5 分で読了
0 views

ADS通信性能再考

(ADS Performance Revisited)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近まわりで「ADS」という言葉を聞くのですが、うちの現場にも関係するのでしょうか。そもそもADSって何ですか。

AIメンター拓海

素晴らしい着眼点ですね!ADSはBeckhoffが提供するAutomation Device Specificationの略で、産業機器と通信するためのプロトコルです。製造現場で機器と制御系が高速にデータをやり取りするための“言葉”だと考えるとわかりやすいですよ。要点は三つ、1) 現場機器と直接やり取りする、2) 高速性が求められる、3) 実装方法で性能が大きく変わる、です。大丈夫、一緒に見ていけば恐れることはありませんよ。

田中専務

なるほど。で、今回の論文は何を問題にしているんですか。端的に教えてください、忙しいもので。

AIメンター拓海

結論ファーストでお伝えしますね。論文は、現場制御で期待される「1–20kHzのサンプリング」が既存の実装では達成できなかった理由と、実装の違い(Python、Java-JNA、Java-JNI、C++直接呼び出し)による性能差を詳しく調べたものです。要点三つで伝えると、1) 実装方法が性能ボトルネックになり得る、2) Java-JNIが必ずしも高速化を保証しない、3) 通知(notification)方式は有望、です。ですから安心して、順を追って説明しますよ。

田中専務

技術的な実装の違いでそんなに変わるものですか。投資対効果を考えると、どこに予算を割くべきか判断したいのです。

AIメンター拓海

良い質問です。投資判断の観点で押さえるべきは三点です。第一に、既存のソフトウェア設計がボトルネックになっていないかを確認すること、第二に、ネイティブ呼び出し(JNIやC++直接)が効果的かどうかを計測で確かめること、第三に、ポーリング(定期取得)ではなく通知(イベント駆動)に切り替えられるかを検討することです。どれも実際に計測してから判断する価値がありますよ。

田中専務

これって要するに、プログラムを変えれば現場の応答が速くなる可能性があるということですか。それともハードの問題が大きいのですか。

AIメンター拓海

要するに両方です。ただしまずはソフトウェア側を疑うのが合理的です。今回の論文でも、Java-JNIに替えても期待した改善が得られなかった例があり、実装の細部やライブラリの使い方が効いていることを示しています。ですから手順としては、1) 現状の計測、2) 実装差の比較、3) 通知ベースの試作、の順で進めるとリスクが低くなりますよ。

田中専務

現場の担当者に『まずは計測せよ』と言えば良いですか。それで何を見れば良いのか具体的に教えてください。

AIメンター拓海

いい決断です。計測では、1) サンプリングレート(どれだけ頻繁に値を取れているか)、2) レイテンシのばらつき(平均だけでなく最大や分散)、3) CPUやネットワーク負荷の余裕、を計測してください。これらが分かれば、ソフト改修で済むのか、ハード増強が必要かを判断できます。大丈夫、現場に渡すチェックリストを一緒に作れますよ。

田中専務

実装を変えるには外注するか内製するか悩みどころです。コストとスピードのバランスで何かアドバイスはありますか。

AIメンター拓海

経営視点が素晴らしいです。判断基準は三点です。短期で確実に結果が欲しいなら外注でプロトタイプを作る、内部ノウハウを蓄積したければ内製で段階的に改修する、そして両者を混ぜるハイブリッドも有効です。ADSのような低レイヤでの改修は試作で効果検証を優先するのが賢明ですよ。

田中専務

分かりました。では最後に、今回の論文が経営判断にどう効くかを私の言葉で整理して終わりにしますね。要は『まず現状を測って、短期は通知ベースの試作で効果を確かめ、長期は内製でノウハウを作る』という理解で合っていますか。

AIメンター拓海

その通りです、完璧なまとめですね!おっしゃる順序で進めれば投資対効果は高く、リスクも小さくできます。もしよろしければ、現場向けの簡易計測手順と経営報告用の要点三つを用意しますよ。大丈夫、一緒にやれば必ずできますよ。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
XAI-FUNGIデータセット:説明可能なAIの可解性に関するユーザースタディに基づくデータセット / XAI-FUNGI: Dataset resulting from the user study on comprehensibility of explainable AI algorithms
次の記事
偏微分方程式に対する人工知能の応用 — Artificial intelligence for partial differential equations in computational mechanics: A review
関連記事
構造的プルーニングのためのベイズモデル還元
(BMRS: Bayesian Model Reduction for Structured Pruning)
悪意あるウェブリクエスト検出器の学習
(Learning detectors of malicious web requests for intrusion detection in network traffic)
単一画像から高精度テクスチャ付き3Dメッシュを生成する畳み込み復元モデル(CRM: Convolutional Reconstruction Model) — CRM: Single Image to 3D Textured Mesh with Convolutional Reconstruction Model
多主成分元素合金の機械特性予測のための原始的機械学習ツール
(A primitive machine learning tool for the mechanical property prediction of multiple principal element alloys)
オープンドメインスロット情報抽出のための自己教師付き共同学習
(Toward Open-domain Slot Filling via Self-supervised Co-training)
ℓ1距離による点と部分空間の効率的検索
(Efficient Point-to-Subspace Query in ℓ1)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む