自動車のエンジンがどのように機能しているかを理解しようとしていると想像してみてください。燃料計を見てガソリンがどれくらい残っているかを確認することもできますが、それはあくまで全体像を教えてくれるに過ぎません。エンジンの中で何が起きているのか――ピストンが固着しているのか、スパークプラグが失火しているのか、あるいはギアが軋んでいるのか――を真に理解するには、エンジンの「鼓動」を聞く必要があります。工場の世界において、その「鼓動」とは電気です。機械はただ電力を消費するだけでなく、工具が金属に触れたりモーターが加速したりする瞬間に変化する、電圧と電流による複雑な「歌」を奏でています。これは、工場がスマートで、接続され、データ駆動型へと進化する動きである「インダストリー4.0」の核心です。もし、十分に高い精度でこれらの電気の歌を聴くことができれば、機械がいつ故障するか、どれだけのエネルギーを無駄にしているか、あるいは工具がどれほど鋭いかさえ予測できるという考え方です。しかし、ここに落とし穴があります。この音楽を聴くために私たちが使っているツールの多くは、小規模な工場には高価すぎたり、生の「音」をブラックボックスの中に閉じ込めてしまったり、あるいは機械が始動・停止する際の素早く鋭い音符を捉えるには遅すぎたりするのです。

そこで、ウィスコンシン大学マディソン校のエンジニアチームが、「自律型エネルギーモニタリングシステム（AEMS）」と呼ばれる新しい発明を携えて登場しました。これは、誰でも購入、構築、または改造できる、工場の機械のための高品質でオープンソースな「マイクロフォン」を構築することだと考えてください。1時間あたりの平均エネルギー使用量しか教えてくれない1万ドルの「ブラックボックス」型のメーターを買う代わりに、AEMSは低コストでモジュール式のデバイスであり、電気の生波形を1秒間に数千回記録します。これは「自律的」であるように設計されており、インターネットが切断されたり、接続されているコンピュータがクラッシュしたりしても、データを安全に保持し続け、準備ができたら再び送信できるよう、独自のメモリーカードに情報を保存できます。研究者たちはこのシステムを3軸CNC加工機（高度なコンピュータ制御による金属切削機）でテストし、機械の「声」を微細な変化まで捉えられるほど鮮明に聞き取れることを発見しました。例えば、機械の送り速度（金属の上を移動する速さ）がわずか50 mm/min変化したことを検出し、機械が単に空中でツールを回転させているのか、実際に金属を削っているのかを判別することができました。このデバイスの設計図をオープンソースにすることで、チームは小規模な製造業者や研究者が、膨大な予算を必要とせずに、よりスマートな工場を作るための独自の「リスニングデバイス」を構築できるようにしたいと考えています。

問題点：工場のエネルギーにおける「ブラックボックス」

長い間、工場はジレンマを抱えてきました。一方には、大規模で高価な商用電力メーターがあります。これらは高級なプロ用レコーディングスタジオのようなもので、正確ですが「プロプライエタリ（独占的）」でもあります。つまり、その製品を作った企業がコードを所有しており、生の高速データを見せてくれないことが多いのです。彼らは「今日の機械の消費電力は50キロワット時でした」とは教えてくれますが、ツールが金属の硬い箇所に当たった瞬間の、あのスプリットセカンド（瞬時）の電力スパイクについては見せてくれません。その生のデータがなければ、機械が故障しそうであることを予測するための人工知能を訓練することはできません。

もう一方には、有名なArduinoやRasp Raspberry Piボードのような、誰もが弄ることができる「ホビー家向け」のオープンソースハードウェアがあります。これらは安価で柔軟であり、誰もがカスタマイズ可能です。しかし、これらはまるで安価なカセットレコーダーのようなものです。工場フロアのノイズが多く、危険で、急速に変化する電気環境を扱うようには作られていません。電源サージから保護するための絶縁機能や、機械が動作する際に発生する極めて微細で急速な電気の変化を捉えるための精度が不足しています。

論文の著者は、私たちはその中間に取り残されていると主張しています。私たちは、高価なスタジオ機材のような「忠実度（フィデリティ）」と、ホビー家向け機材のような「開放性」と「手頃な価格」を兼ね備えたものを必要としているのです。彼らはこれら二つの世界の架け橋を築こうとしました。

解決策：「自律型」レコーダー

チームは、自律的にデータを記録するスマートなシステムであるAEMSを構築しました。その仕組みを主要な部分に分けて説明します。

1. 耳（ハードウェア）
このデバイスは、電気を聴くための特別な「フロントエンド」を使用します。絶縁されたセンサーを使用して、三相電圧と電流（重工業用機械に電力を供給する3本の線）を測定します。これは、高電圧によって壊されることなく、防音ガラス越しに機械の音を聞いているようなものです。

• 心臓部: 核となるのは、電気を**毎秒32,000回（32 kS/s）**サンプリングする24ビットのアナログ-デジタル変換器（ADC）です。これは、モーターが始動したりツールが噛み込んだりする際に発生する、あの瞬時の電力の変動（トランジェント）を捉えるのに十分な速さです。
• 頭脳: デュアルコアプロセッサ（2つの脳を持つチップ）を使用しています。一つの脳（Cortex-M4）は、データの取得と保存という、退屈ながらも重要な作業に専念します。もう一つの脳（Cortex-M7）は、コンピュータやインターネットとの通信を担当します。この分離により、たとえインターネット接続が混雑しても、データ記録が途切れることはありません。
• メモリ: 内部ストレージ（eMMC）とmicroSDカードスロットを備えています。これにより、コンピュータに接続していなくても、数時間または数日間にわたって記録を続けることができます。人間が手を貸さなくても、ただログを取り続けるという意味で「自律的」なのです。

2. 声（ソフトウェア）
システムには、完全にオープンソース化されたフルソフトウェアスイートが付属しています。

• ライブラリ: コンピュータがデバイスと対話し、いつ記録を開始するか、何を測定するか、どのようにファイルを保存するかを指示するためのツールセットです。
• エッジゲートウェイ: 工場内に設置して複数のAEMSデバイスを同時に管理できる仲介役（Raspberry Piのようなもの）です。記録のスケジュールを組み、データを収集し、インターネットが利用可能であればクラウドに送信することもできます。
• クラウド: 世界中のどこからでも機械を監視できるオプション層ですが、システムはインターネットが切断されても、ローカルのゲートウェイが完璧に動作するように設計されています。

テスト走行：CNCマシンを聴く

システムが機能することを証明するために、研究者たちはAEMSを3軸HAAS CNC加工機に接続しました。単に接続して様子を見るのではなく、デバイスが機械の異なる状態を「聴き取れる」かどうかを確認するために、一連の特定のテストを実施しました。

テスト1：スピンドルの回転
機械のスピンドル（切削ツールを保持する部分）を、0から3000 RPMまで、500 RPM刻みで異なる速度で回転させました。

• 結果: AEMSは、速度の上昇に伴う電力消費の増加を明確に捉えました。非線形な傾向、つまり電力は単純に直線的に上昇するのではなく、低速時と高速時で異なる挙動を示すことを示しました。デバイスはこれを完璧に捉え、機械の速度変化を追跡できることを証明しました。

テスト2：送り速度のダンス
次に、速度を一定に保ったまま、機械が金属の上を移動する速さ（送り速度）を変更しました。X軸およびY軸については300 mm/minから2100 mm/min、Z軸については200 mm/minから1000 mm/minの範囲でテストを行いました。

• 結果: システムはあらゆる変化を検出しました。機械がゆっくり動いているのか、速く動いているのかを判別できました。興味深いことに、同じ速度であっても、重いテーブルを運ぶY軸は、テーブルのみを運ぶX軸よりも多くの電力を消費していることを指摘しました。これは物理的に理にかなっています。さらに印象的なことに、50 mm/minという極めて小さな速度変化さえも察知することができました。それは、騒がしい部屋の中でささやき声を聴き取るようなものです。

テスト3：ラピッド動作
切削を行わずに、機械が位置から位置へ素早く移動する「ラピッド（早送り）」動作をテストしました。

• 結果: AEMSは、機械が動き出す際の電力の「スパイク（急上昇）」と、停止する際の「ディップ（急降下）」を捉えました。また、ツールが下降する場合（重力が助けとなり、電力を消費しにくい）と、上昇する場合（モーターが重力に抗うため、電力を多く消費する）の違いさえも判別できました。

テスト4：実際の切削
最後に、アルミニウムの切削を行いました。実際に材料を除去している最中に、スピンドル速度と送り速度を変更しました。

• 結果: デバイスは、ツールが空中で回転している状態と、ツールが金属に食い込んでいる状態の違いを明確に示しました。送り速度を上げると電力消費が増加しましたが、これは材料を除去する量が増えるという物理現象と一致しています。システムは「切削シグネチャ」を正常に解明し、1パスあたり4回、ツールがワークピースに噛み込む瞬間を正確に示しました。

なぜこれが重要なのか（そして、何を目指していないのか）

著者たちは、自分たちが達成したことと、まだ達成していないことを慎重に区別しています。彼らは、このデバイスがあらゆる可能性のある工場において完璧であることを証明したわけではありません。非常に高価で校正された参照用メーターと比較して、微細な精度の誤差を検証していないことも認めています。また、今回のテストは、特定の種類のツールと特定の種類の金属を用いた、一つの特定の機械に対してのみ行われたものです。彼らは、数十台の機械が互いに通信し合うような、工場全体のフロアで動作させる様子もまだ示していませんが、システムはそれを行うように設計されています。

しかし、彼らが示したことは、以下の特性を持つデバイスを構築することが可能であるということです：

1. オープン: コードと回路図を公開している。
2. 安価: 商用の代替品に比べてごくわずかなコストである。
3. 自律的: ネットワークが故障しても動作し続ける。
4. 高忠実度: 機械の動作の微細な詳細を捉えるのに十分な速さでデータをキャプチャできる。

論文は、このシステムが大きな空白を埋めていると結論付けています。これにより、小規模な工場や大学の研究室が、膨大な予算や「ブラックボックス」の制限を受けることなく、大企業が保有しているものと同じ種類の高品質なデータにアクセスできるようになります。ハードウェアとソフトウェアの完全な設計を公開することで、チームは、世界中の誰もがこの技術を再構築、改良、活用し、製造業をよりスマートに、より安全に、そしてより効率的にしていくことを願っています。これは単なる新しいメーターではありません。私たちの世界を造っている機械たちの声を、世界が聴くための新しい方法なのです。