UNSはポイント・ツー・ポイント接続を置き換える
工場のシステム連携は、多くの場合ポイント・ツー・ポイントで作られてきました。PLCからSCADAへ、SCADAからヒストリアンへ、MESからERPへ、MESから品質管理システムへ、と必要になるたびに個別の接続を作ります。システムがN個あれば、接続は最大でN×(N−1)/2本に増え、どれか1つを更新するたびに複数の接続を直すことになります。AIのテーマが増えると、ここに「AIのためのデータ取得」がテーマごとに加わります。
UNSは、この接続を1か所の名前空間に集約する考え方です。MQTTブローカー大手のHiveMQは、UNSを「組織の構造とイベントを意味づけして表したもので、全データの単一の信頼できる情報源」と説明し、多数のポイント・ツー・ポイント接続を1つに置き換えるものと位置づけています。各システムは、自分のデータをUNSに発行（publish）し、必要なデータをUNSから購読（subscribe）します。
UNSは製品名ではなく、アーキテクチャの考え方です。実装にはMQTTブローカーを使うことが多く、トピックの階層はISA-95の資産モデル（Enterprise／Site／Area／Line／Cell）に沿って設計するのが一般的です。
AIにとっての2つの利点
UNSがAIにとって有用なのは、次の2点です。
1つ目は、モデルの入力を1か所から購読できることです。異常検知AIが必要とする設備の温度・振動・稼働状態と、MESの品番・ロット情報が同じ名前空間にあれば、AIのアプリケーションは複数のシステムに個別に接続する必要がありません。新しいAIテーマを追加するときも、必要なトピックを購読するだけで入力を揃えられます。
2つ目は、推論結果を同じ名前空間に書き戻せることです。AIの判定結果をUNSのトピックとして発行すれば、MES（ホールド処理）、アンドン、ダッシュボード、ヒストリアン（記録）が、それぞれ購読して使えます。結果の配信先ごとに連携を作る必要がありません。推論結果を業務につなぐ設計はAIの推論結果をMESに書き戻すで扱います。
UNSの役割ではないもの
UNSについての誤解でもっとも多いのは、UNSがデータ基盤のすべてを担うと考えることです。UNSは「今の状態とイベント」を流通させる仕組みで、次の役割は持ちません。
| 役割 | 担うシステム | 理由 |
|---|---|---|
| 履歴データの長期保存 | ヒストリアン、時系列DB、レイクハウス | ブローカーは最新値と流れるメッセージを扱う。過去データの検索・集計はできない |
| トランザクションの正本 | MES、ERP | 作業指示・ロット・在庫は整合性の保証が必要で、MESのデータベースが正本 |
| AIの学習データの管理 | レイクハウス、特徴量ストア | 学習には過去の大量データと、その版管理が必要 |
| 制御 | PLC、DCS | ミリ秒単位の制御ループはUNSを経由させない |
AIの学習は過去データを使うため、UNSだけではAIの基盤になりません。UNSに流れたデータをヒストリアンやレイクハウスに蓄積する経路が別に必要です。レイクハウスの設計は製造業のデータレイク・レイクハウスを参照してください。
導入の現実的な進め方
UNSは考え方としてはシンプルですが、全工場を一度に移行するのは現実的ではありません。既存のポイント・ツー・ポイント接続は動いており、すべてを置き換える理由はありません。
UNSの実装にはMQTTが使われることが多いものの、MQTT自体はトピックの名前空間もペイロードの形式も定めていません。そこをSparkplug（ISO/IEC 20237）で埋めるか、自社の規約で埋めるかという選択が生じます。HiveMQ自身も、Sparkplug前提のUNSを解説した記事の後に、より柔軟なアプローチを推す方向へ見解を変えたと明記しています。この選択はMQTTとSparkplugの違い、トピックの切り方はUNSのトピック設計で扱います。
よくある質問
UNSを導入するにはMQTTが必須ですか？
必須ではありません。UNSは考え方なので、OPC UAのPub/Subや他のメッセージング基盤でも実装できます。ただし、実例ではMQTTブローカーを使う構成が多く、対応製品も豊富です。
中小規模の工場でもUNSは必要ですか？
接続するシステムが2〜3個しかなければ、個別接続のほうが簡単です。システムやAIのテーマが増え、接続の保守が負担になってきた段階で検討すれば十分です。
UNSとデータレイクはどちらを先に作るべきですか？
AIの学習には過去データが必要なため、データの蓄積を先に始める方が成果につながりやすいです。リアルタイムの推論と結果配信が必要になった段階でUNSを加える順番が現実的です。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
