AWS re:Invent 2024で見たデジタルツインの実践と展望 〜チョークトークから見る産業変革のスケーリング〜
2024.12.31「さすがにチョークトーク、みんなぎょうさん喋るな。デジタルツインにこだわりある人がこの場に集結してる感じがする」
re:Invent 2024のデジタルツインに関するチョークトークに参加しながらそんな気持ちになっていました。
製造業のお客様と話していると、デジタルツインという単語自体を聞くことは珍しくなくなってきました。ただ、それを実際に活かしていくにはどのような課題があるのか、どこから始めるべきなのかという点では、まだまだ日本では試行錯誤の段階という感触です。
この記事では、そんなデジタルツインの活用とスケーリングに向けたノウハウがチョークトークという聴衆とのディスカッション形式で語られていました。できるだけ講師と聴衆とのリアルなやり取りも含めてまとめてみたので、興味がある方は、この記事みていただければと思います。
ほな、いってみよ！
チョークトーク内容：「AWSデジタルツインフレームワークによる産業変革のスケーリング」
タイトル：IOT310 | Scaling industrial transformation with the AWS Digital Twin Framework
In this chalk talk, discover how the AWS Digital Twin Framework helps organizations build and deploy digital twins at scale, unifying capabilities across IoT, AI/ML, simulations, and spatial data planes. Learn best practices for using the framework to systematically add capabilities for common industrial use cases, such as asset performance management, production optimization, and product design. Work through flexible pathways to collect and contextualize data, overlay visual assets, deploy predictive models and simulations, and build actionable applications. Find out how the framework can help organizations overcome obstacles to deploying digital twins at scale, including integration with existing systems, information models, synchronization, and closing the loop.
DeepLによる機械翻訳
このチョークトークでは、AWS Digital Twin Frameworkが、IoT、AI/ML、シミュレーション、空間データプレーンにわたる機能を統合し、組織がデジタルツインを大規模に構築および展開するのを支援する方法をご紹介します。資産パフォーマンス管理、生産最適化、製品設計など、一般的な産業用ユースケースに対応する機能を体系的に追加するためのフレームワークの使用に関するベストプラクティスを学びます。 柔軟なパスウェイを通じて、データの収集とコンテクスト化、視覚的資産のオーバーレイ、予測モデルとシミュレーションの展開、実用的なアプリケーションの構築を行います。 既存のシステム、情報モデル、同期、ループのクローズなど、デジタルツインを大規模に展開する際の障害を克服するうえで、このフレームワークがどのように役立つかを確認します。
チョークトークの講師の方々
チョークトークは、このお二人の和気あいあいとしたマシンガントークで進行されました。聴衆との掛け合いも非常に多く、凄く活気がある場だった記憶があります。
- Jeremiah Habets, Principal Solutions Architect, AWS
- Pallavi Chari, Worldwide GTM Lead - Digital Twins and IIoT Applications, Amazon Web Services
チョークトークの構成
以下、チョークトーク内容のAgendaを記載します。このあと、チョークトークの内容がずーっと続いていくのですが、はじめに、この全体像を抑えておいてもらえれば話の流れを抑えるのがスムーズかと思います。
- Session Alignment:What is a digital twin
- Trends and challenges:Industrial customers
- What is the AWS digital twin framework
- Key use cases, example customerdeployments, and demos
- Working through the digital twin framework
- Breaking the twin up:Common patterns for IoT and Spatial data,building and orchestrating simulations
- Working through use cases
- Q&A
チョークトークに関わる公式資料
チョークトークの進行資料は、PDFでこちらに公開されています。（文中の画像は、会場で撮影した写真で一部不明瞭な部分が多々あります。申し訳ないです。詳細はこちらのPDFを御覧ください。）
IOT310_Scaling-industrial-transformation-with-the-AWS-Digital-Twin-Framework.pdf
チョークトークの進行
以下、チョークトークの内容になります。聴衆とのディスカッションも多かったため要約というよりは掛け合い含めたそのままの文字起こしが中心となっていること、ご容赦ください。
チョークトーク開始前のプレトーク
講師：今日はどんな方が来られていますか？チョークトークセッションが始まる前に、いくらか皆さんのこのトークへの思いや問題意識など聞かせてもらえれば、トーク内容に反映できればと思ってます。私たちは主に、デジタルツインのスケーリングについて話したいと考えています。
参加者：私は製造業で働いています。IoTプロジェクトを多く抱えており、本番環境でのテストに苦労しています。エンジニアリングが必要です。
別の参加者：私は製薬会社のプロセス開発とクリニカル試験製造に携わっています。学ぶことを楽しみにしています。
参加者：私は家具製造会社で働いています。倉庫の改装を進めており、デジタルツインの経験は全くありません。会社は倉庫のあらゆる場所にIoTを導入しようとしています。
講師：これは倉庫のよい例ですね。AWSの部分とAmazonの倉庫について触れていきましょう。
参加者：メルセデスの機器の故障クレームのプロファイルモニタリングについて...米国とカナダの両方で使用していますか？それとも検討段階ですか？
チョークトーク開始。前段
私たちは専門組織の一員です。アドバンストコンピューティングの一部です。私はGo-to-Marketを担当しており、AWSのデジタルツインを担当しています。Jomarはデジタルツインフレームワークに取り組んでいる専門家です。
今日のテーマは「AWSデジタルツインフレームワークによる産業変革のスケーリング」ですが、様々な業界での活用事例を見ていきます。産業用途に焦点を当てていきますが、自動車、ガス、公共事業、建設など、幅広い業界での例を見ていきます。
いくつかのスライドを使って会話を進めていきましょう。いつでも質問してください。様々な業界の方々、パートナー企業の方々がいらっしゃるので、デジタルツインについて同じ認識を持てるように話を進めていきます。
産業界のお客様が直面している課題を見ていきましょう。プロトタイプやPOCからスケールのある展開へどう進めていくのか。AWSデジタルツインフレームワークの紹介と、そのアーキテクチャの意味について。資産管理や工程最適化などの一般的なユースケースについても見ていきます。
実際に導入されているお客様の事例も紹介します。デモを通して説明していきます。Q&Aは最後に設けますが、途中でも質問してください。これは実践的なワークショップです。デジタルツインの異なるコンポーネントがどのように連携するのか、特定のユースケースでAWSをスケールしてどう使い始めるのかを見ていきます。
01. Session Alignment:What is a digital twin
デジタルツインの定義についてですが、物理システムの360度のデジタル表現、そして「生きている」という意味で動的なものです。そのシステムは資産かもしれませんし、製造ライン、サイト、プロセス、生態系かもしれません。そのシステムを様々なデータの次元でホリスティックに表現する必要があります。
システムの構造、安定性、振る舞いについて語る必要があります。一貫したデータ、時系列データ、運用データなど、すべてが物理的な資産を真に表現するためにコンテキスト化される必要があります。重要なポイントは、デジタルツインを見る視点やレンズがビジネス成果であるということです。
ジェントルマン・コントロールロジックについて、スマートビルディングの新しい構造とリモート管理を検討されています。資産パフォーマンス管理とリモートモニタリングを見ています。プロセス最適化を検討されています。
まだ構築されていないシステムについて、設計とエンジニアリング、あるいは臨床試験と市場投入の迅速化などを検討しています。これらはすべて、デジタルツイン技術が有用となるビジネス成果の例です。
02. Trends and challenges:Industrial customers
市場はこれを3つの大きな技術に分類しています。空間コンピューティング、予測モデリング、実世界データです。それぞれにサブカテゴリーがあります。
実世界データについて、IoTデータ、システムデータ、リクエストデータ、非構造化データ（WiFiやビデオフィードなど）があります。空間コンピューティングでは、3Dアセットを扱います。AIやシミュレーション、シナリオ分析では、これらの3つの要素がどのように連携するかが重要です。
デジタルツインはプラグアンドプレイのソリューションではありません。これらの技術を1つのプラットフォームやアプリケーションに統合するためのブループリントです。一からポイントソリューションを構築する必要はありません。
03. What is the AWS digital twin framework
レベリングインデックスを構築しました。これはAWSだけでなく、VedanticsやOrdeskでも使用されています。これはSMDラインのようなものではありません。ユースケースに基づいて、デジタルツイン技術をパッケージ化しています。
レベル1のツインは、構造に焦点を当てています。新しい製造プラント、製油所、建物、機械などを建設する場合、まだ存在していない資産のバーチャルモデルを構築して、より良くテストすることができます。設計エンジニアリングのグローバルな協力が可能です。CFPモデルなどの技術が必要です。
レベル2は監視と運用です。予測能力のインテリジェンスは構築していませんが、様々なデータソースを集約します。例えば、自動車製造ラインの溶接機の例を見てみましょう...
溶接機には部品があり、資産管理システムや材料計画システムに登録されています。SAPの作業指示やERPシステム、時系列データ、プロセスデータ、生産ライン上の位置に関する空間データ、生産ライン自体のレイアウト、そしてビデオカメラのデータなどがあります。
全てのデータはCRMにあります。部品の注文が必要な時、溶接機を見たことがないエンジニアが性能を理解する必要がある時など、10-15のデータソースを集約し、文脈化して根本原因を理解する必要があります。これがメイドツインの成果であり、いかに素早くインシデントを特定し、修正できるかが重要です。
新人がいて状況が分からない場合、自動化が必要です。従業員のスキルセットを補完します。レベル3では、インテリジェントなインターシステムを構築します。短期予測を行い、機械学習モデルを使用します。これにはAmazon SageMakerが役立ちます。
リビングツイン（レベル4）では、例えば溶接機が故障した場合、どう修理し、どの部品を注文するかを考えます。3ヶ月後に故障する可能性を予測し、誤差を±3ヶ月以内に抑えます。異なる条件や注文の下で、正確な予測を得たいからです。
プロセス製造業では、例えばスパイス製造で、配合を変更し、廃棄物を最小化したり、収率を最適化したり、エネルギー消費を削減したり、性能を向上させたりする場合、複数のシミュレーションとシナリオを実行して、最適な行動を評価します。これがレベル4です。
お客様との会話を通じて、最初の数個のユースケースは分かっていますが、その後は曖昧になっていきます。他にもこれができる、あれができるとなりますが、既存のソリューションを再構築することなく、新しい機能を追加できる余地を残しておく必要があります。
デジタルツインは約5-6年前まではバズワードでした。しかし、ここ数年で実際に導入し、展開したいという意欲が高まっています。POCや実験の段階から、5-6年後には収益に直結する本格的な展開へと移行しようとしています。
業界別のユースケースを見ると、ソフトジェネティクスでは、シミュレーションと実世界データを組み合わせて市場投入時間を短縮しています。これは自動車の新モデルや生産ラインの準備、あるいは創薬にも適用されます。
最大の成長分野はプロセス最適化です。多くのプロセス駆動型産業で、収率の最適化、医薬品やチョコレートバーの市場投入時間の短縮、バッテリーの廃棄防止などに取り組んでいます。
資産パフォーマンス管理、リモートモニタリング、スマートシティなども重要なユースケースです。スマートシティは漠然とした概念ですが、具体的なユースケースに分解する必要があります。
自動車・製造業は先進的ですが、住宅、商業、ヘルスケア、ライフサイエンス、航空宇宙など、多くの分野で成長の可能性があります。
04. Key use cases, example customerdeployments, and demos
今日のお客様との会話で、主に以下のユースケースが挙げられています：
資産のパフォーマンス管理と最適化 - 様々なシナリオ下での資産の有用な寿命を維持・予測する方法。これには条件ベースのモニタリング以上のものが必要です。
プロセスの監視と最適化、設備エンジニアリング、拡張作業者支援も重要です。特に産業分野では、スキルギャップが広がっており、新人の早期戦力化とエラー防止が課題です。
テレメトリーデータ、ERPデータ、コンテキスト化を組み合わせることで、資産パフォーマンス管理が可能になります。さらに、生産ラインでの資産の使用データは、設計者にフィードバックされて設計の進化に活用されます。
データサイエンティストや運用マネージャーはダッシュボードを見ていますが、現場作業者には別のアプローチが必要です。VR没入型トレーニング（自動車衝突テストでのハプティックフィードバックなど）やローコードアプリケーションを通じて、視覚的なナビゲーションを提供できます。
これらのデータは相互に関連しており、理想的なフレームワークでは、ユースケースを孤立させることなく、継続的にデータを活用できるようにすべきです。
データサイエンティストとの対話で、ARについての指摘がありました。トレーニング用ARを最初に導入しましたが、実際の工場での実装は複雑でした。変更管理が必要で、データとデータサイエンティストが重要です。
参加者：「それぞれのユースケースには変更管理とビジネスプロセスが必要です。データをサイロからクラウドに移行し、利用可能にするのは費用と時間がかかります。AWSが提供する多くの選択肢から1つを選ぶ必要があります。」
CADアセットをリアルタイムアセットに変換すれば、それを基に拡張作業や訓練が可能になります。最初のROIは正当化が難しいかもしれませんが、一度基盤ができれば、他のユースケースのコストは低くなります。
VR実験やシミュレーションなど、新しいアイデアが生まれても、既存のアセットを活用できます。スケーリングの課題は技術的な問題ではなく、ビジネスオペレーション、内部データガバナンス、データの所有権とアクセス権の問題です。
デジタルツインフレームワークの目的は、合意されたプロセスと手順でデータにアクセスできるようにすることです。データが利用可能になれば、様々なアイデアを実現できます。
参加者：「オーグメンテッドワーカーはエコシステムのイネーブラーとして考えるべきですか？」
様々な形態があります。例えばAmazonの倉庫では、カートが到着すると、どこに何を置くべきかを示すライトが点灯します。これは必ずしもARグラスではなく、プロジェクションなどの形態もあります。
製造システムに組み込むことで作業効率が向上し、さらにその情報を学習管理システムに活用して新入社員研修にも使えます。OSHAなどの規制当局への報告要件にも対応できます。
異なる目的に同じデータを活用できるのが特徴です。例えば、安全性と生産性の向上から始まり、高リスク領域の特定、サイト全体への展開、そして生産性情報やトレーニング情報の追加へと発展させることができます。
使用事例の例を見てみましょう。Skincareは、Boschと協力してデジタルツインフレームワークを基にソリューションを構築しました。これは資産最適化のユースケースで、LPGから水素への移行における粘度の違いによる影響なども考慮しています。
IPanとSavedは、エネルギー最適化と運用の観点から生産品目の最適化を行っています。Invictorは、AR作業支援のユースケースで、3Dスキャンを活用して現場エンジニアの対応を支援しています。
また、電気部品の開発時間を数ヶ月から数週間に短縮しようとした内部チームの例もあります。設計からプロトタイプ製作までのプロセスを、デジタルシミュレーションを活用して効率化しました。例えば、接着剤塗布機の開発では、最初の8回程度の設計イテレーションをシミュレーションで行い、実際のプロトタイプ製作は最終段階のみにすることで、開発期間を大幅に短縮しました。
参加者：「SageMakerやその派生製品と、他社の類似シミュレーションツールの使い分けはどうしていますか？」
私たちは技術的に中立的な立場です。例えば、NVIDIAのOmniverseやANSYSのシミュレーション環境など、顧客が既に採用している技術があれば、それを活用します。Twin Makerは特定のユースケース、特にコスト重視でブラウザベースの表示が必要な場合に適しています。高品質なビジュアルが必要な場合は、Omniverseなどの選択肢もあります。
重要なのは、誰が何の目的でシステムを見るのか、コスト削減が目的か、収益向上が目的かなど、最終的な目標に基づいてソリューションを選択することです。
Twin Makerのようなサービスの費用は、使用するサービスや機能によって異なります。スケール時の主な課題は、統合の問題です。トレーニング文書や古いプロトコルなどのレガシーシステムがあるかどうか、時系列データだけでなく、非構造化データや工学データをどう扱うか、他のシステムとの統合をどうするかなどを考慮する必要があります。
プラットフォームやアプリケーションだけでなく、ワークフローも重要です。SAPシステムにフィードバックを返すなど、ループを閉じる必要があります。実世界との同期を維持し、初期のユースケースに機能を追加できる必要があります。
AWSの内部では、IoTグループ、シミュレーション・高性能コンピューティング、空間コンピューティングなど、様々なチームがデジタルツインについて顧客と話をしています。デジタルツインという言葉は、人によって異なる意味を持っています。CADモデルを指す場合もあれば、8つのシミュレーションを1つの大きなシミュレーションに統合することを指す場合もあります。
空間データプレーンについて、これはCAD文書、ビデオ、写真、ドローン撮影データなどの空間アセットを扱える場所を提供します。$10,000の機械で動作するエンジニアリングワークスペースもあります。
空間データプレーンは、この情報を1つの場所に集めて活用できるようにすることが目的です。例えば、ゴルフコースのドローンスキャンデータをデジタルツインに変換する場合、どうすればよいでしょうか。
バケットとデータベースがあり、アセットに関するメタデータを追跡します。ファイルとその情報（バージョン3、この日付に報告された、LiDARステートメントなど）を管理します。そして、多くの処理ステップを実行します。例えば、ビデオを取得して従来のプログラムで解析し、それをCATモデルに変換したり、Unity VRアプリケーションで使用するためにリメッシュしたりします。
ガバナンスレイヤーも重要です。例えば、マーケティング部門が広告代理店用に車のモデルが必要な場合、現在のバージョンを取得して変換するための内部プロセスが必要です。
スケーリングは必ずしも技術的な問題ではありません。オンプレミスシステムからクラウドへの移行には、人的な課題が伴います。データゾーン、レイクフォーメーションなどのツールが、より成熟したサービスを提供しています。
産業用インストレーションについて、これは非常に複雑です。会話は常に「それは状況次第」から始まります。これは人の問題であり、組織の問題です。デジタルツインの世界での主な課題の1つは、データの出所と、そのアクセスにかかるコストです。
例えば、新しい工場を建設し、デジタルツインを導入したい場合、機器メーカーがデータアクセスに月額料金を要求することがあります。これはビジネス上の課題であり、私たちには解決策がありません。
一般的に、資産があり、PLCやストレージ、あるいはローカルで通信するコンピュータ群があります。目標は、これらを産業用データの組み合わせに移行することです。私たちがよく使用するのは、SciPi、Twin Maker、その他のグラフなどです。
プレス機のプロジェクトでは、ANSYSシミュレーションが60フレームごとに数百のデータポイントを生成していました。SciPiではそれを処理できなかったため、データをタイムストリームに直接送信するようにしました。バッチファイルやKinesisデータストリームを使用することもできました。
06. Breaking the twin up:Common patterns for IoT and Spatial data,building and orchestrating simulations
機械やプロブレムごとに異なるソリューションが必要です。Twin Makerの場合、多くの顧客はデータの可視化に使用していますが、リアルタイムのレート転送には適していません。Omniverseの方が優れていますが、一般的な企業はそこまで求めていません。
シミュレーション部分では、DeepARkerが使用されています。これはモデルの作成、アップロード、実行方法に関するものです。特にリビングツインの場合、モデルを構築した後、より多くのデータを収集してモデルを更新し続ける必要があります。
部品が摩耗している場合、モデルも実際の部品の状態に合わせて変更する必要があります。これはGitリポジトリから始まり、GitアクションやGitlabでコンテナをビルドし、ステップ機能を使ってデータを実行します。
例えば、40時間ごとにビジネスモデルを更新し、最適化を実行するようなブリッジを設定できます。仮想センサーの場合、実際のデータがない場合でも、このデータを活用できます。
よくある例として、パイプの上流での乱流を測定したい場合があります。しかし、センサーを設置すると乱流自体が変化してしまうため、他の場所にセンサーを設置して乱流を計算する必要があります。これにより、エルボー部分がいつ摩耗するかを予測し、その情報をXwiseやデータベースに実際のデータポイントとしてフィードバックできます。
最近、鉱業分野での例があります。シミュレーションについて、多くの顧客は独自のシミュレーションを持っています。AnyLogic、TeamDynamics、バウンドシミュレーション、ANSYSなどを使用している場合もあります。
バイオリアクターの例では、ANSYSモデルを使用して酸素条件と容積を最適化しました。これは静的モデルですが、実世界は理想的な条件とは異なります。そこで、縮小次数モデルやバイオリアクターモデルを構築し、実際のパフォーマンスデータと並行して仮想センサーとして機能させます。
これにより、偏差を検出し、ワークフローを作成し、酸素レベルなどのサブコンポーネントを見るためのハイパーリアルな環境を構築できます。そして、実世界のデータをモデルにフィードバックすることでループを閉じ、モデルは継続的に調整されます。
25個の異なるバイオリアクターを扱う場合、ビジネスの異なる部分や異なるサイトでの速度の正確性を考慮する必要があります。モデルは時間とともに進化し、ある生産ラインではバージョン20を使用し、他では最初のバージョンを使用することになるかもしれません。
08. Q&A
参加者：「顧客側での質問ですが、3番目のトレーニング情報と、1番目の空間シミュレーションソースの目的は何ですか？統計や不活性を利用するということですか？」
ステップ1は主にプレゼンテーション層に関連します。誰かがこのものを見る必要があり、私の世界ではそれは3Dアプリケーションになります。モバイルアプリ、ゴーグル、あるいは単にビデオゲームのような画面かもしれません。
これを行う理由は、3Dの利点を活かすためです。Excelからチャートへ、そしてチャートから認知の他の部分を活用する文脈環境へと移行するようなものです。例えば、部品456Aが赤いというのを、スプレッドシートから見つけて現場の誰かに伝えるのは難しいですが、3Dモデルで「左から3番目の機械の上部中央」と示せば、異なる理解が得られます。
1から2への移行は、持っているものを変換することについてです。CADデータや写真、ビデオ、ドローン撮影データを、ダッシュボードや表示で実際に使用できるものに変換する必要があります。SolidWorksを開く必要はなく、運用担当者に3D表示を提供できます。
ゲーム業界では、これは簡単なプロセスです。ゲーム業界に入りたい20歳の若者を雇えば、モデリングや自動化を行い、仕事を奪い合います。しかし、工場を運営している場合、3Dモデラーの見つけ方も、配置の仕方も分かりません。そのため、これらのプロセスは、通常ゲーム業界で人間が行う単純な作業を自動化する方法となっています。
GLTFやUSDなど、CADファイルからリアルタイム3Dアセットへの変換方法は様々あります。最終的には、エンドユーザーに情報を提供することが目的です。Twin Makerを使用する方法もありますし、G6クラスのインスタンスを使用してPixelストリーマーを実行する方法もあります。
参加者：「全てのモデルには誤りがあり、時に有用ですが、全てのモデルには誤りがあります。十分なデータを測定することは決してできません。運用担当者の頭の中にある知識をどのように組み込んで改善を促進しますか？」
それは難しい問題です。ある現場で面白い経験がありました。私たちが図を描いている間、現場のジミー・ボブという人が「私はピザの箱を置く主任建築家です」と言いました。これが現実の課題です。私たちは図を描いていますが、彼は蒸気や血液など様々な要素がある物の上にカメラを設置しなければなりません。
残念ながら、これは製品として対応できる問題ではありません。というのも、これは人材管理の問題だからです。エンジニアの声をどう聞くかが重要です。特に自動化された職場で頻繁に耳にするのは、高齢化する労働力の問題です。彼らは退職し、会社を去る時に膨大な知識を持ち去ってしまいます。
その知識をどうやって捉え、新しい従業員やハイヤーに伝えるか、プロセスを自動化するかが課題です。簡単な方法はありませんが、これは人材管理の問題であり、変更管理の問題です。経営陣が現場の声を聞くことができるかどうかです。
イノベーションチームや運用リーダーが、実際のユーザーを巻き込まずにソリューションを構築しようとすることがよくあります。しかし、スケールでの成功の絶対条件は、最初からエンドユーザーを巻き込むことです。そうでなければ、素晴らしいダッシュボードを作っても、誰も見ません。
プレゼンテーション層について、私は常に「誰がこれを見るのか、なぜ見るのか、どんな情報を必要としているのか、どんな判断を下そうとしているのか」という点から会話を始めます。最悪なのは、表示を提供したのに、ユーザーがその情報を付箋に書き写して別のホワイトボードに貼り、毎日何時間もかけてダッシュボードを更新している状況です。それは、ダッシュボードが彼らにとって機能していないということです。
これは究極的にはユーザー体験の設計の問題であり、このような産業は必ずしもそれを解決する態勢が整っているわけではありません。
それでは、具体的なユースケースを見ていきましょう。R&Dの例では、このフレームワークの実装方法を示しています。右側に集約器があり、ANSYSを実行するEC2インスタンスと、Omniverseを実行する別のインスタンスがあります。データはサイトラインを通じて接続されています。
他のユースケースでは、パブリックヘルスのモンスターイースターを予測する方法を検討しています。AIMLを使用し、Unityアプリケーションとイオットデータを組み合わせています。
重要なのは、Twin MakerやSitewise、あるいはTwin Flowだけではなく、アーキテクチャパターンとして考えることです。ビジネス価値のある段階的なアプローチから始め、そこから拡張していくことが、スケーリングの方法です。
最初からユーザーを巻き込むことは非常に重要です。LinkedInでつながって、さらなる質問を続けることができます。これで本日のセッションを終了します。ご清聴ありがとうございました。
参考：チョークトークに関わる公式資料
チョークトークの進行資料。
IOT310_Scaling-industrial-transformation-with-the-AWS-Digital-Twin-Framework.pdf
一般的なデジタルツインフレームワークや、そのアーキテクチャについてのガイダンス。
このセッションに関連するブログ。
プロダクトデザインの最適化に関してのソリューション一覧
まとめ：デジタルツイン実践の理想と現実
以上、手元の録音を利用しながら、チョークトークの内容を起こしてみました。
まとめていてわかったのは、デジタルツインのスケーリングは、単なる技術的な課題ではなく、組織的な変革を必要とする取り組みであることです。
成功の鍵は、最初からエンドユーザーを巻き込み、段階的なアプローチで価値を実証しながら展開していくことにあり、技術選択の幅は広がっていますが、重要なのは個々の組織のニーズとユースケースに合わせた適切な実装方法を見出すことも重要だということがわかりました。
デジタルツインは、もはやバズワードではなく、産業変革の具体的なツールとして着実に進化を続けているという強いメッセージが、このチョークトークから見えてきました。
デジタルツインの実装に向けたツールはいろいろ出てきていますが、本当にビジネスに活かしていくためのアプローチなどについてヒントになる内容が満載だったかと思います。
それでは今日はこのへんで。濱田孝治（ハマコー）でした。
