクセス方法について
• 4.”簡易PIMS”のデーター収集.表示機能を使った現場監視機能のサンプル例

2節 WirelessHARTやBluetoothを活用したリモート監視

• 1.当たり前になったリモートワーク
• 2.リモート監視導入の課題
• 3.NAMURオープンアーキテクチャ (NOA)
• 4.ワイヤレスアダプタの活用
• 5.クラウドでの監視

3節 センサデータの品質がデータ分析に与える影響

• 1.製造業においてAIが有望視されている理由
• 2.センサデータの品質問題
• 3.センサデータの品質がデータ分析の結果に影響を与える
• 4.センサデータの品質を向上させる6つのポイント
• 5.測定対象物の理解
  • 5.1 センサの選択 (取得データの選定)
  • 5.2 センサの取付け位置
  • 5.3 センサの設置方法
  • 5.4 データ収集装置の選定
  • 5.5 データレイクに蓄積すべきデータの選択 (特徴量抽出)
• 6.プロ同士の意見交換が鍵となる

4節 AIを使ったプラントデータの解析事例と今後の課題

• 1.事例紹介
  • 1.1 日揮グループ実績
  • 1.2 運転の見える化事例
  • 1.3 異常予兆検知事例
  • 1.4 寿命予測事例
  • 1.5 生産性向上事例
• 2.解析手法
  • 2.1 類似度計算によるデータ選別
  • 2.2 クラスタリングによるモデル作成のデザイン
  • 2.3 アルゴリズムの選定
• 3.システム構築

5節 生産データ解析による製造状態の可視化及びその活用

• 1.製造現場の現状
  • 1.1 製造現場を取り巻く環境
  • 1.2 製造現場のニーズ
• 2.製造状態可視化による品質安定化のアプローチ
  • 2.1 製造経験の共有化
  • 2.2 製造状態の可視化
  • 2.3 データセット作成
  • 2.4 品質安定化
• 3.製造状態可視化適用事例
  • 3.1 適用分野
  • 3.2 品質安定化への適用
  • 3.3 複数工程を対象としたBest Practice把握への適用
  • 3.4 多変量モニタリングへの適用
• 4.Digital Twinへの展開

6節 人工知能を組み込んだ高度制御システムによるプラントの自律的制御

• 1.人工知能機能を組み込んだ最新の高度制御システム
  • 1.1 ディープラーニングを使用したモデル同定機能
  • 1.2 高度制御システムにおけるエンジニアリング作業などの定型的業務の代替
  • 1.3 高度制御システムにおけるエンジニアリング作業などの定型的業務の代替
• 2.プラント全体でのリアルタイム全体最適制御

7節 AIを活用したプロセス制御による収益改善

• 1.これから求められる超安定化技術
• 2.超安定化プログラムADC
• 3.事例 (石炭ボイラ制御)
  • 3.1 石炭ボイラ制御の概要と課題
  • 3.2 AIの活用によるボイラ安定化
• 4.事例 (蒸留塔)

8節 逆強化学習によるエキスパート操作の模倣とノウハウの推量

• 1.逆強化学習
  • 1.1 強化学習と逆強化学習
  • 1.2 敵対的逆強化学習
• 2.学習対象
  • 2.1 プロセス
  • 2.2 数式モデル
  • 2.3 学習器の構成
  • 2.4 学習の手順
• 3.学習結果
  • 3.1 逆強化学習の結果
  • 3.2 異なる運転条件への適用
  • 3.3 識別器の可視化

9節 機能モデルを用いた緊急時対応操作手順の生成

• 1.機能モデル
• 2.マルチレベル・フロー・モデリング
• 3.影響推論のための因果関係ルール
• 4.緊急時対応操作手順の生成手法
  • 4.1 対応操作手順導出に必要なデータ,知識,ルール
  • 4.2 目標表現変換ルール
  • 4.3 対応操作手順導出アルゴリズム
• 5.加圧水型原子力プラントの緊急時対応操作手順生成の試行
  • 5.1 加圧水型原子力発電プラントのMFMモデル
  • 5.2 検討対象の事象と対応操作
  • 5.3 対応操作手順導出結果

10節 デジタルツイン・シミュレーションによるプラント状態の予測

• 1.デジタルツイン・シミュレーションによる推定と予測
  • 1.1 従来の推定・予測手法と課題
  • 1.2 データ同化による物理モデルベースのデジタルツインモデル
• 2.カルマンフィルタによるデータ同化
  • 2.1 物理モデル (動特性) の定式化と離散化
  • 2.2 カルマンフィルタ
  • 2.3 拡張カルマンフィルタ
  • 2.4 カルマンフィルタを用いたパラメータの推定
  • 2.5 例
• 3.発電用ガスタービンエンジンを対象とした机上検証

11節 デジタル化によるプラントの最適化

• 1.デジタルツインとデジタルスレッドの定義
• 2.デジタルツイン
• 3.新規プラントのデジタルツイン
• 4.既存プラントのデジタルツイン
• 5.デジタルスレッド
• 6.自分のペースで開始および拡張
• 7.プロセス産業のデジタル化事例 (1) 製薬のデジタルツイン
• 8.プロセス産業のデジタル化事例 (2) 古い食品工場のリバイバル

第4章 プラントのサイバーセキュリティ対策

1節 プラントのDX化推進に求められるサイバーセキュリティー対策

• 1.プラントのDX化の動向
• 2.DXが進展するプラントに求められるセキュリティ
  • 2.1 サイバーとフィジカルの融合によるセキュリティ
  • 2.2 サプライチェーンの変化への対応
  • 2.3 組織のガバナンスに基づく包括的なセキュリティ対策の推進
• 3.関連するセキュリティガイドライン等
  • 3.1 IoTセキュリティ対応マニュアル産業保安版 (経済産業省)
  • 3.2 サイバー・フィジカル・セキュリティ対策フレームワーク (経済産業省)

2節 IoT時代のプラント制御システムに求められるセキュリティとその事例

• 1.プラントの高度化を目指したデジタル化
  • 1.1 プロセス産業を取り巻く状況
  • 1.2 IoTによる生産改革
• 2.プラント制御システムセキュリティの特質
• 3.制御システムに適したセキュリティコンセプト「情報物理セキュリティ」
  • 3.1 制御システムの3層モデルと現状のセキュリティ施策
  • 3.2 現状のセキュリティ施策の問題点
  • 3.3 制御システムの新しいセキュリティコンセプト「情報物理セキュリティ」
• 4.情報物理セキュリティ施策例「MemWiper」
  • 4.1 持ち込みデバイス経路対策と問題点
  • 4.2 USBメモリ消去装置「MemWiper」

3節 サイバーセキュリティの脆弱性評価とその対応

• 1.プラントにおける脆弱性の現状
• 2.脆弱性に関するリスク対応
• 3.脆弱性対応のプロセス
• 4.脆弱性対応における課題

4節 ローカル5Gを活用したIoTシステムにおけるセキュリティリスク

• 1.IoTの概要
  • 1.1 IoTとは
  • 1.2 IoTで利用される通信技術
  • 1.3 5Gとは
• 2.ローカル5Gの概要
  • 2.1 ローカル5Gとは
  • 2.2 ローカル5Gのメリット
• 3.ローカル5Gを活用した環境で想定されるサイバー攻撃
  • 3.1 脆弱性をついた攻撃
  • 3.2 マルウェア感染
  • 3.3 Dos およびDDoS攻撃
  • 3.4 中間者攻撃
  • 3.5 SIMスワッピング
• 4.ローカル5Gを活用したシステムのセキュリティ対策
  • 4.1 脆弱性の管理
  • 4.2 マルウェア感染対策
  • 4.3 初期パスワードの変更
  • 4.4 中間者攻撃への対策
  • 4.5 SIMスワッピングへの対策とゼロトラストの考え

5節 産業制御システムにおけるホワイトリスト式のサイバー攻撃検知技術

• 1.ホワイトリスト
• 2.固定トレース法
• 3.関連研究の紹介
  • 3.1 縮退運転
  • 3.2 異常特定

6節 プラント制御システムにおけるサイバーセキュリティ対策の取り組み事例

• 1.セキュリティ対策の前に行うべきこと
• 2.システム的対応
• 3.組織的対応

7節 プラント制御のためのセキュリティ人材育成

• 1.プラントのセーフティとセキュリティの隙間
• 2.制御システムのサイバーセキュリティ対策のフレームワーク
• 3.制御システムセキュリティの実施/運用レベルでの担当者
• 4.特定identify
• 5.防御protectの担当者
  • 5.1 プロセス安全
  • 5.2 ネットワーク防御
• 6.検知detect、対応respond
• 7.復旧recover
• 8.中核人材
  • 8.1 セキュリティ意識向上のための活動
  • 8.2 サイバーセキュリティ向上のためのPDCAを推進する活動
  • 8.3 中核人材の育成
• 9.制御システムセキュリティ人材とレジリエンシー

第5章 プラントのスマート保全技術とその事例

1節 デジタル技術によるプラント監視の高度化と自主保安力の向上

• 1.誰でも使えるAI技術の登場
  • 1.1 保全現場でAIを活用する際の課題
  • 1.2 現場で使える「インバリアント分析技術」
• 2.インバリアント分析の適用領域
  • 2.1 音を利用した故障予兆監視
  • 2.2 音による故障予兆監視の事例
  • 2.3 応用範囲の拡大

2節 生産プラントにおける現場点検業務のDX化

• 1.プロセス製造業
  • 1.1 プロセス製造業
  • 1.2 特徴
  • 1.3 保全業務の課題
• 2.点検業務
  • 2.1 点検の目的
  • 2.2 点検のポイント
  • 2.3 現状 (BEFORE)
• 3.点検の先に目指すもの
  • 3.1 保全活動変革
  • 3.2 CBM実現に向けた実行プロセス
  • 3.3 点検業務のDX
• 4.点検業務のDX
  • 4.1 現行業務でできること
  • 4.2 それを行う意識/環境の用意
  • 4.3 働き方改革
  • 4.4 COLMINA設備点検 (旧teraSpection *2)
• 5.富士通の取り組み
  • 5.1 COLMINAソリューション

3節 ドローンを用いたプラント設備点検の効率化

• 1.プラント設備の現状
• 2.プラント設備保全の課題
• 3.プラント設備保全への新技術導入
• 4.ドローン導入によるプラント設備保全業務改善
• 5.プラント設備点検へのドローン活用
• 6.ドローンを活用したプラント点検事例
• 7.ドローンの活用展開
• 8.法令規制と航空法改正対応
• 9.プラント設備点検に対するドローン導入課題
• 10.高度設備保全システムによる効率化と高度設備保全
• 11.プラント設備点検におけるドローン活用のロードマップ

4節 球体ドローンを用いたプラント設備点検の効率化

• 1.背景
• 2.ELIOSを活用した点検ソリューション
  • 2.1 球体ドローン「ELIOS」の特徴
  • 2.2 ELIOSの主な機能
  • 2.3 ELIOSが撮影した画像の解析・3Dモデル化
• 3.事例紹介
  • 3.1 環境プラント
  • 3.2 石油化学プラント
  • 3.3 火力発電プラント
• 4.導入へ向けて

5節 ロボットを用いたプラント点検のDX化

• 1.プラントデジタルツイン技術
• 2.プラント点検ロボットに求められる機能
  • 2.1 移動機構
  • 2.2 自己位置推定方法
  • 2.3 3次元点群データ取得
  • 2.4 遠隔監視/遠隔操作システム
• 3.BIM/CIM連動ロボット「i-Con Walker」
• 4.BIM/CIMの更新とDX化

6節 ヘビ型ロボットのプラント点検への応用

• 1.ヘビ型ロボットの特徴
• 2.プラント巡回点検・設備点検用T2 Snake-3
  • 2.1 概要
  • 2.2 移動性能
  • 2.3 作業性能
  • 2.4 実証実験/災害対応と用途別カスタマイズ
• 3.プラント巡回点検用ヘビ型ロボットT2 Snake-4
  • 3.1 概要
  • 3.2 移動性能と作業性能
  • 3.3 実験
• 4.タンク壁面点検用MagSnake-1
  • 4.1 概要
  • 4.2 移動性能
  • 4.3 実験

7節 変形・振動の非接触計測によるプラントの劣化度診断

• 1.形状・変形・振動の計測法
• 2.モアレ法
  • 2.1 モアレ縞の発生
  • 2.2 モアレ法による変位やひずみの解析
  • 2.3 縞画像の位相解析
  • 2.4 モアレ縞の位相解析による変位とひずみの解析
• 3.サンプリングモアレ法によるモアレ縞の発生
  • 3.1 サンプリングモアレ縞の位相解析
  • 3.2 サンプリングモアレ法によるたわみ分布測定
• 4.OPPA法による面外変形計測
  • 4.1 OPPA法の原理
  • 4.2 OPPA法による形状計測 (OPPA1)
• 4 3 2次元OPPA法による変形解析 (OPPA2)
  • 4.4 OPPA1法の改良 (OPPA3)
• 5.サンプリングモアレ法およびOPPA法の適用例
  • 5.1 OPPA法によるリアルタイムモーションキャプチャー (人体形状計測)
  • 5.2 OPPA法による変位分布計測
  • 5.3ドローンからのき裂幅増分計測
  • 5.4 OPPA法による面外振動計測
  • 5.5 サンプリングモアレ法による面内振動計測
  • 5.6 パイプなどのたわみ
  • 5.7 橋梁のたわみ
• 6.プラントへの適用に当って
  • 6.1 サンプリングモアレ法の特徴
  • 6.2 OPPA法の特徴
• 7.格子
  • 7.1 格子に必要な機能
  • 7.2 格子のピッチ及び精度
  • 7.3 格子の種類

8節 各社協調による設備データ収集とそれを基にした保温材下腐食 (CUI) 発生予測モデルの開発

• 1.検討内容
  • 1.1 検討の目的
  • 1.2 検討内容
• 2.検討結果
  • 2.1 CUI予測モデルの予測精度検証
  • 2.2 CUI予測モデルの適用効果検証
  • 2.3 中性子水分計則およびサーモカメラ撮影のCUI発生状況との相関
  • 2.4 非破壊検査 (中性子水分計測、サーモカメラ撮影) 結果を組み込んだCUI予測モデル開発

9節 タンク・パイプライン内に発生した付着物の状態監視技術

• 1.食品安全の要請とSDGsに対応した省資源化
• 2.タンク・パイプライン内に発生した付着物の検出方法
• 3.付着物の状態監視技術の活用が見込めるアプリケーション
  • 3.1 洗浄プロセスの確認
  • 3.2 充填機や食品加工機械の状態監視
  • 3.3 乳製品・調味料等、とりわけ付着物に注意が必要な貯蔵タンクの管理
  • 3.4 熱交換器やフィルタ等の設備の管理
  • 3.5 バイオフィルムの監視
• 4.他のセンシング技術と比較した際の付着物状態監視技術の利点
  • 4.1 導電率計測
  • 4.2 濁度・色度計測
  • 4.3 拭き取り検査
• 5.導入事例
  • 5.1 ビール醸造における麦汁配管の付着物監視
  • 5.2 ソフトドリンク製造工場のCIP洗浄システムへの組み込み
  • 5.3 充填機の洗浄サイクルの改善
  • 5.4 トマトソースの製造プロセスの改善
• 6.付着物の状態監視を可能にするセンサの応用可能性と今後の技術的な発展

10節 熱交換器の管端溶接部におけるAIを活用したきず有無判定システム

• 1.kantanPAUT
• 2.きず有無自動判定システム
• 3.YOLOによる探傷範囲抽出
  • 3.1 YOLO
  • 3.2 探傷範囲抽出
• 4.画像処理による判定
• 5.CNNを用いた画像分類による判定
  • 5.1 CNN
  • 5.2 きず有無判定
• 6.AEを用いた画像復元による判定
  • 6.1 AE
  • 6.2 きず有無判定
• 7.アンサンブルによる判定
  • 7.1 信頼度判定
  • 7.2 きず有無判定
• 8.実機検査への適用

11節 機械学習による回転機器の異常検知

• 1.背景
• 2.特徴抽出と2段の外れ値検出を組み合わせた微小欠陥検出法
  • 2.1 概要
  • 2.2 入力特徴
  • 2.3 評価指標
  • 2.4 機械学習手法
• 3.評価実験
  • 3.1 実験装置
  • 3.2 入力データvj の算出
  • 3.3 変動係数による特徴量の選別
  • 3.4 学習データ・評価データの選択
  • 3.5 欠陥検出精度の評価方法
• 4.検出性能評価結果
  • 4.1 外れ値検出手法の比較
  • 4.2 Random Forest による特徴量重要度算出
  • 4.3 特徴選択後の入力データによる欠陥検出精度
  • 4.4 2 段のLOF による外れ値検出精度と特徴選択に用いる特徴量数の影響
  • 4.5 提案手法による欠陥検出精度

12節 プラント動機器の常時監視～予兆保全システムの迅速導入事例

• 1.システム構築面での課題
• 2.予兆保全システムを迅速に構築するためのアプローチ
  • 2.1 一般的に用いられている診断技術
  • 2.2 機械学習を併用したアプローチ
  • 2.3 データを取りながらシステムを改善するアジャイルなアプローチ
• 3.機器選定におけるポイント
• 4.実際のシステム構築事例
  • 4.1 諸条件およびハードウェア構成
  • 4.2 システム側の構成および異常検出のための機械学習アルゴリズム
  • 4.3 AR技術も併用したスマート保安のトータルシステムへの拡張
• 5.シミュレーションも併用したデジタルツインのケーススタディ

13節 3Dデジタル工場を活用した保全、設備管理の改善・効率化

• 1.点群データ
  • 2.3D設備管理サービス
  • 3.3D設備管理システムの活用事例
  • 3.1 業務効率化
  • 3.2 測量
  • 3.3 働き方改革
  • 3.4 DX
  • 3.5 情報の一元管理・最新版管理
• 4.今後の展望

14節 3Dバーチャルプラントを活用した保安の高度化,防災活動の取組

• 1.産業保安の課題とデジタル活用による課題の打開
• 2.設備リスク管理とデジタルトランスフォーメーション
  • 3.3Dバーチャルプラントを用いたプラントデジタルツイン概要
  • 3.1 プラントデータの統合活用の動き
  • 3.2 プラントデジタルツインと3Dバーチャルプラントの構築
• 4.保安高度化に向けた国の動きとデジタル技術開発
  • 5.3Dバーチャルプラントを活用した産業保安・防災の高度化
  • 5.1 3D産業保安高度化プラットフォーム概要
  • 5.2 3D産業保安高度化プラットフォームが期待される活用エリアとメリット
  • 5.3 活用事例

15節 3Dモデルによる未来型設備管理の特徴と導入効果

• 1.設備管理の現状と課題
  • 1.1 予知保全が注目されている背景
  • 1.2 予知保全へ一足飛びに行けない現状
  • 2.3Dモデルベースの設備管理
  • 2.1 課題解決へのあるべき姿と優先度
  • 2.2 設計ツールとして派生した3D CADの活用領域拡大
  • 2.3 設備管理に3Dモデルを基盤とする要件
• 3.未来型設備管理を実現するためのアプローチ
  • 3.1 空間表現力の多様化
  • 3.2 注目すべき3Dモデル構築事例
  • 3.3 3Dモデル活用ユースケース
• 4.新しい保全スタイルの体感・定着
  • 4.1 導入直後のポジティブな変化
  • 4.2 保全スタイルの今後の展望

第6章 プラント運転、保守のDX化事例

1節 ビッグデータ解析によるプラントの最適運転への取り組み

• 1.ビッグデータ
  • 1.1 ビッグデータとは
  • 1.2 ビッグデータの活用の歴史と他分野での事例
• 2.プラントにおけるビックデータ解析事例
  • 2.1 ビッグデータ解析の基本事例
  • 2.2 ビッグデータ解析に機械学習を取り入れた事例
  • 2.3 ビッグデータ解析の応用事例 (物理モデル活用)
  • 2.4 ビッグデータ解析 (データ統合自動化事例)
• 3.今後の動向

2節 素材化学企業におけるスマートファクトリーと人材育成の取り組み

• 1.当社スマートファクトリーの目指す姿
• 2.スマートファクトリーの推進方法、体制
• 3.スマートファクトリーの取り組み事例
  • 3.1 オペレーション領域の取り組み
  • 3.2 ワークフロー領域の取り組み
  • 3.3 設備管理領域の取り組み
  • 3.4 インフラ基盤領域の取り組み
• 4.生産現場におけるデータ解析と人材育成の取り組み
  • 4.1 生産現場のデータ解析事例
  • 4.2 生産系データ解析人材育成の取り組み
  • 4.3 生産系データ解析の注意点
  • 4.4 データ解析の民主化に向けた取り組み
• 5.スマートファクトリーを推進する上での課題と今後の展望

3節 化学プラントにおけるテキストデータの活用方法と事例

• 1.一般的なテキストデータの活用
  • 1.1 テキストデータの種類
  • 1.2 自然言語処理によるテキストデータの前処理
  • 1.3 検索型ソリューションの例
  • 1.4 分析型ソリューションの例
• 2.化学プラントにおけるテキストデータの活用方法
  • 2.1 テキストデータ活用の目的と用途
  • 2.2 テキストデータ活用の流れ
• 3.化学プラントにおけるテキストデータの活用事例
  • 3.1 運転日誌テキストデータの活用
  • 3.2 運転日誌以外のテキストデータの活用

4節 安定運転に向けたIoT・ビッグデータ活用事例

• 1.設備管理の目指す姿
• 2.設備管理 (設備診断) における課題
• 3.トクヤマにおける設備管理 (設備診断) の現状
• 4.DXによる設備管理のスマート化事例
  • 4.1 設備診断結果報告システム
  • 4.2 低速回転機械の軸受診断技術
  • 4.3 往復動式圧縮機のモニタリング技術
  • 4.4 ベルトコンベアの予兆監視システム
  • 4.5 ワイヤレス振動状態監視及びPIシステムの活用

5節 化学プラントへのソフトセンサー実装事例

• 1.ソフトセンサーの概要
• 2.プラントにおけるソフトセンサーの一般的な用途
• 3.ソフトセンサー実装事例 (ガス製造プロセス)
  • 3.1 解決したい課題概要
  • 3.2 実行したこと
• 4.本取り組みを通して学んだこと
  • 4.1 ソフトセンサー活用方法について
  • 4.2 検討の終了条件について
  • 4.3 コミュニケーションの頻度について

6節 高度ICTの適用による鉄鋼プロセスの業務改善・改革

• 1.鉄鋼プロセスの特徴と要求される高度情報処理通信技術
• 2.生産計画
• 3.監視作業のAI化
• 4.高度ICTの展開を支えるプラットフォーム
• 5.製鉄設備制御システムの構成と発展
• 6.高度エッジコンピューティングによるリアルタイム系へのAI活用
• 7.クラウド活用にIoTビッグデータの活用
• 8.デジタルツインによるビッグデータ活用
• 9.モバイル機器の活用 ～安全見守り～

7節 データサイエンス技術を活用した製鉄プラントの設備状態監視

• 1.レベル別監視の概要
• 2.開発システムの概要
  • 2.1 全体レベル監視
  • 2.2 機器レベル監視
• 3.監視技術
• 4.AI要因絞込み技術

8節 発電プラントのDX化推進

• 1.発電プラントの特徴とDX化への課題
• 2.発電プラントのライフサイクルを通したデジタル活用
• 3.お客様のデジタル化によるカーボンニュートラル支援
• 4.カーボンニュートラルのための自動自律プラント
• 5.カーボンニュートラル社会における発電プラントのDX推進

9節 xRを活用した産業現場における接触干渉技術、遠隔協調技術、及び遠隔支援技術

• 1.当社におけるVR設備について
• 2.VRを用いた「接触干渉」技術について
• 3.VRを用いた「遠隔協調」技術について
• 4.xRを用いた「遠隔支援」技術について
• 5.その他周辺技術も含めたxR技術の活用事例について
• 6.現場利用に向けた方策について

10節 IoTを活用した水処理プラントの遠隔監視

• 1.水処理プラントにおけるIoTの活用
  • 1.1 水処理プラントメーカーによるIoTサービス
  • 1.2 水道事業体におけるCPS/IoTの活用
  • 1.3 当社における水処理プラント監視システムの歴史
  • 1.4 クラウドサービスの普及
  • 1.5 オルトピアJクラウドとは
  • 1.6 オルトピアJクラウドの特長
  • 1.7 当社におけるIoTを活用したサービスについて
  • 1.8 ウェアラブルデバイスを活用した遠隔作業支援
• 2.水処理プラントにおけるIoT普及への課題
• 3.IoTを活用した水処理プラントの遠隔監視の将来

11節 廃棄物処理・リサイクルシステムにおける自動化等技術の導入に関する現状と展望

• 1.廃棄物処理・リサイクルシステムに関する社会動向
• 2.ポストコロナを見据えた廃棄物処理・リサイクルシステムに向けた方向性
• 3.ごみ焼却施設におけるAI・IoT関連技術の技術成熟度評価
  • 3.1 技術成熟度評価 (TRA) の概要
  • 3.2 事例調査およびデータベース化
  • 3.3 一般廃棄物処理施設における自動化等技術の社会的受容性に関する評価

第7章 AI人材の育成、熟練技術者の技能伝承

1節 プラント、製造プロセスのDXを推進するAI人材育成

• 1.プラントとは何か
  • 1.1 プラントの定義
  • 1.2 プラントの役割
  • 1.3 経営者がプラントへ期待すること
• 2.プラントを取り巻く複雑なマクロ環境の変化
  • 2.1 政治的な環境変化
  • 2.2 経済的な環境変化
  • 2.3 社会的な環境変化
  • 2.4 技術的な環境変化
• 3.環境変化がプラントの製造プロセスに与える3つの影響
  • 3.1 製造管理にかかる費用 (製造間接費) の削減努力要求
  • 3.2 多品種小ロット短期間生産への対応
  • 3.3 プラントDXによる「考えるプラント」
• 4.プラントの製造プロセスにおける5つの代表的な課題
  • 4.1 製造現場の事務工数増
  • 4.2 コストダウンや改善の行き詰まり
  • 4.3 クレーム削減や納期短縮
  • 4.4 間接業務の生産性停滞
  • 4.5 保全業務の旧態依然
• 5.課題に対して考えられるアプローチ
  • 5.1 IoTシステム構築チームとプラント変革推進チームの発足
  • 5.2 Knowledge (知識・スキル)
  • 5.3 Organization (組織)
  • 5.4 Process (業務プロセス)
  • 5.5 Technology (技術)
• 6.製造プロセスのDXを推進するAI人材育成
  • 6.1 IoTシステム構築チームにおけるAI人材育成
  • 6.2 プラント変革推進チームにおけるAI人材育成
  • 6.3 プラントにおけるAI人材育成
• 7.具体的なAI人材育成の手法
  • 7.1 AI人材の獲得方法
  • 7.2 AI人材育成のアプローチ

2節 運転日誌のデータベース化によるプラント操業の効率化

• 1.運転日誌データベース化の概要
  • 1.1 製造現場の現状、課題
  • 1.2 PLMの機能概要
  • 1.3 運転日誌データベース化のメリット
• 2.データベース化において留意すべき点
  • 2.1 運転員ファースト
  • 2.2 導入時の現場負荷の低減
  • 2.3 導入後の柔軟な環境適応
• 3.運転日誌データベース化事例
  • 3.1 現場申し送り業務の改革
  • 3.2 運転日誌と複数帳票の一元管理
  • 3.3 工事管理業務の効率化
• 4.今後の展望 ナレッジデータ活用
  • 4.1 PLMと外部システムとのデータ連携
  • 4.2 ナレッジデータ解析、活用

3節 進化型VRを利用した技能訓練、安全教育

• 1.技能訓練へのアプローチ
• 2.安全へのアプローチ
• 3.人の体感を考慮する
• 4.安全教育における障害
  • 5.3ステップ安全教育による試み
• 6.教育を実行する仕組み
  • 7.1 災害ケーススタディー映像
  • 7.2 危険感受性向上の為の災害体感VR
  • 7.3 気づき促進教育360VRビューアドバンス
• 7.想定外を減らし災害に対処する
• 8.試行錯誤により前進する
• 9.チャレンジにより手法を見つけ出す
• 10.社会ネットワークを通じて安全を推進する
• 11.社会実装に於ける課題

4節 ARを用いた熟練技能者の技能伝承

• 1. 製造業を取り巻く環境
  • 1.1 世界的な状況
  • 1.2 日本の状況
• 2.現場作業員をサポートするAR (拡張現実)
  • 2.1 現場に浸透していないIT
  • 2.2 AR (拡張現実) とは
  • 2.3 ARによる現場の課題解決
• 3.現場をサポートするARの実例と支える技術
  • 3.1 ARの取り組み例
  • 3.2 実現するための技術

5節 スマートグラスおよびAR技術を活用した点検・検査作業の効率化

• 1.国内製造業における点検・検査作業の課題
  • 1.1 紙のマニュアルによる点検・検査作業が抱える課題とは
• 2.製造業のDXに活用できるAR
  • 2.1 AR (Augmented Reality) とは
  • 2.2 AR表示デバイスの種類
  • 2.3 AR実現に欠かせない空間認識技術
• 3.製造業におけるAR技術の様々な活用方法
  • 3.1 遠隔作業支援
  • 3.2 配置シミュレーション
  • 3.3 AR作業指示
• 4.点検・検査作業において実用化が進むAR技術
  • 4.1 点検箇所を視覚的にガイドする「Vuforia Instruct」
  • 4.2 動画マニュアルを迅速に作成できる「Vuforia Expert Capture」
• 5.作業記録のデジタル化によるプロセス改善
  • 5.1 抜け漏れの防止
  • 5.2 検査工程毎の不良率および作業時間の分析
• 6.クラウドサービス活用のメリットと注意点
  • 6.1 製造業においてクラウド利用が進んでいる理由とは
  • 6.2 クラウド利用における情報セキュリティガバナンス

第8章 プラント設計のDX化

1節 プラント空間設計の自動化とその効果

• 1.はじめに
  • 1.1 プラントのEPCにおける課題
  • 1.2 設計プロセスの概要と課題
  • 1.3 配管設計
  • 1.4 プラント空間設計の自動化を目指す自律型CADシステム「PlantStream」
• 2.PlantStreamの主要機能
  • 2.1 高速かつ精度の高い自動ルーティング
  • 2.2 設備配置 (プロットプラン)
  • 2.3 機器廻り標準配管設計レイアウト (ブロック・パターン)
• 3.設計の自動化による効果
  • 3.1 設計コスト削減
  • 3.2 積算の高精度化
  • 3.3 複数の設備配置計画の検討
  • 3.4 設計ワークフローの変革
  • 3.5 エンジニアの育成

2節 数理最適化による既存プラントの省エネルギー化検討

• 1.数理最適化の概要
• 2.HEROの最適化モデルの特徴
  • 2.1 プラント全体を扱う大規模最適化
  • 2.2 プロセス系モデルの特徴
  • 2.3 用役系モデルの特徴
• 3.HEROの適用効果
• 4.普及のための課題と方策

3節 プロセスプラントの防災シミュレーション

• 1.防災シミュレーション
  • 1.1 漏洩・液の広がり・蒸発シミュレーション
  • 1.2 ガス拡散シミュレーション
  • 1.3 爆発シミュレーション (BLEVE・VCE・ファイアボール)
  • 1.4 輻射熱計算シミュレーション (タンク火災・漏洩火災)
  • 1.5 ボイルオーバーシミュレーション
  • 1.6 原油蒸発拡散シミュレーション
  • 1.7 タンク火災消火シミュレーション
  • 1.8 放水 (泡) シミュレーション
  • 1.9 防消火資機材配置シミュレーション
• 2.災害シミュレーションの実際
• 3.精緻なリスク評価による危険場所の再評価
  • 3.1 以前の方法
  • 3.2 IEC Edition2.0またはEd3.0による評価方法
  • 3.3 実際の適用について