SlideShare a Scribd company logo
1 of 57
Download to read offline
ni.com
基礎から学ぶ!
インダストリアルIoTの実現に必須の
センサ計測と予知保全の動向
~すべては計測から~
日本ナショナルインスツルメンツ株式会社
シニアテクニカルマーケティングマネジャー
ISO機械状態監視診断技術者(振動) CAT II
岡田一成
エ
ッ
ジ
IT Infrastructure
On
Premise
Edge Node System of Systems
Off
Premise
本セッションの概要
•データ量の増加(エッジコンピューティング)
•各種センサの同期計測
• データの表示・解析
③ 業界を超えた協力体制の必要性
① センサ計測時の課題 ② センサ計測後の課題
•ITシステム
•ITとOTとの統合(システムインテグレータの必要性)
•分析パートナー
アジェンダ
▪ 会社紹介
▪ 予知保全の動向と課題
▪ 事例紹介
▪ まとめ
$0
$200
$400
$600
$800
$1,000
$1,200
$1,400
'87 '88 '89 '90 '91 '92 '93 '94 '95 '96 '97 '98 '99 '00 '01 '02 '03 '04 '05 '06 '07 '08 '09 '10 '11 '12 '13 '14 '15 '16
長期に亘る安定した経営
収益(単位:百万USD)
約50ヶ国で事業を展開
7,500人以上の従業員
$12.3億
2016年 18%以上を
研究開発に投資
年間35,000社以上の
顧客と取引
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
ni.com
テスト/計測/制御システムの開発を加速し、
生産性を向上する、ソフトウェアを中心としたプラットフォーム
NIのサービスとサポート
NIモジュール式ハードウェア
プラットフォームベースのアプローチ
他社製ソフトウェア 他社製ハードウェア
生産性の高いNIの開発ソフトウェア
WEBサービス
PYTHON
C/C#/.NET
The MathWorks, Inc. SOFTWARE
VHDL
GNU RADIO
その他
ARDUINO
ETHERNET
USB
GPIB
シリアル
LXI/VXI
その他
NIのサービスとサポート
NIモジュール式ハードウェア
プラットフォームベースのアプローチ
Support
700人以上のフィールドエンジニア
700人以上のサポートエンジニア
世界各地に50を超える事業所
オープンコネクティビティ
10,000以上の計測器/デバイスドライバ
1,000以上のセンサ/モータドライバ
アドオン
400以上のソフトウェアアドオン
ツールネットワークで500万超のダウンロード
コミュニティ
300,000人以上のオンラインメンバー
450以上のユーザグループ
9,000を超えるコードサンプル
パートナー
1,000社以上のアライアンスパートナー
業界をリードするテクノロジパートナー
アカデミック
全世界で8,000を超える授業
他
社
製
ソ
フ
ト
ウ
ェ
ア
他
社
製
ハ
ー
ド
ウ
ェ
ア
生産性の高いNIの開発ソフトウェア
NIエコシステム
NIエコシステム
HMIディスプレイ
カメラ
センサ&
アクチュエータ
モータドライバとドライブインタフェースネットワーク接続スマートセンサ
カスタムデジタル
処理
解析
制御
接続
高い接続性 ~一台に統合することによりシステムがシンプルに~
計測器レベルのI/Oモジュール(200種以上)
▪ 熱電対
▪ 4~20 mAの電流ループ
▪ ストレージメディア
▪ 測温抵抗体(RTD)
▪ エンジン制御
▪ 工業用ビジョン
▪ モーション制御
▪ 加速度計
▪ 歪みゲージ
▪ 抵抗器
▪ ロードセル
▪ デジタルI/Oとプロトコル
▪ マイクロホン
▪ バス通信
ni.com
予知保全の動向と課題
NI IoTセミナーにて100人に聞きました
~7割のお客様は計測をしていない~
情報収集段階
(予算無し)
46%
計測してみたい
(予算あり)
10%
その他
17%
計測データはある
が分析はこれから
17%
計測も分析
も実施済み
10%
Q.センサ計測と予知保全に対する取組み状況について教えてください。(いずれか一つ)
(合計:102名)
57~74%は未計測
NI IoTセミナーにて100人に聞きました
~課題の1番手はデータ分析。 7割のお客様は未計測なはずなのに、なぜ?~
5
9
20
22
25
26
31
43
69
その他
計測データの表示
計測器の知識
現場の理解
ITシステムとの統合
センサの知識/選択
計測データの管理
システム構築
データ分析(解析/機械学習など)
Q.センサ計測と予知保全において、課題と感じている点を教えてください(複数可)
(合計102名)
ni.com
•工場のIoT化だと言われても、何から始めたら良いのかわからない
•計測データの取得はこれから。しかしデータ分析は課題になると感じている
•機械学習には興味がある
•ROIがわからないので投資判断が難しい
お客様の悩み
あるべき姿
現状
ギャップ 解決策
問題
出典:問題発見プロフェッショナル(齋藤嘉則 著)
「現状把握」と「あるべき姿の設定」の弱さが感じられる
予知保全の対象レベル
工場レベル
プロセスライン
マシンレベル
部品レベル
計測ヘビー
(NIは強い)
ITヘビー
設備不具合の大半は回転機械の振動問題
回転機械
49%
プラント機械
19%
交通機械
13%
往復動機械
4%
情報機械
3%
建設機械
2%
一般機械
10%
振動問題の原因
(計790件、1991年~2011年)
出典:日本機械学会振動工学データベース研究会
www.jsme.or.jp/dmc/Links/vbase/index.html
モータの故障モード (EPRI and IEEE study)
ベアリング
41%
ステータ
36%
ロータ
9%
Other
14%
ベアリング
ステータ
オンライン状態監視とセンサの例 温度測定
(温度センサ)
(サーモカメラ)
回転機械(ポンプの例)
回転パルス
(近接センサ)
軸振動
(近接センサ)
軸受振動
(加速度/AEセンサ)
NI製
データ収集装置
エ
ッ
ジ
IT Infrastructure
On
Premise
Edge Node System of Systems
Off
Premise
予知保全システムの課題
•データ量の増加(エッジコンピューティング)
•各種センサの同期計測
• データの表示・解析
③ 業界を超えた協力体制の必要性
① センサ計測時の課題 ② センサ計測後の課題
•ITシステム
•ITとOTとの統合(システムインテグレータの必要性)
•分析パートナー
エ
ッ
ジ
IT Infrastructure
On
Premise
Edge Node System of Systems
Off
Premise
予知保全システムの課題
•データ量の増加(エッジコンピューティング)
•各種センサの同期計測
• データの表示・解析
③ 業界を超えた協力体制の必要性
① センサ計測時の課題 ② センサ計測後の課題
•ITシステム
•ITとOTとの統合(システムインテグレータの必要性)
•分析パートナー
激増するBig Analog DataTM
~通常のビッグデータとは異なる特徴を持つ~
ビッグデータ
エンジニア/研究者のデータソース
業界/ITのデータソース
社会的データソース
Big Analog DataTM
意外と大きいセンサのデータ量
センサの種類 サンプリング速度 データ量
熱電対 1Hz 約1B/秒
加速度センサ 10kHz(24bit) 約30kB/秒
AEセンサ 10MHz(14bit) 約17MB/秒
サーモグラフィ
(640 x 480 size)
30fps 約18MB/秒
Source: EMC Digital Universe Study, with data and analysis by IDC, April 2014
平均で全データの5%しか解析されていない
エッジコンピューティングによる重要データの抽出が鍵となる
1. 莫大なデータを演算処理し意味のある情報に変換
2. データ管理
∞
エッジ
無限のアナログデータ センサ/トランスデューサデータ
STEP 1
重要データのみを取得
STEP 2
重要データの管理
ベアリングの振動データ(上)と周波数解析結果(下)
ベアリングにおける異常検知と原因診断の例
診断内容
機構部分 アンバランス、ミスアライメント、軸摩耗、ガタ、据付不良
ベアリング 内輪損傷、外輪損傷、転動体損傷
ギア 軸芯ズレ、片当たり、歯の摩耗、波形誤差など
モータ 高周波振動、電源不平衡
ファン、ポンプ 圧力脈動、摩耗など
~加速度センサを用いた診断例~
例:ベアリングの損傷診断
~計算により損傷部位がわかる~
rout f
P
BN
f 





 cos1
2
rin f
P
BN
f 





 cos1
2
rball f
P
B
B
P
f 















2
cos1 
 外輪損傷周波数
 内輪損傷周波数
 玉損傷周波数
Hz
rpm
fr
60
)(回転数

外輪
玉
内輪
玉径:B
球数:N
ピ
ッ
チ
円
径:P
外輪
玉
内輪
接触角:Θ
外輪損傷の例
外輪損傷周波数とその整数倍成分が大きく出るのが特徴
ベアリング寸法
玉径B 11.112 mm
ピッチ径P 53.5 mm
玉数N 9
接触角Θ 12°
回転速度 1500 rpm (25Hz)
計算結果
外輪損傷周波数 90 Hz
内輪損傷周波数 135 Hz
玉損傷周波数 57.5 Hzスペクトラム
0 Hz 500 Hz
外輪損傷周波数 90 Hz
270 Hz
180 Hz
内輪損傷の例
内輪損傷周波数を基本周波数としたピークが現れ、回転速度分だけ離れて側波帯
が表れるのが特徴
ベアリング寸法
玉径B 11.112 mm
ピッチ径P 53.5 mm
玉数N 9
接触角Θ 12°
回転速度 1500 rpm (25Hz)
計算結果
外輪損傷周波数 90 Hz
内輪損傷周波数 135 Hz
玉損傷周波数 57.5 Hz
スペクトラム
0 Hz 200 Hz
内輪損傷周波数135 Hz
回転速度 25 Hz
135+25
=160 Hz
135-25
=105 Hz
エ
ッ
ジ
IT Infrastructure
On
Premise
Edge Node System of Systems
Off
Premise
予知保全システムの課題
•データ量の増加(エッジコンピューティング)
•各種センサの同期計測
• データの表示・解析
③ 業界を超えた協力体制の必要性
① センサ計測時の課題 ② センサ計測後の課題
•ITシステム
•ITとOTとの統合(システムインテグレータの必要性)
•分析パートナー
サーモグラフィ(静止画・動画)による保全
2台目の装置のベアリング部の温度が高いため、診断が必要だとわかる
出典:ISO/DIS18434-1 Fig C.9
エ
ッ
ジ
IT Infrastructure
On
Premise
Edge Node System of Systems
Off
Premise
予知保全システムの課題
•データ量の増加(エッジコンピューティング)
•各種センサの同期計測
• データの表示・解析
③ 業界を超えた協力体制の必要性
① センサ計測時の課題 ② センサ計測後の課題
•ITシステム
•ITとOTとの統合(システムインテグレータの必要性)
•分析パートナー
データ数とデータ形式の違いが同期計測と解析を難しくする
センサ データ数 データ形式
熱電対 1点/秒 数値
加速度センサ 1万点/秒 数値(波形データ)
Webカメラ 30フレーム 動画
データの表示と解析に関して、よく御相談頂くこと
▪ Excelだと行数と列数が足りない。加速度センサのデータは、たった1秒でも
1万点ある
▪ Excelだと動画表示ができない
▪ 動画と加速度センサのデータを同時に表示したい
▪ 計測器に付属のソフトは、対応センサ以外のデータ表示ができない
デモ:データの表示と解析~動画とセンサ信号の同期表示デモ~
IoTは1日にして成らず
~現状把握がまだなら、ベースライン計測から始めましょう~
現状把握
(計測)
解析 手動 自動
• 現状把握(ベースライン計測)からスタート
例:現場担当者を交えた故障モードの確認
例:計測データと熟練エンジニアの保全実施タイミングの比較調査
• 手動計測で目処がついたら自動化
例:計測データの上昇傾向から保全タイミングを予測
例:マシンラーニングによる寿命予測
機械学習を用いた予知保全の概念図
~測定の積み重ねで①→②→③が可能。測定をしない限り実現は不可能~
過去の
ベースラインデータ
過去の
ベースラインデータ
(故障データを含む)
①異常検知
②原因診断
③寿命予測
• 回帰 etc.• 分類
• クラスタリング
• 異常検知
etc.
• 分類 etc.
稼働状況
メンテナンス記録
etc.
故障モード1
故障モード2
ベースライン
モデル
データ
f(x)
f(x)
f(x)
f(x) f(x)
寿命
ライフサイクルデータ
正常稼働中
出展:IMS Center Watchdog Agentの資料を基に作図
ni.com
事例紹介
インダストリアルIoTへの取り組み
米Duke Energy社:発電所における機械の予知保全
ni.com
10,000+
設備
モニタリング&診断センター
OSIsoft™ PI
Database
Historian
EPRI Fault
Signature
Database
InStepPRiSM™
PatternRecognition
PlantView™
Fleet-WideDashboard
GP EtaPRO™
EfficiencyMonitoring
& Thermal Modeling
M&D
センター
加速度センサ
オイル分析センサ
近接プローブ
センサ
その他
温度センサ
サーモグラフィ
30,000+
センサ
プラントサーバー
~60
プラント
モニタリングシステム
2,000+
ノード
NI InsightCM™
Enterprise
Database
Historian
CompactRIO
China Steelの事例
マシンの状態監視/診断用設備を対象としたIoT技術の開発
• 予期せぬダウンタイムが250時間
(2010年)から65時間(2013年)に
減少
• 約3億5000万台湾ドル(約14億円)の
コスト削減を達成
• 優れた予知保全が評価され、世界鉄鋼
協会の「Excellence Awards」を受賞
http://sine.ni.com/cs/app/doc/p/id/cs-16754
ポンプの予知保全システムの共同開発
▪ データ量の多いセンサデータの収集
✓ 加速度センサ(振動計測)など
▪ IoT による予知保全
✓ リアルタイム監視
✓ 異常の検知とアラート
✓ 故障の予知/予測/対処
✓ データマイニング
✓ 機械学習(ML)による過去データの活用
ポンプの予知保全システム
~NI、Flowserve、PTC、HPE、OSIsoftの協業~
Flowserveデモ(スマートポンプデモ)
▪ Flowserveポンプデモ(日本語字幕付)
https://youtu.be/xjbtHJqegMA
▪ FLOWSERVEVIDEO ThingWorx PTC(4:15)
https://www.youtube.com/watch?v=WNUdD-rFUvQ
▪ NIWeek 2016 Day 1 Flowserve (0:58)
https://youtu.be/Ha1o5ginodk
HPE Edgeline
PTC ThingWorx®
LabVIEWと
CompactRIO
Flowserve
ポンプ 圧力
温度
電力
振動
流量 データ
2.5 80
スマートポンプデモにおけるエッジコンピューティングの例
OSIsoft® PI System
NI InsightCM™
FLOWSERVE スマートポンプデモ
CompactRIO
Data 2
Control 2
Data 1
Control 1
Data 3
Deploy 3
Workmanship information
instruction on shop floor
Condition Monitoring
Predictive Maintenance
Machine Learning
② 高度なデータ取得と制御
① 統合されたリアルタイム監視、障害予測
③ 大量な取得データの分析と
リアルタイム分析(スコアリング)
④ 先進的な作業支援
MTシステムを用いた異常検出
実際の導入事例
• 音響製品の出荷検査
• 回転機械の出荷検査
• 旋盤の予防保全
• プラスチック材の品質検査
想定される応用例
• フィルタの目詰まり検査
• 巻取機のからみ防止
• 異常の直前にプレス機を停止
出典:弊社ユーザの鈴木真人氏の事例です
http://sine.ni.com/cs/app/doc/p/id/cs-17543#
https://youtu.be/BVJrLleefcM
MTシステムの導入事例
音響製品の出荷検査
回転機械の出荷検査
旋盤の予防保全
プラスチック材の品質検査
出典:弊社ユーザの鈴木真人様の事例です
http://sine.ni.com/cs/app/doc/p/id/cs-17543#
複数のセンサデータから異常検出することも可能
予知保全で使用される代表的なセンサ
(Ex. 電圧、電流、振動、温度の4種類を同時にみる)
物理量 センサ
電圧、電流 • 電流クランプセンサ
温度
• 熱電対
• RTD
• サーモグラフィ
• サーミスタ
• ICセンサ
光 • 真空管光検出器 • 光導電セル
音 • マイクロフォン
力、圧力、振動
• 歪みゲージ
• 加速度センサ
• ロードセル
• AEセンサ
位置(変位)
• 近接センサ
• ポテンショメータ
• 線形可変差動変圧器(LVDT)
• ロータリ可変差動変圧器(RVDT)
• レゾルバ(回転変圧器)
• 光学エンコーダ
流量
• ヘッドメータ
• 回転流量計
• 超音波流量計
JAXAのイプシロンロケットにも使用されているMTシステム
“ロケットの点検で最も熟練の経験を要するのは、可動ノズルや姿勢制御バルブの駆動電流
の波形の診断であり、高度の技術的判断が求められるものである。これには心電図の自動
判定にも応用が進められている人工知能技術を活用している。このような技術にも実に
様々な種類があるが、イプシロンロ ケットではマハラノビス・タグチ・メソッド (MT
法)と呼ばれる手法を用いている。”
引用元: イプシロンロケットの開発と今後の展望 (社団法人日本航空宇宙工業会
平成23年3月会報 第687号, p27)
www.sjac.or.jp/common/pdf/kaihou/201103/20110306.pdf
弊社の得意分野
計測装置内での高速演算処理により
人間では不可能な複雑かつ高速な判定が可能に
加速度センサ
電圧計
電流計
サーモグラフィ
近接センサ
熱電対
振動波形データ
(10 kHz)
距離の変化データ
(10 kHz)
温度データ
(1 Hz)
センサ 計測
…
…
RMS
FFT > 最大振幅周波数
FFT > 回転周波数にお
けるスペクトラム値
特徴抽出
サンプルデータ
特徴選択・
次 元 削 減
アルゴリズム
特
徴
量
特
徴
ベ
ク
ト
ル
特徴選択・次元削減
…
エ
ッ
ジ
IT Infrastructure
On
Premise
Edge Node System of Systems
Off
Premise
まとめ:予知保全システムの課題 ~すべては計測から~
•データ量の増加(エッジコンピューティング)
•各種センサの同期計測
• データの表示・解析
③ 業界を超えた協力体制の必要性
① センサ計測時の課題 ② センサ計測後の課題
•ITシステム
•ITとOTとの統合(システムインテグレータの必要性)
•分析パートナー
ni.com
産業界のデータ分析に御興味のある
データサイエンティスト様との協業は大歓迎です
ni.com
Q&A
ご意見、ご要望お待ちしております
日本ナショナルインスツルメンツ(株)
シニアテクニカルマーケティングマネジャー
岡田一成(おかだかずなり)
kazunari.okada@ni.com
勉強会開催もWelcomeです
参考:さらに理解を深めて頂くために
CompactDAQシステム
構築ガイド
ni.com/f/landing/104/ja/
CompactDAQシステム
構築ガイド
インダストリアルIoTの動向
ni.com/gate/gb/GB_EKITIIOT/JA
高確度のセンサ計測を
実現するためのテクニカルガイド
ni.com/gate/gb/GB_EKITENGGUIDEASM/JA
計測データ保存のベスト
プラクティス
ni.com/f/landing/104/ja/
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向

More Related Content

What's hot

MCMCと正規分布の推測
MCMCと正規分布の推測MCMCと正規分布の推測
MCMCと正規分布の推測Gen Fujita
 
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版Tokoroten Nakayama
 
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価Shintaro Fukushima
 
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツールProphet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツールhoxo_m
 
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門までAttentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門までAGIRobots
 
論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...
論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...
論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...Akira Taniguchi
 
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析Hiroaki Sengoku
 
コニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組みコニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組みThe Japan DataScientist Society
 
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案Masanori Kado
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学Ken'ichi Matsui
 
次世代シーケンサが求める機械学習
次世代シーケンサが求める機械学習次世代シーケンサが求める機械学習
次世代シーケンサが求める機械学習sesejun
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率hoxo_m
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類Shintaro Fukushima
 
バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析sesejun
 
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...NTT DATA Technology & Innovation
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?hoxo_m
 
音楽波形データからコードを推定してみる
音楽波形データからコードを推定してみる音楽波形データからコードを推定してみる
音楽波形データからコードを推定してみるKen'ichi Matsui
 
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたことデータサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたことTokoroten Nakayama
 
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」西岡 賢一郎
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」Ken'ichi Matsui
 

What's hot (20)

MCMCと正規分布の推測
MCMCと正規分布の推測MCMCと正規分布の推測
MCMCと正規分布の推測
 
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
 
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
 
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツールProphet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
 
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門までAttentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
 
論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...
論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...
論文紹介 A Bayesian framework for word segmentation: Exploring the effects of con...
 
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
 
コニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組みコニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組み
 
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
 
次世代シーケンサが求める機械学習
次世代シーケンサが求める機械学習次世代シーケンサが求める機械学習
次世代シーケンサが求める機械学習
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類
 
バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析
 
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
 
音楽波形データからコードを推定してみる
音楽波形データからコードを推定してみる音楽波形データからコードを推定してみる
音楽波形データからコードを推定してみる
 
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたことデータサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
 
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 

Similar to 基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向

Io t工場機器監視デモ
Io t工場機器監視デモIo t工場機器監視デモ
Io t工場機器監視デモAkihiro Iwaya
 
三菱商事テクノス インダストリアルIoTのご紹介
三菱商事テクノス インダストリアルIoTのご紹介三菱商事テクノス インダストリアルIoTのご紹介
三菱商事テクノス インダストリアルIoTのご紹介MitsubishiCorporationTechnos
 
Azure アプリケーション アーキテクチャ ガイド 紹介
Azure アプリケーション アーキテクチャ ガイド 紹介Azure アプリケーション アーキテクチャ ガイド 紹介
Azure アプリケーション アーキテクチャ ガイド 紹介Kazuyuki Nomura
 
131106 01 i-rex2013
131106 01 i-rex2013131106 01 i-rex2013
131106 01 i-rex2013openrtm
 
1.コース概要
1.コース概要1.コース概要
1.コース概要openrtm
 
セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築 [ISOC-JP workshop, 2016/05/20]
セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築  [ISOC-JP workshop, 2016/05/20]セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築  [ISOC-JP workshop, 2016/05/20]
セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築 [ISOC-JP workshop, 2016/05/20]Takeshi Takahashi
 
第5回iocj情報交換会 info scoopネットワンシステムズ様事例
第5回iocj情報交換会 info scoopネットワンシステムズ様事例第5回iocj情報交換会 info scoopネットワンシステムズ様事例
第5回iocj情報交換会 info scoopネットワンシステムズ様事例infoScoop
 
kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814swkagami
 
TERAS Conference
TERAS ConferenceTERAS Conference
TERAS ConferenceKeiju Anada
 
第3回SIA研究会(例会)プレゼン資料
第3回SIA研究会(例会)プレゼン資料第3回SIA研究会(例会)プレゼン資料
第3回SIA研究会(例会)プレゼン資料Tae Yoshida
 
201110 01 Polytech Center 1
201110 01 Polytech Center 1201110 01 Polytech Center 1
201110 01 Polytech Center 1openrtm
 
IIoTと産業イーサネットの提案
IIoTと産業イーサネットの提案IIoTと産業イーサネットの提案
IIoTと産業イーサネットの提案Advanet Inc.
 
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティングThe Japan DataScientist Society
 
HeapStats: Introduction and Technical Preview
HeapStats: Introduction and Technical PreviewHeapStats: Introduction and Technical Preview
HeapStats: Introduction and Technical PreviewYuji Kubota
 
ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -
ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -
ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -Keizo Tatsumi
 
Approved spt
Approved sptApproved spt
Approved sptakipower
 
「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証
「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証
「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証Kuniharu(州晴) AKAHANE(赤羽根)
 
システム運用 (インフラ編)
システム運用 (インフラ編)システム運用 (インフラ編)
システム運用 (インフラ編)Takashi Abe
 

Similar to 基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向 (20)

SignalR Tune-up
SignalR Tune-upSignalR Tune-up
SignalR Tune-up
 
Io t工場機器監視デモ
Io t工場機器監視デモIo t工場機器監視デモ
Io t工場機器監視デモ
 
三菱商事テクノス インダストリアルIoTのご紹介
三菱商事テクノス インダストリアルIoTのご紹介三菱商事テクノス インダストリアルIoTのご紹介
三菱商事テクノス インダストリアルIoTのご紹介
 
Azure アプリケーション アーキテクチャ ガイド 紹介
Azure アプリケーション アーキテクチャ ガイド 紹介Azure アプリケーション アーキテクチャ ガイド 紹介
Azure アプリケーション アーキテクチャ ガイド 紹介
 
13 takai
13 takai13 takai
13 takai
 
131106 01 i-rex2013
131106 01 i-rex2013131106 01 i-rex2013
131106 01 i-rex2013
 
1.コース概要
1.コース概要1.コース概要
1.コース概要
 
セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築 [ISOC-JP workshop, 2016/05/20]
セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築  [ISOC-JP workshop, 2016/05/20]セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築  [ISOC-JP workshop, 2016/05/20]
セキュリティオペレーション自動化に向けた、基盤技術と共通インターフェースの構築 [ISOC-JP workshop, 2016/05/20]
 
第5回iocj情報交換会 info scoopネットワンシステムズ様事例
第5回iocj情報交換会 info scoopネットワンシステムズ様事例第5回iocj情報交換会 info scoopネットワンシステムズ様事例
第5回iocj情報交換会 info scoopネットワンシステムズ様事例
 
kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814
 
TERAS Conference
TERAS ConferenceTERAS Conference
TERAS Conference
 
第3回SIA研究会(例会)プレゼン資料
第3回SIA研究会(例会)プレゼン資料第3回SIA研究会(例会)プレゼン資料
第3回SIA研究会(例会)プレゼン資料
 
201110 01 Polytech Center 1
201110 01 Polytech Center 1201110 01 Polytech Center 1
201110 01 Polytech Center 1
 
IIoTと産業イーサネットの提案
IIoTと産業イーサネットの提案IIoTと産業イーサネットの提案
IIoTと産業イーサネットの提案
 
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
 
HeapStats: Introduction and Technical Preview
HeapStats: Introduction and Technical PreviewHeapStats: Introduction and Technical Preview
HeapStats: Introduction and Technical Preview
 
ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -
ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -
ソフトウェア品質技術の歴史を振り返る - ソフトウェア品質測定を中心に -
 
Approved spt
Approved sptApproved spt
Approved spt
 
「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証
「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証
「効率・品質・統制」の共通課題に着目した現場主導によるITS導入の効果検証
 
システム運用 (インフラ編)
システム運用 (インフラ編)システム運用 (インフラ編)
システム運用 (インフラ編)
 

More from The Japan DataScientist Society

AI・データ利活用継続の鍵はビジネススキル
AI・データ利活用継続の鍵はビジネススキルAI・データ利活用継続の鍵はビジネススキル
AI・データ利活用継続の鍵はビジネススキルThe Japan DataScientist Society
 
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)よりThe Japan DataScientist Society
 
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートよりデータサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートよりThe Japan DataScientist Society
 
エントリー層向けセミナー#04『はじめての最適化』
エントリー層向けセミナー#04『はじめての最適化』エントリー層向けセミナー#04『はじめての最適化』
エントリー層向けセミナー#04『はじめての最適化』The Japan DataScientist Society
 
機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望The Japan DataScientist Society
 
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料The Japan DataScientist Society
 
データサイエンティスト協会スキル委員会4thシンポジウム講演資料
データサイエンティスト協会スキル委員会4thシンポジウム講演資料データサイエンティスト協会スキル委員会4thシンポジウム講演資料
データサイエンティスト協会スキル委員会4thシンポジウム講演資料The Japan DataScientist Society
 
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーコグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーThe Japan DataScientist Society
 
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~The Japan DataScientist Society
 
データサイエンスの全体像とデータサイエンティスト
データサイエンスの全体像とデータサイエンティストデータサイエンスの全体像とデータサイエンティスト
データサイエンスの全体像とデータサイエンティストThe Japan DataScientist Society
 
分析せよ!と言われて困っているあなたへの処方箋
分析せよ!と言われて困っているあなたへの処方箋分析せよ!と言われて困っているあなたへの処方箋
分析せよ!と言われて困っているあなたへの処方箋The Japan DataScientist Society
 
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~The Japan DataScientist Society
 
データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)The Japan DataScientist Society
 
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料The Japan DataScientist Society
 
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』The Japan DataScientist Society
 

More from The Japan DataScientist Society (20)

学生から見たデータサイエンティスト
学生から見たデータサイエンティスト学生から見たデータサイエンティスト
学生から見たデータサイエンティスト
 
データサイエンティストの就労意識
データサイエンティストの就労意識データサイエンティストの就労意識
データサイエンティストの就労意識
 
AI・データ利活用継続の鍵はビジネススキル
AI・データ利活用継続の鍵はビジネススキルAI・データ利活用継続の鍵はビジネススキル
AI・データ利活用継続の鍵はビジネススキル
 
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
 
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートよりデータサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
 
エントリー層向けセミナー#04『はじめての最適化』
エントリー層向けセミナー#04『はじめての最適化』エントリー層向けセミナー#04『はじめての最適化』
エントリー層向けセミナー#04『はじめての最適化』
 
機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望
 
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料
 
スキルチェックリスト 2017年版
スキルチェックリスト 2017年版スキルチェックリスト 2017年版
スキルチェックリスト 2017年版
 
データサイエンティスト協会スキル委員会4thシンポジウム講演資料
データサイエンティスト協会スキル委員会4thシンポジウム講演資料データサイエンティスト協会スキル委員会4thシンポジウム講演資料
データサイエンティスト協会スキル委員会4thシンポジウム講演資料
 
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーコグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
 
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
 
データサイエンスの全体像とデータサイエンティスト
データサイエンスの全体像とデータサイエンティストデータサイエンスの全体像とデータサイエンティスト
データサイエンスの全体像とデータサイエンティスト
 
分析せよ!と言われて困っているあなたへの処方箋
分析せよ!と言われて困っているあなたへの処方箋分析せよ!と言われて困っているあなたへの処方箋
分析せよ!と言われて困っているあなたへの処方箋
 
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
 
データサイエンス業務と「ツール」
データサイエンス業務と「ツール」データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
 
データサイエンスの全体像
データサイエンスの全体像データサイエンスの全体像
データサイエンスの全体像
 
データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)
 
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
 
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
 

基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向