Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

センサデータ解析におけるJubatus活用事例

13,113 views

Published on

  • Be the first to comment

センサデータ解析におけるJubatus活用事例

  1. 1. センサデータ解析における Jubatus活⽤用事例例 2014-­‐06-­‐29   住友精密⼯工業株式会社   宮本
  2. 2. 無線センサネットワークとは Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 2 基地局 インターネット v  たくさんの無線センサノードをばらまく v  ⾃自律律的にネットワークを構築する v  センサを使って、周囲の様々な情報を集めネットワーク上へ送る 省省電⼒力力・短距離離通信→マルチホップ ⾃自律律ネットワーク構築→アドホック
  3. 3. SmartDustプロジェクト Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 3 v  ⽶米国防総省省DARPAの資⾦金金提供を受けてUCバークレイ が中⼼心となって⾏行行われたセンサネットワークに関す る研究プロジェクト n 1.5mm3以下、5mg以下の超⼩小型センサノードを MEMS技術を⽤用いて開発することを⽬目標とした (1999年年頃〜~2001年年)
  4. 4. MOTE Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 4 v COTS (Commercial Off-the-Shelf) Dust n 市販されている部品を使って、低コストで実際に 動作するセンサノードを開発する n ⽶米Crossbow MICA MOTEの市販へ u MOTE(塵):ノード u MICA(雲⺟母):センサ基板多重化構造 v 研究領領域の拡⼤大 n 限られたハードウエア上で効率率率よく動作する ソフトウエア(TinyOSやさまざまなプロトコル) n それらのセンサノードを使った現実の アプリケーション
  5. 5. EcoWizard Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 5
  6. 6. 実証試験⽤用屋外センサノード Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 6 Arduino UNO 920MHz無線シールド 920MHz無線モジュール (WM-Z3000) 無線設定⽤用 スイッチ
  7. 7. センサデータ活⽤用の課題 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 7 計測 •  データロガー •  センサネット 収集 •  EXCEL •  データベース ⾒見見える化 •  グラフ •  閾値によるア ラート 新たな課題 ⾒見見える化だけで効果があるのか? 閾値をどうやって決めるのか?
  8. 8. ITの進化をセンサデータに応⽤用 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 8 センサ データ ⾒見見える 化 データ 分析 課題解決
  9. 9. センサデータの価値 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 9 計測 • センサネット 収集 • データベース 分析 •  機械学習 予測 •  制御 •  アラート 課題解決 多点センサデータと結果から学習 単純な閾値ではなく複数の センサ値から起こる事象を予測 予測に基づいて制御やアラート
  10. 10. 事例例:ビニルハウスモニタ v ビニルハウス内の換気扇が故障して⾼高温状態が 15分程度度続くとハウスみかんが損傷する v 故障の発⽣生要因 n 換気扇そのものの故障 n 停電 n ⿃鳥などが換気扇にはさまる v 成⻑⾧長ステージによって 温度度設定が異異なり警告閾値も それに伴って変える必要がある n これまでは⼈人⼿手により警告閾値を変更更していた v 機械学習により異異常を⾃自動検出できるようにしたい Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 10
  11. 11. 事例例:ビニルハウスモニタ Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 11 温度センサノード 基地局 0   1   2   3   4   5   6   7   8   9   10   11   12   13   14   15   ●基地局 ●温度ノード ●電源&換気異常、重  油使用量計測ノード ●中継ノード   1号 2号 3号 4号 6号 5号
  12. 12. 事例例:ビニルハウスモニタ Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 12 基地ノード 温度 センサノード 中継ノード ゲートウエイ ボイラ 重油油量計 制御盤 パルス入力ノード 3Gルータ インターネット クラウドサーバ
  13. 13. 事例例:ビニルハウスモニタ Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 13 各ハウスの温度 ハウス1,2の油使用量
  14. 14. なぜJubatusなのか? v リアルタイム n 異異常検出ではリアルタイムは必須である n 温度度データは1分間隔で計測・収集 v スケーラビリティ n 将来的に数万のハウスから 1分間隔でデータが集められる n データベースは分散化しても 機械学習エンジンがボトルネック になる可能性がある Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 14
  15. 15. 基本⽅方針 v JubatusのAnomalyを使う v 異異常値(σ2>5)を除去した温度度データを教師 データとする n 農家さんに逐⼀一確認して異異常値を除去するのが理理 想であるが簡易易的な⼿手段とした v 検出したい異異常値を含む温度度データを評価し、 異異常度度を確認する Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 15
  16. 16. 第1試⾏行行 v 2012年年12⽉月〜~2013年年4⽉月の異異常値を除去した温度度 データを教師データとして使⽤用 v 異異常値を除去していない温度度データを評価 正しく、異異常値に対して異異常度度が上がっている Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 16 学習したJubatusが温 度度異異常に対して反応し ている
  17. 17. 第1試⾏行行 v しかし、3⽉月頃のデータをみると… 正常なデータも異異常度度が⾼高くなっている Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 17 成長ステージの設定温度の違い
  18. 18. 第2試⾏行行 v ⽉月ごとにデータを細分化することで成⻑⾧長ス テージの設定温度度の違いに対応する v 2012年年12⽉月の教師データに対して、2012年年12 ⽉月の異異常値含むデータを評価 v 2013年年4⽉月についても同様 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 18
  19. 19. 第2試⾏行行結果 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 19 2012年年12⽉月のデータ 2013年年4⽉月のデータ
  20. 20. 第3試⾏行行 v 今年年度度(2013-2014)データが得られたので、 昨年年度度の教師データに対して今年年度度データを 評価する Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 20
  21. 21. 第3試⾏行行結果 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 21 2013年年12⽉月のデータ 異異常発⽣生しなかった 2014年年3⽉月のデータ 別ハウス、異異常発⽣生
  22. 22. まだまだある課題 v そもそも⽉月に分けることがベストなのか? v ハウス毎に分けるのは現実的ではない n 教師データが多くなるし、それぞれjubaanomaly を動かす必要がある n 加温開始時期を基準にすべきではないか v 成⻑⾧長ステージを意識識したアルゴリズムで解決 してもよいが、多くの環境や作物に対応させ たい Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 22
  23. 23. 成⻑⾧長ステージと温度度 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 23 加温開始〜~発芽期 発芽後〜~開花前 成熟期 開花〜~⽣生理理落落果〜~果実肥⼤大 温度(℃) 加温日数(日)
  24. 24. センサデータと解析 v EcoWizard最⼤大デマンド予測 n その⽇日の朝9:00のデマンドと最⾼高気温予報から、 最⼤大デマンドを予測する v ビニルハウス油量量による給油予想 n 油量量計のコストを削減しながら、外気温とハウス 内温度度から使⽤用した油量量を予測し、給油タイミン グを予測する v 栽培技術や故障予測、不不良良率率率低減 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 24
  25. 25. データサイエンス  ベン図 Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 25 出典:Drew  Conway   h9p://drewconway.com/zia/2013/3/26/the-­‐data-­‐science-­‐venn-­‐diagram

×