工場向け電力見える化製品の開発

同社は自社の製品に工場の電力を見える化する機能を加えようとしていました。そのためには工場の電力計のデータをクラウドへ集める仕組みと、担当者が見る画面が必要になります。集めたデータを工場の判断に使える形にすることも必要です。社内に開発者はいたものの、新しい機能を丸ごと作る手が足りませんでした。電力計をつなぐ仕組みや、集めたデータを活用する方法の知見も社内には多くありませんでした。

社内の手が足りないままでも、同社は着手から約4か月で電力の見える化を本番で動く機能として製品に加えました。電力計の接続から画面、データを工場の判断に使える形にするところまでをまとめてKDOTに任せたためです。発注は期限と成果物をあらかじめ決めた請負としました。KDOTが編成したチームが設計から実装までを担い、電力計のゲートウェイからMQTTでAWS IoT Coreへ集め、Amazon Timestreamに時系列で蓄える仕組みと、設備ごとの電力を見る画面を作りました。

この機能によって、工場は契約電力の超過を予測してオペレーションできるようになりました。画面ではデマンド（一定時間ごとの平均使用電力）の今後の推移を機械学習（scikit-learn）で予測し、担当者が決めた目標値を超えそうかを事前に見通せます。生成AIが電力需要の傾向を要約するので、担当者はグラフを読み解かなくても目立つ点を短い文章で受け取れます。同社の製品は、電力を並べて見せるだけでなく工場の判断に使える機能を持ちました。

同社はこの機能を自社製品の機能として複数の工場へ販売し、導入しました。電力計の機種やゲートウェイの構成が工場ごとに違っても、同社はこの機能を導入できます。納品後の約9か月、KDOTが本番の運用を続けながら対応できる機種と機器の構成を増やしたためです。工場ごとの電力データの分析をもとに、同社は工場へ改善を提案できるようになりました。展示会や商談では、デモ用のデータで電力の機能を見せられます。分析と提案の材料づくりやデモ用のデータの用意は、支援中にKDOTが担いました。

同社は今もこの機能を自社で運用しながら販売し、工場ごとの分析や提案も自分たちで行っています。改修や運用は、開発と並行してKDOTが行ったエンジニアリング一般の講義を通して、受講した社員が担えるようになりました。