Tata Steel、Manufacturing Data Engine で機器と運用のモニタリングを強化

※この投稿は米国時間 2025 年 9 月 6 日に、Google Cloud blog に投稿されたものの抄訳です。

Tata Steel は世界最大級の鉄鋼メーカーで、年間粗鋼生産能力は 3, 500 万トンを超えます。これほど大規模かつグローバルな生産体制では、資産の可用性、製品の品質、運用の安全性、環境モニタリングを改善する方法が必要でした。当社では、さまざまなソースからのデータを一元化し、Google Cloud で高度な分析を実装することで、従業員の安全と環境管理に対するよりプロアクティブで包括的なアプローチを推進しています。

これらの目標を達成するために、　堅牢なマルチクラウド アーキテクチャを設計して実装しました。この設定により、さまざまなプラットフォームにわたる製造データが統合され、Google Cloud 上の Tata Steel Data Lake がシームレスなデータ集約と分析のための集中リポジトリとして確立されます。

Google Cloud で統合データ基盤を構築する

当社の包括的なデータ取得フレームワークは、インド東部ジャールカンド州のジャムシェドプルなど、複数の工場にまたがっています。ここでは、Google Cloud Marketplace で利用できる Litmus と ClearBlade を活用して、LAN、SIM カード、プロセス ネットワーク経由でプログラマブル ロジック コントローラ（PLC）からリアルタイムのテレメトリー データを収集しています。

代替手段として、SAP Business Objective Data Services（BODS）とウェブ API を使用した内部データ ステージングのセットアップを採用しています。また、LoRaWAN とウェブ API を使用してデータをアップステージングするスマートセンサーを社内で開発しました。これらの多様なアプローチによって、PLC からのオペレーション テクノロジー（OT）データと SAP からの情報技術（IT）データの両方を Google Cloud BigQuery にシームレスに統合することにより、統合された効率的なデータ利用が可能になります。

当初は、クレーンのデータを取り込むために Google Cloud IoT Core が使用されていました。このサービスが廃止された後、データ パイプラインを再設計して ClearBlade IoT Services を統合し、Google Cloud へのシームレスかつ安全なデータ取り込みを確保しました。

当社の OT データレイクは、Manufacturing Data Engine（MDE）と BigQuery を基盤として構築されており、スケーラブルで費用対効果の高いデータ処理を実現する、ストレージとコンピューティングが分離された機能を提供します。1 時間ごとと 1 日ごとのテーブル パーティショニングで可視化レイヤを開発し、リアルタイムの分析情報と長期的な傾向分析の両方をサポートしました。古いデータセットは戦略的に Google Cloud Storage を使用して費用が最適化されました。

また、Litmus と ClearBlade IoT Core を利用して、最小限のレイテンシで OT データをアップステージする安全なマルチパス データ取り込みアーキテクチャも実装しました。最後に、リモートの OPC サーバーから OPC Data Access と OPC Unified Access のデータを抽出するカスタム ソリューションを開発し、オンプレミス データベースを介してステージングしてから、Google Cloud に安全に転送しました。

この包括的なアーキテクチャにより、リアルタイムのデバイスデータに即座にアクセスできるとともに、SAP やその他のオンプレミス データベースからの情報のバッチ処理が容易になります。OT データと IT データを統合するこのアプローチにより、運用を包括的に把握できるようになり、アセット ヘルス モニタリング、環境キャンバス、中央品質管理システムなどの重要な取り組みについて、Tata Steel のすべての拠点でより多くの情報に基づいた意思決定が可能になります。

リアルタイム運用における従来の課題を克服

Google Cloud で産業用 IoT をデプロイする前は、高速データが中央ストレージで簡単にアクセスできませんでした。その代わりに、データはメディエーション サーバーや IBA などのローカル システムに保存されていました。これらのシステムでは、保存容量が限られているため、定義された保持期間が経過すると自動的に削除されていました。このアプローチは、従来のインフラストラクチャと組み合わされることで、データの可用性を大幅に制限し、情報に基づいたビジネス上の意思決定を妨げていました。さらに、エッジ分析と可視化の機能は限られており、仲介レイヤでの処理のボトルネックにより、データレイテンシは高いままでした。

これらの問題、特に DMZ 環境内での安全な OT データ パイプラインの実装に対処することは、大きな課題でした。サイバーセキュリティ リスクを軽減し、データの整合性を維持するために、Google は一方向データ転送メカニズム（データダイオード）を組み込んだ複数のアーキテクチャ データパスを設計し、OT データを安全かつ制御された状態でクラウドにアップステージングできるようにしました。

Google Cloud の実装によって、IT レイヤと OT レイヤの両方でセキュリティ プロトコルのコンプライアンスを確保しつつ、製造アセットとプロセスを分析するための大量かつ高速なデータをシームレスに取得できるようになり、この取り組みによって運用効率が向上し、費用が削減されました。

安全でよりレジリエントな製造オペレーション ソリューションを評価して実装するための Google Cloud とのコラボレーションは、Tata Steel のデジタル トランスフォーメーションの取り組みにおける重要なマイルストーンとなります。新しい統合データ基盤では、以下のような AI 対応機能を通じて、データドリブンな意思決定を強化しました。

• アセットの稼働状況のモニタリング

• イベントベースのアラート メカニズム

• リアルタイムのデータ モニタリング

• 高度なデータ分析でユーザー エクスペリエンスを向上

iMEC: 予測メンテナンスと効率性を強化

Tata Steel の Integrated Maintenance Excellence Centre（iMEC）は、MDE を利用してモニタリング ソリューションを構築、デプロイしています。これには、データ分析、予測メンテナンス戦略、リアルタイム モニタリングを活用して、機器の信頼性を高め、プロアクティブなアセット管理を実現することが含まれます。

MDE は、事前構成されたコードゼロの Google Cloud インフラストラクチャを提供し、製鉄所全体のさまざまなセンサーやシステムからデータを取り込み、処理、分析する中央ハブとして機能します。これにより、運用効率の向上とダウンタイムの削減のためのソリューションの開発と実装が可能になります。

リアルタイムのアドバイスを提供するモニタリング ソリューションにより、メンテナンス チームは危険な作業現場での物理的な人員配置を減らしながら、現場近くの制御室と比較して、より人間工学に基づいた快適な作業環境を従業員に提供できます。これらのソリューションは、アセット管理とメンテナンスの専門知識を一元化するのにも役立ち、リアルタイムのデータを使用して、次のような運用上の大幅な改善と費用対効果の目標を達成できます。

• 計画外の停止の低減と機器の可用性の向上。

• 時間ベースのメンテナンス（TBM）から予測メンテナンスへの移行。

• リソース使用の最適化、電力コストの削減、遅延の最小化。

動画分析とクラウド ストレージにおける安全性の向上

また、従業員の安全性を強化するために、オンプレミスの社内ビデオ分析を利用した安全違反モニタリング システムも導入しました。違反が検出された画像は、さらなる分析とレポート作成のために、Cloud Storage バケットに自動的にアップロードされます。

各ユースケースに合わせて違反と非違反の特定のサンプルを使用して、動画分析モデルを社内で開発、トレーニングしました。この革新的なアプローチにより、Cloud Storage の弾力的なストレージ機能を活用して、増え続ける安全違反画像を効率的に保存できるようになりました。

データの完全性、正確性、一貫性、信頼性を確保する中央品質管理システムも Google Cloud 上に構築されており、スケーラブルなデータ ストレージと分析には BigQuery を、直感的なデータ可視化とレポートには Looker Studio を利用しています。

環境モニタリングのための Google Cloud

Tata Steel のサステナビリティへの取り組みは、Google Cloud 上で完全に動作する包括的な環境モニタリング システムに表れています。Google の Environment Canvas システムは、スタック排出や漏洩排出など、さまざまな環境に関する重要業績評価指標（KPI）を捕捉します。

これらの KPI のデータは、センサー、SAP、手動入力によって取得されます。一部のプラントからのセンサーデータは、最初は別のクラウドまたはオンプレミス システムに送信されますが、最終的には Google Cloud に転送され、統合された利用と可視化が行われます。

Google Cloud のデータと AI テクノロジーの力を活用することで、iMEC によって実現される統合データ基盤、リアルタイム モニタリング、予測メンテナンスを通じて、運用モニタリングと安全性を向上させています。同時に、Google Cloud ベースのシステムで環境 KPI の包括的なモニタリングとリアルタイムのレポート作成を可能にし、責任ある運用に役立つ実用的な分析情報を提供することで、環境責任への取り組みを強化しています。

BigQuery と Manufacturing Data Engine が、組織のビジネス目標達成をどのように支援するか、詳細をご覧ください。

ー Tata Steel、自動化担当ソフトウェア開発責任者 Hari Darshan Singh 氏

ー Google Cloud、チーフ テクニカル アーキテクト Mandar Samant