本日より、Litmus Data Catalogが一般提供を開始しました。拠点横断でAIを見つけ出し、信頼し、スケールさせる必要があるチームに向けた、産業用メタデータの可視化、リネージ、ガバナンスを実現します。
製造業の企業は、OTとITの連携、ダッシュボード、ヒストリアン、クラウドパイプライン、AIパイロットプロジェクトに多額の投資を行ってきました。機器は接続され、データは流れ、分析は実行されています。しかし、拡大を妨げ続けている問題が一つあります。それは、チームが結果の背景にあるデータを見つけ出し、理解し、信頼することに依然として苦労しているという点です。 KPIが、オペレーターが製造現場で目にする状況と一致しない場合があります。ダッシュボードの傾向が不自然に見えても、その原因を迅速に特定できる人はいません。AIモデルがインサイトを生成しても、チームは依然として、その基礎となるデータが完全で、最新であり、適切に文脈化されているかどうかを疑問視しています。多くの産業環境では、データは至る所に存在しますが、メタデータ、データリネージ、所有権、およびビジネス上の意味に関する可視性は、依然として断片化したままです。
製造企業が苦戦しているのは、データが不足しているからではありません。データ環境の拡大が、可視化やガバナンスの整備よりも速く進んでいるために苦戦しているのです。工場や企業全体の運用において、データは現在、PLC、SCADAシステム、ヒストリアン、エッジプラットフォーム、クラウドシステム、分析ツール、ビジネスアプリケーション、AIワークフローなどを通じて流れています。しかし、 システムの数が増えるにつれ、メタデータを理解し管理する能力はしばしば遅れをとっています。
データインフラは整備され、ダッシュボードも稼働しているものの、その基盤となるデータに対する信頼性は依然として脆弱なままです。強固なメタデータ層がなければ、産業分野のチームは次のような基本的な疑問に答えることに過度な時間を費やすことになります。
このデータはどこから来たのか？
システム間でどのように流れているのか？
このKPIは実際には何を意味するのか？
この資産の所有者は誰か？
何か変更があった場合、どの下流システムに影響が及ぶのか？
このデータは、分析、レポート作成、またはAIの用途において信頼できるのか？
Litmus Data Catalogは、こうした疑問に、より迅速かつ確信を持って答えられるよう設計されています。
Litmus Data Catalogは当初、プライベートプレビューとして提供され、産業分野のチームが工場・拠点やエンタープライズシステム全体のメタデータをカタログ化し、不足している点を指摘してくれました。そのフィードバックを反映して、本日リリースされたバージョンでは、ソースの対応範囲の拡大、ガバナンス制御の強化、デバイスやタグレベルまでに及ぶデータリネージ、ドリフトの根本原因分析、導入状況の分析、そして資産を1つずつではなくカタログ全体にわたって質問に答えるAIレイヤーが実装されています。
これらの機能は、Litmusがすでに提供しているデータインフラストラクチャの上に構築されています。Litmus Edgeは、ソース側でOTデータを標準化し、コンテキスト情報を付与します。Litmus Unifyは、Unified Namespaceを通じて、そのデータが企業全体でどのように移動するかを管理します。Litmus Data Catalogは、データの意味、出所、および責任者を記録するため、産業用データを利用可能にするのと同じ基盤が、そのデータを説明可能にもします。
.Litmus Data Catalogは、AIを活用した、クラウドホスト型の集中型産業用メタデータプラットフォームです。これは、産業データアーキテクチャにおけるメタデータの可視化およびガバナンス層 です。製造環境全体にわたるメタデータを自動的に検出・記録し、OTシステムとITシステムにまたがる統一されたメタデータ層を構築します。Litmus Data Catalogは、単に産業データをあるシステムから別のシステムへ移動させることに焦点を当てるのではなく、分析、KPI、レポート作成、AIなど、データがどのように活用されるかを定義するメタデータをチームが理解できるよう支援します。
産業用データは、ダッシュボードやモデルに到達するまでにいくつかの段階を経ます。データは、ソースで接続され文脈付けられ、分散した拠点間で管理され、転送中に公開・ガバナンスが施され、そして信頼できるほど十分に理解される必要があります。Litmus Edge、Litmus Edge Manager、Litmus Unify、Litmus Data Catalogは、それぞれこれらの段階の1つをカバーしています。
Litmus Edgeは、機器や産業システムを接続し、OTデータを標準化し、情報に文脈を与え、エッジでアプリケーションや分析を実行し、信頼できるデータをクラウドやエンタープライズシステムと統合します。これは、ソースにおける運用データの基盤となります。
Litmus Edge Managerは、分散したエッジ環境全体にわたる一元的な制御を提供します。製造企業がデバイスの導入、機器群の監視、ソフトウェア更新の管理、アプリケーションの展開、データモデルのガバナンス、および拠点間でのAIモデルの展開を管理するのを支援します。
Litmus Unify .は、構造化された「Unified Namespace」を通じて、OTからITへのリアルタイムデータ交換をガバナンスします。ガバナンスされたリアルタイムデータレイヤーを通じて、企業全体で産業用データが公開、整理、保護、利用される方法を標準化します。
Litmus Data Catalogは、メタデータの可視化とガバナンス層を追加します。 これにより、産業チームはメタデータ資産のディスカバリー、データリネージの把握、ビジネス用語の標準化、所有権の割り当てを行い、分析やAIで利用されるデータへの信頼性を高めることができます。
これらの製品を組み合わせることで、相互接続され、ガバナンスが確立された運用モデルが構築されます。この組み合わせにより、製造企業は、データ作成、データ移動、運用管理、および企業レベルのガバナンス間の断片化を軽減することができます。
Litmus Data Catalogは製造企業が以下のことを実現できるよう支援します。
データセット、タグ、トピックをより迅速に見つける
メタデータの出所と流れを把握する
KPIの用語や業界用語を標準化する
メタデータを、拡張性がありビジネスに即したドメインに整理する
ビジネス上の重要度に基づいて重要な資産を分類する
AIを活用したコンテキストでメタデータを充実させる
メタデータの品質と経時的な変化を管理する
.その結果、信頼性の高い分析のための強固な基盤が構築され、業務との連携が強化され、よりスケーラブルな産業用AIが実現します。これらは、本ソリューションが解決を目指している、産業データが抱える根深い課題です。
データリネージの可視性の欠如：多くのチームはレポートやダッシュボードを確認できますが、結果に至った経緯を容易に追跡することはできません。リネージが不明確な場合、トラブルシューティングに時間がかかり、影響分析が困難になり、分析への信頼が低下します。
チーム間の用語の不統一：運用、エンジニアリング、IT、およびビジネスチームは、同じ指標や資産を異なる方法で定義することがよくあります。これにより、ダッシュボード、レポート、および企業の意思決定において曖昧さが生じます。
重要なデータ資産のディスカバリー（発見性）の低さ：データ量が増加するにつれ、貴重なメタデータを見つけることが難しくなります。その結果、チームは作業を重複させたり、ガバナンスが適用された資産を見落としたり、共有された記録システムではなく「暗黙の知識」に依存したりすることになります。
所有権と管理責任の不明確さ：資産の所有者が明確に定まっていない場合、ガバナンスは事後対応的なものになってしまいます。重要なデータセットが、品質、変更管理、文書化に対する説明責任を問われることなく、広く利用されてしまう可能性があります。
AI導入準備の不備：AIには、信頼性が高く、説明可能で、適切にガバナンスされたデータが必要です。メタデータにコンテキスト、リネージ、ガバナンスが欠けている場合、AIイニシアチブは確信を持ってスケールアップすることが困難になります。
Litmus Data Catalogは、6つの主要な機能を1つのソリューションに統合しています。
これは、カタログのメタデータ取り込み層です。SCADAおよびHMIシステム、ヒストリアン、PLC、OPCサーバー、CNCおよびRTUコントローラ、エッジゲートウェイ、メッセージブローカー、IIoTプラットフォームからメタデータを取得し、IT側ではクラウドウェアハウス、レイクハウス、ERPおよび業務システムにまで範囲を広げます。 ネットワーク資産の検出機能により、チームはまだカタログ化されていないソースを特定でき、定期的な同期により接続されたすべてのソースでメタデータを最新の状態に保ち、オフライン取り込み機能により、エアギャップ環境や断続的に接続される工場・拠点やセグメントもカバーします。
これにより、ユーザーは適切なデータ資産を迅速に見つけ、その内容を把握することができます。 チームはキーワード検索、結果のフィルタリング、カテゴリやドメインごとの閲覧が可能で、メタデータのディスカバリーと解釈を容易にするアセットプロファイルを表示できます。ホームダッシュボードは各ユーザーにカタログへの入り口を提供し、保存されたビューにより頻繁に使用する検索やフィルタ設定を再利用でき、アセットドキュメントは通常は担当者の頭の中にあるコンテキストを可視化し、一括メタデータ管理により、管理者は所有権、ラベル、説明を1つずつではなく、多くのアセットに対して一度に更新できます。
これは、データがソースから下流の利用先に至るまで、システム間でどのように接続されているかを示すグラフィカルなフロー図です。これにより、ユーザーはデータセットの出所、依存関係、および何かが変更された場合に影響を受ける可能性のある箇所を理解できます。リネージは現在、個々のデバイスやタグレベルまで追跡可能であるため、制御エンジニアは、PLCからエッジ層を経て、それを消費するダッシュボードやモデルに至るまでの単一の信号を追跡することができます。 影響分析機能により、このビューは変更前のチェックツールとして活用できます。 タグの名前変更やソースの再構成を行う前に、チームは下流にあるパイプライン、レポート、およびデータ利用先を確認できます。
これは、メタデータを管理可能かつ説明責任のあるものにする制御層です。所有権、標準用語、権限、分類を定義することで、チームが産業用データ資産を一貫してガバナンスできるようになります。階層的なデータドメインにより、ガバナンスはサイト、エリア、ライン、または機能といった、ビジネスの実際の組織構造に沿って実施され、ドメインレベルの可視性制御により、各チームは自チームに属するメタデータのみを扱うことができます。 カスタムポリシーときめ細かな権限設定により、工場や地域ごとに異なる管理モデルに対応できます。監査ログとアクティビティトレイルにより、誰が、何を、いつ変更したかが記録され、廃止予定ステータスにより、新しいレポートに反映される前に、もはや使用すべきでない資産がマークされます。
この機能により、チームはシステムの進化に伴いメタデータの正確性が維持されているかどうかを監視できます。スキーマのドリフトを検出し、経時的なメタデータの変更を追跡するため、分析、レポート作成、またはAIワークフローで混乱が生じる前に、問題を早期に発見できます。 スキーマの健全性概要により、環境の現状を一目で把握でき、ドリフトの根本原因分析により、チームが自ら原因を再構築する必要なく、不具合の背景にある変更を特定できます。利用状況メトリクス、アセットインサイト、検索分析、データランドスケープのインサイトは、全体像のもう半分を補完します。つまり、チームがどのアセットに依存しているか、ユーザーが何を検索して見つからないか、そしてカバー率がまだ低い領域はどこかといった情報を提供します。カタログ導入分析は、ガバナンスがサイトやチーム全体にどのように浸透しているかを追跡します。
これにより、カタログの上にインテリジェンス層が追加され、ユーザーはメタデータとより自然にやり取りできるようになります。検索機能が向上し、要約が生成され、コンテキストに応じた支援が提供されるため、技術系ユーザーもビジネスユーザーも、すべてのアセットを手作業で解析することなく、データを容易に理解できるようになります。 質問は、1つのアセットずつではなく、カタログ全体を対象に行うことができるようになり、回答はデータエンジニアだけでなく、ビジネスチームでも活用できるよう記述されます。AIは、単一のプロファイルビューからは明らかではないアセット間の関係や依存関係を可視化し、ガバナンス自体にも同様の解釈を適用します。 は、注意が必要な所有権、分類、およびドキュメント化のギャップを浮き彫りにします。
Litmus Data Catalogは、すでにデジタルインフラに投資しているものの、信頼性、説明可能性、ガバナンスの面で依然として課題を抱えている産業系組織に特に適しています。これには、以下の業務を担当するチームが含まれます。
産業用データおよび分析チーム
産業用AIイニシアチブチーム
ガバナンスおよびコンプライアンスチーム
デジタルトランスフォーメーション・プログラム担当チーム
エンタープライズアーキテクチャチーム
.製造企業がすでに接続機能、ダッシュボード、クラウドパイプライン、またはAIのパイロット導入を整備している場合、Litmus Data Catalogは、それらの基盤に対する可視性と信頼性を高めるための基盤となります。
Litmus Data Catalogは本日より一般提供が開始されました。litmus.io/get-started からデモを予約して、ご自身のシステムとの連携を確認するか、docs.litmus.io の製品ドキュメントを参照して、接続性、ガバナンス、およびデータリネージについて詳しくご確認ください。
Litmus Data Catalogは、AIを活用した一元化された産業用メタデータの可視化およびガバナンスソリューションです。製造企業がOTおよびIT環境全体にわたるメタデータをディスカバリー、理解、標準化、分類、および管理することを支援します。
産業分野のチームが、不明確なデータ系譜、一貫性のないKPI定義、所有権の不明確さ、ディスカバリーの低さ、ガバナンスの不備といった、データ信頼性に関する一般的な課題を解決するのに役立ちます。これにより、産業データをより信頼しやすくなり、分析、レポート作成、AIへの活用が容易になります。
デバイスやタグレベルまでメタデータの系譜を可視化し、用語を標準化し、資産を階層的なドメインに整理し、重要なメタデータを分類し、AIを用いてコンテキストを充実させ、ガバナンス制御、監査証跡、および時間の経過に伴う不整合を低減するドリフト監視機能を追加することで、信頼性を向上させます。
.Litmus Edgeは、産業用システムを接続し、OTデータにコンテキストを与え、エッジでアプリケーションや分析を実行し、データをクラウドやエンタープライズシステムと統合します。一方、Litmus Data Catalogはメタデータ層に焦点をおき、産業用データのディスカバリー、理解、ガバナンスを容易にします。
産業用AIは、信頼性が高く、説明可能で、適切にガバナンスされたデータに依存しています。Litmus Data Catalogは、工場・拠点、システム、およびエンタープライズワークフロー全体でメタデータの検索、標準化、解釈、ガバナンスを容易にし、チームが自然言語でカタログに質問できるようにすることで、AI導入の準備を支援します。
産業データチーム、デジタルトランスフォーメーションのリーダー、OTおよびITチーム、ガバナンスのステークホルダー、ならびに複数の拠点にまたがって分析や産業用AIプログラムを構築している組織に最適です。