SlideShare a Scribd company logo
1 of 155
最新のITトレンドとビジネス戦略
サービス&アプリケーション・先進技術編/IoT
2021年11月版
ご案内
2
知識の定着は、ネットを眺め、資料を読むだけでは不十分です。実際に第三者
を相手に自分の言葉で説明してみるのが最も効果的です。
また、本プレゼンテーションは、ロイヤリティ・フリーです。ご自身の資料と
して、加工編集して頂いても構いません。
知識の確かな定着と仕事の生産性向上のために、ご活用下さい。
ネットコマース株式会社
斎藤昌義
http://libra.netcommerce.co.jp/
最新のアップデートは、「ITビジネス・プレゼンテーション・ライブラリー/LiBRA」にて随時更新しております。
モノがネットにつながる時代
モバイルネットワーク環境
利用環境の充実とコスト低下
なぜ、いまIoTなのか
http://www.cisco-inspire.jp/archives/archives/tag/fog-computing
H2M
Human to Machine
H2H
Human to Human
M2M
Machine to Machine
IoT
Internet of Things
 コンピューター機器の高性能・低価格
化
 利用・分析ソフトウエア技術の進歩
 クラウド・コンピューティングの普及
 スマートデバイスの普及
 センサーの多様化と小型化・低価格化
 モバイル・ネットワークの高速化・低
価格化
1999年、“Internet of Things” という言葉はKevin Ashton によって提案された。 http://www.rfidjournal.com/articles/view?4986
統計解析
人工知能
IoTの発展経緯とCSP(Cyber-Physical Systems)
5
ビッグ
データ
可視化
制 御
最適化
知識化
IoT
M2M
2000年代〜 2010年〜
産業機器・社会インフラ 個人・生活
メトカーフの法則
通信ネットワークの価値は、
接続するシステムの数の
二乗に比例する
ネットワークに接続するデバイスの数
2009年:25億個→2020年:500億個
CPS
クローズド戦略から
オープン化戦略への転換
個人・生活全般や
広範なビジネス分野へ
M2MとIoTの違い
6
価格
サイズ
性能
ネットワーク
プラット
フォーム
高 低
特
殊
な
用
途
に
限
定
多
様
な
用
途
に
適
用
高コスト
クローズド
低コスト
オープン
独自システム
(独自開発)
クラウド
(汎用サービス)
軍事・製造設備社会公共インフラなど
精度・粒度の向上
M2M IoT
デバイス数の増大
スマートフォンやウエアラブルなどの
個人用途
データ量の増大
ビッグデータ・クラウド・ストレージ
ソリューションの多様化
人工知能・機械学習
サービス間連携(クラウド)
大
低
小
高
新たなビジネス価値
用途の拡大
M2MとIoT
7
モノ・人・データ・プロセスの相互連係
モノとモノとの連係
クローズドな独自ネットワーク
オープンなインターネット
クローズドな独自ネットワーク
膨大なデバイス数
高いスケーラビリティ
限られたデバイス数
増大は限定的
業務を超えたデータ活用
業務に特化したデータ活用
既存ビジネスの限界をブレークスルー
イノベーションの創出
特定業務の
効率化・品質の向上・安全管理
連係
デバイス
数
ネット
ワーク
データ
活用
狙い
M2M(Machine to Machine) IoT(Internet of Things)
個人・生活全般や広範なビジネス分野へ
軍事・製造設備・社会公共インフラなど
データの精度や粒度、
リアルタイム性の向上
適用範囲の拡大
インターネットに接されるデバイス数の推移
8
爆発的な伸びを見せると推測されるIoT(世界規模) (出典:National Cable & Telecommunications Association)
インターネットに接続されるデバイス数の推移
9
億人
億台
台/人
2003年 2010年 2015年 2020年
世界人口
インターネット
接続デバイス数
一人当りの
デバイス数
63 68 72 76
5 125 250 500
0.08 1.84 3.47 6.50
IoTに期待される経済価値
10
14.4兆ドル
9.5兆ドル
(66%)
業界固有の案件の
改革より生みだされる
4.9兆ドル
(34%)
業界横断的な案件より
生みだされる
1.95兆ドル
スマートファクトリー
7570億ドル
スマートグリッド
3490億ドル
スマートビルディング
1060億ドル
ヘルスケア・患者モニタ
3470億ドル
商用車
1.95兆ドル
マーケティング・広告
780億ドル
カレッジ教育
IoTがもたらす経済的効果・総務省
2013年から2023年の10年間で期待される経済価値
http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h27/html/nc254120.html
IoTとは何か
人間の頭脳を機械に置き換え
知的作業を機械にやらせる技術
 人間の仕事はなくなるの?
 人間は働かなくてもよくなるの?
 人間は機械に支配される時代が来るの?
AI(人工知能)
モノをインターネットにつなげる技術
 つなげてどうするの?
 つなげると何ができるようになるの?
 つなげると社会やビジネスはどう変わるの?
IoT( )
モノの
インターネット
IoTとAIの一般的理解と本当のところ
12
現実の出来事をデータで捉え
最適なやり方を見つけ出し
社会やビジネスを動かす仕組み
人間の新たな進化を後押しする
 自動化の範囲が広がり人間に新たな役割を担う機会を与える
 これまで人間には見えなかったことが見えるようになる
 人間の知的能力を劇的に拡張する
技術は使うが技術ではない!
本物の人工”知能”はない! コグニティブ
Cognitive
社会やビジネスに 新たな X 急激な 変革を促すちから
IoTと関連テクノロジー
13
IoT
インターネット
スケーラブルで柔軟な構成を実現
多様なアプリケーションとの連係
スマートフォン
センサーの小型・高性能化とコスト低減
無線通信インフラの充実とコスト低減
クラウド
スケーラブルで柔軟なインフラ環境
容易なアプリケーション連係
人工知能
アナリティクス手段の充実
データ活用範囲の拡大
(原因分析⇒現状見える化⇒未来予測)
ビックデータ
大規模計算資源
オープン・プラットフォーム
ビックデータ
アプリの多様性
利用環境の拡張性・多様性
多様で広範な接続環境 多様で広範な接続環境
サイバーフィジカルシステムとIoT
データ収集
モニタリング
データ解析
原因解明・発見/洞察
計画の最適化
データ活用
業務処理・情報提供
機器制御
ヒト・モノ
クラウド・コンピューティング
日常生活・社会活動 環境変化・産業活動
現実世界/Physical World
サイバー世界/Cyber World
Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
アナログな現実世界のものごとやできごとを
デジタル・データで捉えデジタル・ツイン
(現実世界のデジタル・コピー)を作る
狭義のIoT
デジタルとフィジカルが一体となって
高速に改善活動を繰り返す状態を実現
ビジネスの最適化を維持する
広義のIoT
IoTとビジネス
データ収集
モニタリング
データ解析
原因解明・発見/洞察
計画の最適化
データ活用
業務処理・情報提供
機器制御
ヒト・モノ
クラウド・コンピューティング
日常生活・社会活動 環境変化・産業活動
現実世界/Physical World
サイバー世界/Cyber World
Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
IoTシステム構築ビジネス
確実な原価回収+利益拡大は難しい
現場オペレーションに精通し
センサー×ネットワーク×運用を最適化
狭義のIoT
サービス価値提供ビジネス
ハイリスク・ハイリターン型の可能性
データによる現場の見える化と
UXの高速改善が前提
広義のIoT
IoTが生みだす2つのループ
16
現実世界のデジタル・コピー
デジタル・ツイン
規則や関係
の見える化
未来予測・最適解
インサイト・示唆
機器制御・指示命令・アドバイス
最適化ループ
効率・省エネ・生産性・時短・コスト削減など
イノベーション
変革ループ
UX(体験価値)向上、新たな連携、利便性向上、驚き・感動など
IoTが生みだす2つのループ
17
現実世界のデジタル・コピー
デジタル・ツイン
規則や関係
の見える化
未来予測・最適解
インサイト・示唆
機器制御・指示命令・アドバイス
最適化ループ
効率・省エネ・生産性・時短・コスト削減など
イノベーション
変革ループ
UX(体験価値)向上、新たな連携、利便性向上、驚き・感動など
センサー
 センサー・チップ
 センサーネットワーク
 センサー・フュージョン など
クラウド
 データの収集・蓄積
 計算処理能力の提供
 アプリケーション など
AI(機械学習)
 データの分析
 最適解の導出
 規則性や関係性の見える化 など
5G(第5世代移動通信システム)
 高速・大容量
 他端末接続
 低遅延 など
アジャイル開発・DevOps
 現場のフィードバックをうけて高速に改善
 ニーズの変化に俊敏な対応
 バグフリー・高品質なソフトウエア開発 など
AIチップ
 自律制御
 自律連携
 リアルタイム処理 など
IoTの定義とビジネス
アナログな現実世界のものごとやできごとを
デジタル・データで捉えデジタル・ツインを作る
デジタルとフィジカルが一体となって
高速に改善活動を繰り返す状態を実現
最適解の導出
機械学習・シミュレーション
アプリケーション
データ収集 機器制御・指示命令・情報提供
など
サービス利用
現実世界
デジタル・ツイン
狭義のIoT
広義のIoT
システム構築ビジネス サービス提供ビジネス
IoTの未来
現実世界/Physical World
Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
サイバー世界/Cyber World
センサー AIチップ
現場の
見える化
自律制御
デジタル
ツイン
制御情報
地図情報
環境情報
など
予測・分類・識別
サービス
アプリケーション
AI/機械学習 クラウド
モノ/IoTデバイス
5G
第5世代通信システム
その他のビジネス
自律走行自動車
ビル設備管理サービス
IoTはテクノロジーではなくビジネス・フレームワーク
20
データ収集
データ解析 データ活用
土木工事自動化サービス
解決したいビジネス課題
 土木工事需要の拡大
 熟練作業員の高齢化
 困難を極める若者人材確保
データ収集
 ドローンによる工事現場の空中撮影(カメラ)
 建設機械の高精度位置情報(GPS)
 デジタル化された施工情報(3次元CAD等)
データ解析
 高精度3次元立体図面
 土量分析・作業分析
 工程・工期シミュレーション
データ活用
 建設機械の自動制御・作業支援
 工程変更支援
 ドロー測量により進捗把握
解決したいビジネス課題によって、使われるテクノロジーの組合せは異なる
デジタル・データを活用した
ビジネス課題を解決するためのフレームワーク
IoTとは
現実世界
サイバー世界
伝統的なやり方とIoTとの違い
21
経験値
勘や習慣
による判断
経験や実験
によって学習し
最適解を見つけ出す
人間による
観察や実験
個人の経験値、伝統的な習慣や思い込み
の範囲を超えることが困難
現実の世界で起きる”ものごと”や”できごと”
伝統的な社会やビジネスの仕組み
センサーによって
収集されるデータ
データを収集し
機械学習によって
最適解を見つけ出す
ルール
や統計値
による判断
徹底して無駄を無くし
効率、コスト、期間を劇的に改善
IoTで実現する社会やビジネスの仕組み
従来のやり方とIoTの違い
22
業務アプリケーション
業務サービスへの適用
分析・最適化
(経験や知見)
データの取得
(体験・実測)
事業課題の発見
仮説の設定
業務アプリケーション
業務サービスへの適用
分析・最適化
(機械学習やシミュレーション)
データの取得
(ビッグ・データ)
事業課題の発見
仮説の設定
IoT+AI
従来のやり方
ログ・データ
人間の知見
ログ・データ
人間の知見
センサ・データ
+
ビッグデータ
IoTとスマートデバイス
23
データの取得
アナログな事実を
デジタルデータに置き換える
データの分析
 規則性、関係性を見つけ出す
 最適解を見つけ出す
 事実を分類整理する
データの見える化
 過去の原因を見つける
 現在の状況を把握する
 未来を予測する
データの活用
 アプリケーションを駆動する
 意志決定を支援する/行う
 機器を制御する
機械学習
263
Kw
○×電力
スマートマシン
自ら学習・判断して
自律して動作する機械
サイバー世界/Cyber World
現実世界/Physical World
IoTによってもたらされる5つの価値
24
ビッグデータ
見える化
制御
自律化
連係
拡張
過去・現在・未来が
事実・データに基づき
分かりやすく表現される
モノ同士、サービスや
アプリーション同士が
相互に連携する
モノが独自にデータから学習/判断し
外部からの制御なく自律して動作する
遠隔であっても
外部(人間/サービスやアプリケーション)
から命令されて動作する
モノ単体ではできない
強力な処理能力や
データ蓄積能力など
の機能や性能を
持つことができる
機械学習
アプリケーション
サービス
クラウド
IoTのもたらす3つの価値
スマートフォン
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
様々なアクティビティ
クラウドにつながり
モノ自身が賢くなる
モノ同士がにつながり
全体で協調・連携する
モノがリアルタイムでつながり
いまの事実を教えてくれる
デジタルで現実世界を捉え
現実世界を最適化する仕組み
ビッグデータ
現実世界の
デジタルコピー
シミュレーション
Device / Sensor Data
Location Data
Vital / Life Log Data
ビッグデータ
 災害時避難誘導
 災害に関わる警報や注意
 エネルギー需給調整
 交通監視・管制
 見守りや犯罪の抑止 など
 生活・健康の改善指導
 生活環境の監視・制御
 予防診断
 嗜好にあわせた情報提供
 安全運転・自動運転 など
 産業機械監視・制御
 工場の自動操業
 品質や精度の監視と自動調整
 最適物流統制
 省エネのための機器制御 など
IoTとアプリケーション
事業活動
産業活動
日常生活
人間行動
社会活動
公共活動
アナルティクス
業務アプリケーション
クラウド基盤
サスティナブルな社会の実現
 エネルギー効率の最適化
 自律制御された社会の実現
 シェアリング・エコノミー など
IoTがもたらす2つのパラダイム・シフト
モノのサービス化
ビジネスの主役が、モノからサービスへシフト
 「モノの価値」の重心がシフト
 ビジネス・モデル転換をドライブ
デジタル・ツイン
リアルとデジタルの一体化による、価値共創
 現実世界の最適化
 サービス間連携による新たな価値の創出
デジタル・コピー/デジタルツイン
28
電脳世界
(Cyber World)
現実世界
(Physical World)
Cyber-Physical System
スマートフォン
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
様々なアクティビティ
スマートフォン
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
様々なアクティビティ
シミュレーション
データ
最適解
デジタルツイン:サービス間連携による新規価値の創出
29
電脳世界
(Cyber World)
現実世界
(Physical World)
Cyber-Physical System
スマートフォン
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
様々なアクティビティ
データ
新規
価値
データ
解析
ヘルス
ケア
融資
気象
情報
SNS
CO2
取引
決済
送金
電脳世界
(Cyber World)
現実世界
(Physical World)
デジタル・コピー/デジタルツイン
30
ビッグデータ
機械学習
センサ
データ
最適解
制御
Cyber-Physical System
圧 力
ひずみ
振 動
重 量
電 流
・・・
シミュレーション
現実世界をデジタルで再現し
条件を変えて実験を繰り返し
最適解を見つけ出す
変更や変化に即応して
最適状態・動きを実現
工場でのデジタル・ツイン
デジタル・プラント
フィジカル・プラント
最適解による制御・指示
パフォーマンス・データ
デジタル・ツインを使った
シミュレーション
センサーを使った
リアルタイムなデータ取得
条件を変え実験を繰り返し
最適解を見つけ出す
変更や変化に即応して
最適状態・動きを実現
圧 力
ひずみ
振 動
重 量
電 流
・・・
リアルタイムにフィジカル・プラントの最適化を実現する
リアルタイムにデジタル・ツインを生成する
ビッグデータ × AI(機械学習)
経営戦略・製品/サービス戦略 & 0.1 to One マーケティング
CPS / Cyber Physical System = IoT
amazonのデータ収集戦略
32
「地球上で最も顧客中心の会社」
購買志向・生活習慣・経済状況 音声・生活音・趣味嗜好
音楽志向・趣味嗜好
思想信条・趣味嗜好・主義主張
購買志向・生活レベル・生活圏 購買志向・生活レベル・生活圏
興味関心・趣味嗜好
生活レベル・経済状態
個人属性
テクノロジーを駆使して
徹底した利便性を追求
「顧客第一主義」戦略 「顧客データ収集」戦略
ユーザーとの接点を可能な限り増やし
あらゆる顧客情報を徹底して収集する
CPS(Cyber-Physical System)の仕組み
33
アナリティクス
ビッグデータ
現実世界のデジタル・コピー
電脳世界
(Cyber World)
現実世界
(Physical World)
Cyber-Physical System
アプリケーション
統計解析
人工知能
販売システム
生産システム
交通管制
・・・
センサーによる感知 人による操作 人による記録
交通機関
家電製品
自動車
スマホ
ウェアラブル
住宅
申し込み
SNS投稿
ブログ投稿
Web閲覧
購入
経理処理
財務管理
アンケート
物流管理
国勢調査
IoT
CPS(Cyber-Physical System)の仕組み
34
ビッグデータ
現実世界のデジタル・コピー
ア
ナ
リ
テ
ィ
ク
ス
建物・設備
自動車
電化製品
着衣
アクセサリー
電脳世界
(Cyber World)
現実世界
(Physical World)
Cyber-Physical System
人
工
知
能
ソフト
ウェア
ソフト
ウェア
ソフト
ウェア
ソフト
ウェア
デ
ジ
タ
ル
化
さ
れ
た
現
実
世
界
の
デ
ー
タ
フ
ィ
ー
ド
バ
ッ
ク
アプリケーション
制御
Actuation
情報
Information
更新
Update
ソリューション
自律制御
自己診断/修復・自律運転など
情報アシスタンス
情報提供・アドバイスなど
ソフトウェア制御
機能変更・性能改善など
モデリング
Modeling
シミュレーション
Simulation
最適化
Optimization
意味・解釈
関係・構造
原因・理由
CPS(Cyber-Physical System)の仕組み
35
電脳世界
(Cyber World)
現実世界
(Physical World)
Cyber-Physical System
人間
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
人間
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
物理的・地理的障壁が存在する
その連携や組み合わせは、様々な制約を受ける
物理的・地理的障壁は存在しない
あらゆるモノをつなげ、組み合わせることができる
CPS: IoTによって変わる現実社会のとらえ方
36
事実
実験
経験
体験・主観 サンプル リアルタイム・データ
人の直感
データの分析
IoT
膨大なデータをリアルタイムに収集し
データ分析によって事実を把握する。
CPS: IoTで変わる道路交通の常識
37
他の自動車と協調し、速度
を調整して渋滞を回避
通行量に合わせて信号機の
点灯を調整し渋滞を回避
事故に対応してバスの運行
を優先し移動手段を確保
交通量に合わせて中央線
を移動し渋滞を回避
自動運転車と交通システム/歩行者との連携
38
http://techon.nikkeibp.co.jp/article/COLUMN/20150408/413201/?SS=imgview&FD=-1972773010
日経テクノロジー
CPS:つながることの価値
39
個別最適・個別快適
情報収集 車両ソフトの更新
協調・連携 情報共有
道路交通システムの全体最適
環境負荷の低減
渋滞回避や最適ルート指示
交通事故の低減
自律運転による事故の回避
災害時の減災
道路管制システムの制御
社会システムの全体最適
つながることで社会システムの全体の最適化を実現
インターネット
「モノ」のサービス化
40
ハードウェア
ソフトウェア
サービス
モノの価値は、
ハードウェアからソフトウェアへ、
そしてサービスへとシフト
機能・性能を随時更新可能
機能・性能の固定化
機能・性能を継続的更新可能
「モノ」のサービス化
41
モノの価値は、
ハードウェアからソフトウェアへ、
そしてサービスへとシフト
ハードウェア
ソフトウェア
サービス
機能・性能を随時更新可能
機能・性能の固定化
機能・性能を継続的更新可能
「モノ」のサービス化
モノの価値は、
ハードウェアからソフトウェアへ、
そしてサービスへとシフト
ハードウェア
ソフトウェア
サービス
機能・性能を随時更新可能
機能・性能の固定化
機能・性能を継続的更新可能
モノの価値を評価する基準がシフト
 機構が複雑になり、部品の数も増えて、コストが嵩む
 故障が多く、保守・サポートの体制やコストの負担が増える
 機能追加には、設計や製造工程を変更を伴ひ、迅速対応は困難
ソフトウェア化するモノ
43
物理的・物質的なモノでしか実現できない部分
プログラムで制御または実現できる機能・性能
 レンズ
 シャッター
 ボディなど
 タイヤ
 エンジン
 車体など
 機体・翼
 ジェット・エンジン
 燃料タンクなど
 シャッタースピード
 発色・感度
 フォーカスなど
 ブレーキ・タイミング
 エンジン制御
 機器のオンオフなど
 姿勢や方向の制御
 エンジンの制御
 機内環境の制御など
ソ
フ
ト
ウ
ェ
ア
ハ
ー
ド
ウ
ェ
ア
 製造コストの低減
 故障要因の低減
 保守容易性の実現
できるだけ
シンプルに
 開発コストの低減
 高機能化のしやすさ
 保守容易性の実現
できるだけ
多機能に
IoT化
通信機能を組み込み
インターネットにつ
なげることでモノを
サービス化する
モジュラー化
機能を標準化・部品
化することで、生産
コストの低減と保守
性を向上させる
「モノ」のサービス化
44
ダグラスDC7(1953) ボーイング787(2011)
(グラス・コックピット)
ハードウェア ソフトウェア
ハードウェア
遠隔からの保守点検、修理、自律化機能による自己点検や修復
ソフトウェア更新による機能・性能・操作性の改善が可能。
監視・分析・最適化
監視・分析・最適化
全ての作業や操作は人間を介在し、機械の交換や修理などの、
物理的作業を必要とする。
「モノ」のサービス化
自動車メーカー 航空機メーカー 工作機械メーカー
アナリティクス
ソフトウェア改修
データ
収集
ソフトウェア
配信
新
規
開
発
制御ソフトウェア
アナリティクス
ソフトウェア改修
データ
収集
ソフトウェア
配信
新
規
開
発
制御ソフトウェア
アナリティクス
ソフトウェア改修
データ
収集
ソフトウェア
配信
新
規
開
発
制御ソフトウェア
運行データ
走行データ 作業データ
制御 制御 制御
遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善
インターネット
「モノ」のサービス化/新たな価値関係の登場
46
価値を生産 価値を消費
価値を共創
価値を共創
交換価値
交換価値
購買
文脈価値
使用価値
グッズ
ドミナント
ロジック
サービス
ドミナント
ロジック
IoTやデジタルマーケティング、
ソーシャルメディアの活用により、
購買以前から企業と顧客が価値を
創り出す関係が築かれる。
IoTやソーシャルメディアの活用
により、購買後も顧客との関係は
継続され、企業からは新たな価値
が提供され続ける。
顧客による使用情報の継続的入手
ソフトウェアの更新、新たなサー
ビスの提供による価値の拡大
January 2016 DAIAMONDハーバード・ビジネス・レビュー別冊を参考に作成
コンサルティングやサービスなど
新たなビジネス価値の創出・提供
開発・生産による
価値の創出
使用による
価値の消費
製造業のサービス化
47
開発・生産による
価値の創出
使用による
価値の消費
価値交換
販売
これまでの製造業
購入
価値交換
販売
これからの製造業
購入
使用状況の把握
集めたデータの解析による
洞察・発見
故障の予測と事前対応
ソフトウェア・アップデートによる
機能改善・性能向上
販売後も連続的・継続的に
顧客を把握・関係を維持
使 用
の現場 センサー コンピュータ ソフトウエア
モノ・製品
モノのサービス化の本質
48
ものづくり
の現場
開発・製造
保守
サポート
ソフトウェア
改修・更新
インターネット
直
結
・
連
係
モノのサービス化:収益モデルの転換
モノのソフトウェア化
ソフトウエアによる
機能・性能の実装
ものづくり
の
現場
使用
の
現場
機能&性能
改善と追加
データによる
使用状況の把握
と見える化
モノのサービス化
モノの売り切りでは
このサイクルを回す
コストを賄えない
継続的な収益モデル
サブスクリプション
従量課金 など
マーケティング情報
継続的収集
顧客/ユーザー
固定化/囲い込み
サプライ・チェーンとデマンド・チェーン
生産
物流
販売
部品・材料サプライヤー/下請け会社
消費者/購入企業
製造業
卸売業
小売業
情
報
の
流
れ
モ
ノ
の
流
れ
正確な需要予測
消費に見合った
円滑な商品の流れ
を実現する
消費現場の
正確でタイムリー
なデータ
消費現場の
データに基づく
最適な商品の流れ
を実現する
POSや販売データだけでは
なく、主義主張、趣味嗜好、
人生観や悩み、ライフログ、
生活圏などを含めて消費者
を深く知るためのデータ
サプライ・チェーン
Supply Chain
デマンド・チェーン
Demand Chain
サプライ・チェーンとデマンド・チェーン
正確な需要予測
消費に見合った
円滑な商品の流れ
を実現する
消費現場の
正確でタイムリー
なデータ
消費現場の
データに基づく
最適な商品の流れ
を実現する
POSや販売データだけでは
なく、主義主張、趣味嗜好、
人生観や悩み、ライフログ、
生活圏などを含めて消費者
を深く知るためのデータ
サプライ・チェーン
Supply Chain
デマンド・チェーン
Demand Chain
日本メーカは、製造現場の改善活動やTQC(Total
Quality Control)活動を中心に、SCM(サプライチェー
ン・マネジメント)に力を入れ、ムダのない効
率的なものづくりで競争優位を確保してきた。
しかし、グローバル競争に突入したいま、日本
メーカのこれまでの競争戦略が通用しなくなっ
ている。とくに価格競争で強みを発揮する中国
やインドがグローバル市場へ進出したことで、
日本メーカの競争力はますます低下している。
ものづくりの付加価値の源泉は、「いかに作る
か」という製造生産プロセス(SCM)から、「何
を作るか」という企画開発プロセス(DCM)へと
大きくシフトしている。日本メーカはこれまで
「下り車線」のSCMには強かったが、「上り車
線」のDCMに弱かった。日本メーカの営業利益率
が低いのはそのためである。デジタル時代のも
のづくりでは、利益率の低いサプライチェーン
よりも利益率の高いディマンドチェーンに強い
企業が生き残るといわれる。
デジタル時代のものづくりでは、利
益率の低いサプライチェーンよりも
利益率の高いディマンドチェーンに
強い企業が生き残る可能性が高い。
モノのサービス化に至る歴史的変遷
ハードウェア
ハードウェアが
モノの価値を決める
ハードウェアが主役の時代
サービスが主役の時代
ハードウェアの魅力
で差別化
ハードウェア
ソフトウェア
データ
収集
サービス連係
クラウド・サービス
メーカー
サービスとソフトウェアの
組合せがモノの価値を決める
サービスの魅力と
それを支えるソフトウェア
で差別化
サービス利用
メーカー
保守サービス
ハードウェア
インターネット
ソフトウェア
アップデート
メーカー
ハードウェアとソフトウェアの
組合せがモノの価値を決める
ソフトウェア
アプリケーション アプリケーション・サービス
ソフトウェアが主役の時代
OS
マザーボード/BIOS
CPU
HDD/メモリーなどの部品
汎用部品
OS
マザーボード/BIOS
CPU
HDD/メモリーなどの部品
各社
汎用部品
汎用部品
ハードウェア
自動運転・制御系
ソフトウェア
ハードウェア 汎用部品
各社
ハードウェアが主役の時代 ソフトウェアが主役の時代
各社
ビジネス・モデルの変革
VISION-S Prototype WOVEN City
e-palette
エンターテイメント・デバイス
エンターテイメント空間として
サービスを提供するためのデバイス
サービス・プラットフォームとして
コネクテッドな時代の
社会・生活空間として
コネクテッドな時代のビジネスの可能性・新たな生き残り戦略の模索
コ
ト
づ
く
り
顧客価値
価値実装
体験
更新
 心地良い・使い易い
 もっと使いたい
 ずっと使い続けたい
 継続的な改善
 最適を維持
 顧客の期待を先回り
UX
ソフトウエア
「モノのサービス化」の構造
機能
仕様
モ
ノ
づ
く
り
ハードウェア
UI
サービス・ビジネスとは、コトの価値を提供し続けるビジネスのこと
モノのビジネスとコトのビジネス
ハード
ウェア
中核的価値
是非とも
手に入れたい価値
ソフト
ウェア
サービス
附帯的価値
中核的価値を高める価値
体験価値
(UX)
を実装する
サービス ハードウェア
モノのビジネス コトのビジネス
魅力的なモノを作り
修理やサポートなどの
サービスで
ハードウェアの
機能や性能を維持する
魅力的なUXを実装し
乗り物や道具などの
ハードウェアで
サービスの
利用を実現する
データで利用状況の
フィードバックを得て
高速に改善を繰り返す
ビジネス価値の比較
ハードウェア
車両本体
ソフトウェア
制御系
サービス
保守・点検・修理
自動車メーカー
ハードウェア
車両本体
ソフトウェア
サービスの実装
制御系のスマート化
サービス
モビリティ・サービス
生活サービス など
保守・点検・修理の価値向上
ソフトウェアによって実装
汎用部品化
モジュラー化
機能・操作の
ソフトウェア化
サービス価値を高めて
ビジネスを差別化
モビリティ & X
サービス事業者
ビジネス・プロセスの
ソフトウェア化
高速
改善
欠陥
ゼロ
要求
品質
ビジネス価値のシフト
モノづくり:サプライヤー/部品メーカーへの依存拡大・水平分業化
先進運転支援システム/ADAS
Advanced driver-assistance systems
自動運転システム/ADS
Autonomous Driving System
自動運転システム/ADS
Autonomous Driving System
移動サービス/MaaS 等
移動サービス/MaaS 等
車両/ハードウェア
車両/ハードウェア
車両/ハードウェア
コトづくり:自動車メーカーの事業の重心がシフト・サービス事業者との競合拡大
データ
Data
差別化の対象 差別化の対象
差別化の対象
ソフトウェア
ソフトウェア
自動車/移動ビジネスの3つの戦略
SONY
Vision S
Concept
UX(体験)
機能(移動)
モノ
(所有)
サービス
(使用)
従来までの
自動車メーカー
サブスク
MaaS Mobility as a Service
?
自動車メーカーのUX実現支援
自動運転ソフトウェア
ビジネス・モデル
の転換
ビジネス・モデル
の拡張
ライドシェア
属性データと行動データ
性別・年代・結婚・職業・・・
 女性・20代・独身・事務職・手芸が好き・・・
属性に応じて最適化された
機能・性能・品質の提供
属性データ
属性(静的)データ ✖️ 商品(モノ)
商品力向上=調査✖️技術開発✖️製造技術
個
人
場所・時間・体験・感情・・・
 競技場・夏の夕方・サッカー観戦・勝利の喜び・・・
状況に応じて最適化された
感動・楽しさ・共感の提供
行動データ
行動(動的)データ ✖️ UX(体験)
共感
デジタル接点・取得頻度の
増加によって解像度が上昇
UX向上=多接点✖️高頻度✖️高速改善
状況
主義主張・人生観・価値観・悩み・生活圏・・・
データとモノ/コト・ビジネスの関係
属性データ 商 品 販売代金
属性に最適化された
商品の作り込み
魅力的な商品を作る
属性理解→商品設計→商品開発
行動データ UX サブスク
従量課金
状況に最適化された
UXのアップデート
魅力的な体験を作る
状況理解→UX設計→UX開発
体験を継続したいという想いへの対価
商品を手に入れることへの対価
行動データ 商 品 販売代金
うまくいかないビジネス
行動データを取得する意味がない 商品の機能や性能を
アップデートできなければ意味がない
アップデートのコストをまかなえない
タッチポイントの役割分担
ハイタッチ
ロータッチ
テックタッチ
感動・信頼・ファン
心地よさ・共感・感謝
便利・お得・楽ちん
1対多:オンライン・コンテンツ、メールなど
1対少:イベント、ワークショップなど
1対1:戸別訪問、個別相談など
デジタル接点
人・場所接点
人接点
行動データ
の把握
体験価値
の最大化
モノ・コト・体験
モノ
魅力的な機能・性能・品
質を実装したカタチある
商品
コト
適切なタイミングに便利
で必要十分なカタチなき
サービス
体験
楽しい、心地良い、使い
続けたいなどを感じさせ
る物語・ジャーニー
惣菜パン コンビニ 決済・ポイント
生命保険 ライフ・プランナー コミュニケーション
自動車 販売店・営業 移動サービス
メーカー サービス事業者 プラットフォーマー
メーカー主導で
魅力的なモノを作る
プラットフォーマー主導で
魅力的な体験を作る
属性(静的)データ
固定的な個人の理解
行動(動的)データ
状況に応じた個人の理解
体験を得る手段
としてのツール
ユーザーによる
モノの所有が前提
事業の主体
モノが主役
時代の事業
体験が主役
時代の事業
体験データを手に入れるためのプラットフォーム
モノ
魅力的な機能・性
能・品質を実装し
たカタチある商品
コト
適切なタイミング
に便利で必要十分
なサービス
体験
楽しい、心地良い、
使い続けたいなどを
感じさせる物語・
ジャーニー
 惣菜パン
 生命保険
 自動車 など
 コンビニ
 ライフランナー
 販売店・営業
など
 決済・ポイント
 コミュニケーション
 移動サービス など
モノとコトをつないだ
体験データを掌握
プラットフォーマー
体験とスーパーアプリ
スーパーアプリ:メッセージングやソーシャルメディア、決済、送金、タクシー配車、飛行機やホテ
ルの予約、Eコマースなど、スマホで一般的に行われるサービスがすべて詰まっている。何かをする度にい
くつもアプリを立ち上げる煩わしい手間が不要となり、ユーザーにとっての利便性は極めて高い。
SNS 配車
決済
送金
その他
アプリ
ビデオ
通話
SNS 配車
決済
送金
その他
サービス
ビデオ
通話
スマートフォン・モバイル端末 スマートフォン・モバイル端末
Apple iPhone,Google android端末
スーパーアプリ
Apple iPhone,Google android端末
Apple App Store,Google Play Store Apple App Store,Google Play Store
Facebook Uber PayPay Zoom 各ベンダー
WeChat,Alipay,Go-Jek,Grab,Paytmなど
Line & PayPay,Uber,Facebookなどが同様のポジションを狙う
スーパーアプリによるユーザー体験の一元的把握により、ユーザー毎のきめ細かな個別最適化され
たUXが提供できるようになり、圧倒的な競争力の確保につながる。
どのような人に、どのようなベネフィットを提供するのかを考え
まずはゴールと解決策を決める
データの種類と取得方法
生活データ
分析的で必要に対応
主義主張・人生観・悩み・
価値観・生活圏・・・
属性データ/行動データ
の蓄積と分析
行動データ
動的で変化し続ける
場所・時間・
体験・感情・・・
センサー、チャット、
SNSなど
属性データ
静的で固定的
性別・年代・
結婚・職業・・・
登録・アンケートなど
業務担当と分析担当で
ビジネス要件と課題を共有
ビジネスの要件と課題を
踏まえて仮説を設定
ほとんどのデータはゴミ
データ取得のためのプロセス設計
ステップ1:目的から仮説を導く
 事業目的を明確にする
 その目的を達成する上での事業課題を洗い出す
 事業課題を解消できるソリューション/事業の仮説を設定する
ステップ2:データ項目とモデルを設定する
 仮説の有効性を検証するために必要なデータ項目を決定する
 必要なデータ項目が取得できる状況や条件を洗い出す
 仮説を裏付けるプロセス・モデルを考える
ステップ3:データの取得とフィードバック
 必要なデータ項目を含むデータとその取得方法を考える
 ユースケースやペルソナを設定しデータ取得のストーリーを設計する
 ソリューション/事業を開発・実践しフィード・バックを手に入れる
評価・改善
データ活用の前提はData Virtuous Cycle を実装すること
プロダクトやサービスを
提供する
プロダクトやサービスを
使用する
データを
収集する
データから
学ぶ
プロダクトやサービスを
改善する
IoT・Mobile・Web
AI(機械学習)
クラウド+デバイス
データ
生活データ
行動データ
属性データ
これからのビジネスの方向
価値
モノ モノ
価値
価値
モノ
プロダクト
価値を買う
モノを手段として使う
モノを買う
価値が提供される
 デジタルテクノロジーを駆使
 継続的な顧客との関係を維持
 顧客の体験を進化させ続ける
 モノ自体の機能と性能を極め
 使いこなすための支援を継続
 顧客体験をモノに合せ最適化
価値=サービス体験に対価を払う モノ=機能や性能に対価を払う
新規事業の選択肢とモノのサービス化
70
価値
手段
既存事業
テクノロジーの進化
による代替手段の登場
価格破壊
利便性向上
参入障壁低下
価値を実現する手段を提供
価値
手段
新規事業
価値
手段
新規事業
価値
手段
新規事業
手段を変えず付加価値向上 手段を刷新しコスパを改善 価値を直接提供&価値向上
モノのサービス化
テクノロジーの進化が求めるモノのサービス化
71
データ収集
モニタリング
データ解析
原因解明・発見/洞察
計画の最適化
データ活用
業務処理・情報提供
機器制御
ヒト・モノ
クラウド・コンピューティング
日常生活・社会活動 環境変化・産業活動
現実世界/Physical World
サイバー世界/Cyber World
Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
センサー+デジタル化された
顧客接点・プロセス
ビッグデータと機械学習 クラウド・サービス
IoTビジネスとはどういうことか?
72
IoTビジネスはモノをつなげるのではなく物語をつなげる取り組み
73
胸が痛い!
心臓発作の模様!
緊急措置が必要!
心臓発作の患者が
搬送されます!
病歴や処方薬など
電子カルテで確認
症状は・・・
救急車出動要請!
直ちに急行せよ!
工事中で
通行止!
最短迂回ルート
はこちら
これより患者
を搬送します!
IoTのビジネス戦略
74
魅力的な
サービスやコンテンツ
優れたUI/UX
利用者の増大
利用範囲の拡大や利用頻度の増大
分析・解釈
ビッグデータの収集
戦術的最適化
パーソナライズ・レコメンドなど
戦略的最適化
ビジネス開発・システム開発など
IoTで変わるビジネス価値
75
連続型ビジネス
フェイズ分けされたビジネスから
連続的・継続的ビジネスへ
エコシステム型ビジネス
クローズド・ビジネスから
エコシステムを活かした顧客価値の創出へ
未来対応型ビジネス
現状に対応するビジネスから
未来を予見し事前に対処するビジネスへ
IoT
ビジネス
サービスとしてのモノ
76
コア・ビジネス
 既存ビジネス
 蓄積されたノウハウ
 確実な顧客ベース
付加価値ビジネス
 収益構造の多様化
 既存ノウハウの活用
 顧客ベースの囲い込み
新規ビジネス
 顧客価値の拡大
 ノウハウの創出
 顧客ベースの拡大
製造・販売
製造・販売 製造・販売
走行距離に応じた
従量課金サービス
Pay by Mile
出力×時間に応じた
従量課金サービス
Pay by Power
工事施工
自動化サービス
Smart Constriction
建設機械
遠隔確認サービス
KOMTRAX
安全・省エネ運転
コンサルティング
予防保守・交換
燃料費節約
コンサルティング
予防保守・交換
モノのサービス化
77
TOYOTA MaaS / e-Palette Concept KOMATSU SMART construction
土木工事における作業の自動化と高度化を実現す
ることに加え、前後工程も効率化して、工期の短
縮に貢献できるパッケージ化したサービス
移動、物流、物販など多目的に活用できるモビリ
ティサービス(MaaS)と、これを実現する専用
次世代電気自動車(EV)
モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段
サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
MaaS(Mobility as a Service)
78
電車 タクシー バス
レンタカー
自家用車
配車サービス カーシェア 自転車シェア
電車 タクシー バス
レンタカー
自家用車
配車サービス カーシェア 自転車シェア
MaaS
経路検索
支払
予約
配車手配
現 在 MaaS
あなたのポケットに全ての交通を
個人で所有・個別に手配
手段の提供:マイカーの所有や個別の手配・予約ではできない最適化された「移動体験」提供
価値の実現:マイカー利用を減らし環境負荷の低減や移動の利便性・効率化を実現
MaaS(Mobility as a Service)
79
電車 タクシー バス
レンタカー
自家用車
配車サービス カーシェア 自転車シェア
MaaS
経路検索
支払
予約
配車手配
MaaS
交通についての悪しき悪循環
 地方へ行くほどマイカーへの依存度が高くなる。
 自動車は移動手段としては便利だが、保有コストが高いわ
りには、稼働率は低い。
 大気汚染や渋滞による社会的ロス、交通事故の死亡者数は
世界全体では年間100万人を超えている。
 公共の交通機関の運営が、マイカー保有により危機に瀕し
ている。乗り合いバスの利用者は近年大きく減少しており、
赤字で路線廃止に陥るケースが続いている。
 公共交通路線の廃止により、移動手段がますますマイカー
に偏り、公共交通機関の運営をさらに苦しめている。
MaaSによって悪循環を解消
 公共交通が整備されると人々の流れが変わり、ガソリンや駐
車場代に向けられていた支出が、公共交通に回るようになる。
それによって地域全体が活性化する。
 渋滞や交通事故の発生が減少すれば、社会全体のロスも低下、
行動履歴をビッグデータとして把握できれば、道路や都市計
画に活用できる。
 高齢者や障害者などのハンディキャップを抱えた方々の移動
が容易になる。
 運転ができるかできないかで住む場所が限定されるという不
自由さがなくなる。
 マイカーに偏る今の社会が解消され、個人の暮らしは改善し、
街の中心部も活性化して地域が抱える問題の多くが緩和する。
公共交通も含めた交通手段の多様化により、
様々な社会的課題を解決できる可能性がある。
MaaSのレベル定義
80
スウェーデン・チャルマース大学の定義
社会全体目標の統合
Integration of social social
スマートシティーのような上位の政策目標に統合された移動
手段を実現するサービスを提供
提供するサービスの統合
Integration of the service offer
予約や決済に加えて、サービス独自の料金体系を持ち、異な
る移動手段をシームレスにつなぐサービスを提供
予約と支払いの統合
Integration of booking and payment
異なる移動手段をまとめて検索でき、予約や手配も行うこと
ができる統合サービスを提供
情報の統合
Integration of information
異なる交通手段の情報を統合して提供
統合ない
No integration
事業者個別に移動手段や附帯するサービスを提供
レベル
4
レベル
3
レベル
2
レベル
1
レベル
0
個別の交通事業者が提供する移動手段やカー
シェア、自転車シェアなどのサービス
Google Map、NAVI TIME、乗り換え案内
Citymapper、シアトルのTripGo、などによ
るルートや所要時間、料金の検索など
ダイムラーのMoovel、ロサンジェルスのGo
LAなど
フィンランドのWhim、スイスのGreen
Classなど
該当するサービスがない
MaaSに相当するサービス
MaaSエコシステムのフレームワーク
MaaS
プロバイダー
(MaaSオペレーター)
データ
プロバイダー
交通事業者
顧客
ユーザー
コア・ビジネス
クラウド
サービス会社
決済ソリューション企業
チケット発券ソリューション企業
経路検索
サービス企業
通信会社
保険会社
拡張企業体
ビジネス・エコシステム
政府・規制当局
投資家
調査研究機関 大学
メディア&
マーケティング会社
労働組合
The Business Ecosystem of Mobility-as-a-Service/2017
を参考に作成
クラウド
IoTがもたらす3つのイノベーション
82
ソフトウェア
ハードウェア
ソフトウェア
ハードウェア
ソフトウェア
買ったときの機能
=全機能
買ったときの機能
+買った後に追加される機能
=進化する機能
進化するモノ タイムマシン化するモノ
サービス サービス サービス
サービス
クラウド
過去 現在 未来
アナリティクス(統計/人工知能)
ビッグデータ
クラウドにつながることで
無限のリソースと
様々なサービスを
機器が手に入れる
ビッグデータを分析することで
過去から原因・理由を探る
現在の出来事を知る
未来を予測する
賢くなるモノ
Microsoft HoloLens 2
使用者自身の声で、複数の言語を話すアバター
IoTとAR/MR
デジタル・ツイン
(ビッグ・データ)
機械学習
シミュレーション
クラウド
IoT
ものごと・出来事
現実世界のデジタルコピー
機器制御
作業指示
情報提供
デジタル
フィジカル
AR (拡張現実/Augmented Reality)
MR (複合現実/Mixed Reality)
デジタルとフィジカルの
一体化された世界の実現
IoTの仕組みと使われ方
IoTの機能と役割の4段階
86
モニタリング
Monitoring
制御
Control
最適化
Optimization
自律化
Autonomy
センサーと外部データ ソフトウェア アナリティクス 人工知能(機械学習)
 製品の状態
 外部環境
 製品の稼働、利用状況
 製品機能の制御
 パーソナライズ
 製品機能・性能の向上
 予防診断
 サービス、修理
 製品の自動運転
 他製品やシステムとの自
動的連携
 自己診断と修理・修復
 製品の自動改良とパーソ
ナライズ
センサー、CPU、メモリーな
どの小型化・低コスト化
ソフトウェアやクラウドの進
化とネットワークの低コスト
化
モデリングやシミュレーショ
ンのアルゴリズムの進化と
ビッグデータ
人工知能アルゴリズムの進化
製品への組み込み
IoTの3層構造
87
クラウド クラウド
エッジ・サーバー
ゲートウェイ
センサー/モノ
センサー/モノ
通信料の削減
最低限のデータを送受信
セキュリティ確保
機密データをローカルに保持
低遅延
機器をリアルタイム制御
拠点内/地域内
遠隔通信
遠隔通信
データ活用
と機能連携
データ集約
と高速応答
データ収集
と遠隔送信
データ受信
と遠隔制御
通信料の増大
全データを送受信
セキュリティ困難
機密データを送受信
高遅延
機器を遠隔制御
ネットワーク負荷低減
スループット安定
ネットワーク負荷増大
スループット低下
デバイス層
エッジ・コンピューティング層
クラウド・コンピューティング層
機能階層のシフト
88
データの生成
状況判断・制御
モノの集合体
データの収集・集約
短期での分析
深い分析
サービス連携
データの蓄積
データの生成
状況判断・制御
モノの集合体
データの収集・集約
短期での分析
深い分析
サービス連携
データの蓄積
状況判断・制御
個別のモノ
クラウド
エッジ
モノ
 データ発生源に、できるだけ近いところで処理する
 「深い分析」の前に、リアルタイムで処理・分析する
 データの変化に追従して迅速にアクションを起こす
高度な機能をエッジやモノにシフト
IoTの三層構造
アナリティクス ソーシャル
ビックデータ
アプリケーション
OS
スイッチ
アプリケーション
OS
スイッチ
アプリケーション
OS
スイッチ
通信
セ
ン
サ
IF
クラウド・コンピューティング
エッジ・コンピューティング
フォグ・コンピューティング
デバイス
データ活用
と機能連携
データ集約
と高速応答
データ収集
と遠隔送信
・・・
処
理
データ受信
と遠隔制御
ハードウェアの統合
スイッチ、サーバー、スト
レージの一体化と機能連携
ハード・ソフトの
オープン化
ホワイト・ボックス、OSS版
ネットワークOSの普及
アプリケーションの
実行
サーバー用CPU、OSとスト
レージの実装
通信
セ
ン
サ
IF
処
理
通信
セ
ン
サ
IF
処
理
通信
セ
ン
サ
IF
処
理
通信
セ
ン
サ
IF
処
理
通信
セ
ン
サ
IF
処
理
IoTの三層構造
クラウド・コンピューティング
エッジ・コンピューティング
フォグ・コンピューティング
デバイス
データ活用
と機能連携
データ集約
と高速応答
データ収集
と遠隔送信
数百ms
数百ms
数ms
スマートフォン
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
デバイス数の増大
トラフィックの増大
エッジサーバー
エッジゲートウェイ
広域・広帯域通信
低消費電力・近接通信
IoTの三層構造
クラウド・コンピューティング
エッジ・コンピューティング
フォグ・コンピューティング
デバイス
人工知能
人工知能
人工知能
センサー
 長期・戦略的なデータ活用
 オープンなサービス間連係
 サービス監視・全体最適化
 データ集約による伝送効率向上
 データの価値密度を濃縮
 即時判断・高速応答への対応
データ活用
と機能連携
データ集約
と高速応答
データ収集
と遠隔送信
クラウド・コンピューティングとフォグ・コンピューティング
92
 設置場所は問わない
 距離は離れていてもいい
 ネットワーク遅延時間を許容
 消費電力は問題にならない
 多様なサービスを組み合わせて使用
 リアルタイム処理性能は求められない
 大量データを使った解析やシステム全体の制御
 様々なサービスの組合せやSNSによる連携させ
 設置場所は制約される
 距離は近くなければならない
 ネットワーク遅延時間は短い
 僅かな消費電力
 特定の機器に特化し数も多い
 リアルタイム処理性能が求められる
 ネットワーク環境が悪いことを想定する
 一部の機器の故障や盗難しても全体として機能する
データ活用
と機能連携
データ集約
と高速応答
クラウド・コンピューティング
フォグ・コンピューティング
ネットワーク
デバイス
超分散の時代
93
インターネット
専用ネットワーク
インターネット
専用ネットワーク
専用ネットワーク
テキスト テキスト+ 画像 マルチメディア(テキスト×画像×動画) マルチメディア + センサー
全てのデータ保管・処理は集中
大規模なデータ保管・処理は集中
小規模なデータ保管・処理は分散
大規模なデータ保管・処理は集中
小規模なデータ保管・処理は分散
大規模なデータ保管・処理は集中
小規模なデータ保管・処理は分散
高速な処理・応答・制御は超分散
集中コンピューティング 分散コンピューティング クラウド・コンピューティング 超分散コンピューティング
通信経路上の
エッジサーバー
分散サーバー 分散サーバー ローカル
エッジサーバー
1960年代〜 1980年代〜 2000年代〜 2015年〜
組み込みコンピューター
IoTのビジネス・レイヤ(1)
94
Log 機器データ
ワークフロー 自動化・制御
スマートフォン
自動車 ウェアラブル 家電
スマートメーター
物流
農業 交通 エネルギー
製造
教育
医療 住宅 ・・・
行政
アプリケーション
デバイス
3G
Wired 4G/LTE WiFi
Bluetooth
アナリティクス
機械学習
263
Kw
○×電力
データ蓄積 データ検索 認証
セキュリティ
プラットフォーム
クラウド事業者・通信キャリアは、インフラやネットワークだけでは付加価値を出しにくい。
プラットフォームに隠蔽して「IoTプラットフォーム・サービス」としての展開を図ろうとしている。
ネットワーク
IoTのビジネス・レイヤ(2)
95
ビッグデータ
産業
生活 研究
社会基盤
スマートフォン
自動車 ウェアラブル 家電
スマートメーター
263
Kw
○×電力
データ
サービス
デバイス 個々のデバイスの
目的に応じた
データ収集と制御
個々の区分に応じた
アプリケーション提供と
データの分析
データ蓄積と連携による
新たな活用と
ビジネスの創出
IoT World Forumのリファレンス・モデル
96
物理的なデバイスとコントロー
Physical Devices &controllers
モノと設備・モノの周辺に配置される制御機器類
接続
Connectivity
ネットワークや機器との通信
エッジコンピューティング
Edge Computing
モノの周辺でのデータ分析や変換処理
データ抽象化
Data Abstraction
データ集約とアクセス
アプリケーション
Application
データ活用(業務処理・分析・レポート)
協働とプロセス
Corroboration & Processes
人と業務プロセス
データの蓄積
Data Accumulation
データの蓄積と管理
IoTそれ自体は目的ではない
97
SAPジャパンの資料から
IoTへの取り組みを成功させる3つの要件
98
若者・未経験者を
即戦力化したい
減り続ける人材(人口)
に対処し
事業を維持・継続したい
ビジネス環境の
急激な変化に即応したい
個人化
切迫する課題に
ごまかすことなく
真摯に向き合う態度
「過去の常識や方法論にこだわらない」
「テクノロジーがもたらす新しい常識」
から現実や課題を捉え直す態度
仕組化
人間前提
機械前提
リスク回避
試行錯誤
ノウハウを個人に埋没
させず、最適化された
仕組みを標準化し、共
有する
人間が行うことを前提
として作られた仕組み
を、機械(ロボットや
人工知能)を前提とし
た仕組みに作り直す
見通せない未来を保証
させるのではなく、自
らが未来を創り出して
ゆく発見的取り組みを
継続する
課題 取り組み 結果
体験→経験→ノウハウ
データ化→見える化→最適化
人間が行うことを前提とした最適化
機械が行うことを前提とした最適化
実績を求め、数字を保証させる
まずはやってみる、直ちに修正する
(リーン&アジャイルなアプローチ)
ファシリティ
工作機械・センサー・
建屋・電源・地域など
ヒューマン
スキル・意欲・文化・
組織・戦略・経営など
デジタル
データ・機械学習・自動化
シミュレーション・アプリなど
IoT実践の3つの課題
データ量・種類
管理能力
適用範囲など
企画や設計
監理や運用
戦略や業務
理解や知識
テクノロジー進化
開発や運用
LPWA
Low Power, Wide Area
LPWA(Low Power Wide Area)ネットワークとは
101
低 速
最大数十キロbps
低消費電力
規定の電池容量で数ヶ月から数年使用可
広域通信
基地局から数キロから数十キロをカバー
低コスト
@10円/月程度からの使用料
利点 制約
LPWA(Low Power Wide Area)ネットワークの位置付け
102
http://itpro.nikkeibp.co.jp/atcl/column/16/071500148/072000003/
到
達
範
囲
1m 100m 10km
LPWA
BLE
(Bluetooth Low Energy)
ZigBee
無線LAN(WiFi)
消費電力
GSM
3G
4G/LTE
低
高
通信キャリアが参入を急ぐ
NB-IoT (LTE帯域を使用)
各種規格が群雄割拠
LPWA(Low Power Wide Area)ネットワークの位置付け
103
0.01 1 10 100 Mbps
km以上
100m
1m
10m
LPWA
SIGFOX
LoRaWAN
NB-IoT
無線LAN(Wi-Fi)
Bluetooth
Wi-SUN
ZigBee
Z-Wave
NFC
4G/LTE
高消費電力
低消費電力
データ転送速度
通信距離
http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx
IoT通信:LPWAと他の通信方式の比較
104
現行のLTE方式
LPWAネットワークの位置付け
SIGFOX
 上り:100bps
 下り:600bps
 料金:100円〜/年
LoRaWAN
 上り:3kbps
 下り:3kbps
 料金:360円〜/年
NB-IoT
 上り:27kbps
 下り:63kbps
 料金:10〜300円/月
通
信
料
金
回線速度
http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx
*利用する月間データ量による
LPWA主要3方式の比較
920MHz帯
125kHz
キャリア事業者
の通信網
LTEと同帯域
200kHz
920MHz帯
100Hz
オープン仕様
免許不要
携帯電話
国際標準
免許要
仏SIGFOX社
独自仕様
免許不要
0.3〜50kbps
0.3〜50kbps
27kbps
63kbps
100bps
600bps
数km
〜数十km
最大40km
最大数十km
周波数帯
周波数幅
仕 様
免 許
通信速度(上)
通信速度(下)
通信距離
(半径)
LoRaWAN
NB-IoT
(LTE Cat-NB1)
SIGFOX
ゲートウェイ
基地局
基地局
ネットワークサーバー
クラウド・サービス
アプリ・サーバー
アプリ・サーバー
アプリ・サーバー
モノ/デバイス
モノ/デバイス
モノ/デバイス
3G :下り最大14.4Mbps /上り最大5.76Mbps
LTE :下り最大 150Mbps /上り最大 50Mbps
ソフトバンクのIoT通信サービス
107
規格名 特徴 技術仕様 周波数
最大通信速度
用途
(下り/上り)
NB-IoT 低価格化・省電力化に特化し、LTEと共存可能
3GPP
LTEバンド
27kbps/63kbps
スマートメーター
やパーキングメー
ターなど
Release 13
Cat. M1
LTEの一部の周波数帯域のみを利用して通信モジュール
の低価格化・省電力化を実現。音声通話にも対応
0.8Mbps/1Mbps
エレベーターや運
送管理など
1. ソフトバンクのIoTプラットフォームと併用する場合(1回線当たり)
プランA プランB プランC プランD
月額通信料 10円 20円 50円 200円
月間データ量 10KBまで 100KBまで 600KBまで 2MBまで
超過データ通信料 0.6円/KB 0.4円/KB 0.3円/KB 0.2円/KB
2. ソフトバンクの通信ネットワークのみを利用する場合(1回線当たり)
単体プランA 単体プランB 単体プランC 単体プランD
月額通信料 100円 150円 200円 300円
月間データ量 10KBまで 100KBまで 600KBまで 2MBまで
超過データ通信料 1円/KB 0.5円/KB 0.4円/KB 0.3円/KB
Wi-SUN
108
 Wireless Smart Utility Networkの略で、「Smart Utility Network」とは、ガスや電気、水
道のメーターに端末機を搭載し無線通信を使って、効率的に検針データを収集する無線通信シ
ステム
 サブギガヘルツ帯と呼ばれる900MHz前後の周波数帯の電波で通信。日本では2012年、
920MHz帯が免許不要で利用できる帯域として割り当てられている。
 無線LANなどで利用される2.4GHz帯と比べ、障害物などがあっても電波が届きやすく、他の
機器などからの干渉も少ない周波数帯。
LPWA(Low Power Wide Area)ネットワーク 通信規格一覧
109
http://itpro.nikkeibp.co.jp/atcl/column/16/071500148/072000003/
IoTセキュリティ
IoTセキュリティの特徴
111
http://itpro.nikkeibp.co.jp/atcl/column/15/112700271/112700001/?ST=iot&P=3
IoTセキュリティ
112
大項目 中項目 指針 主な要点
IoTセキュリティ
対策の5つの指針
方針 指針1
IoTの性質を考慮した
基本方針を定める
■経営者がIoTセキュリティにコミットする
■部門性やミスに備える
分析 指針2 IoTのリスクを認識する ■守るべきものを特定する、つながることによるリスクを想定する
設計 指針3
守るべきものを守る
設計を考える
■つながる相手に迷惑をかけない設計をする
■不特定の相手とつながれても安全安心を確保する設計にする
■安全安心を実現する設計の評価・検証を行う
構築・接続 指針4
ネットワーク上での
対策を考える
■機能及び用途に応じて適切にネットワークを接続する
■初期設定に留意する
■認証機能を導入する
運用・保守 指針5
安全安心な状態を維持し
情報発信・共有を行う
■出荷、リリース後も安全安心な状態を維持する
■出荷、リリース後もIoTリスクを把握し、関係者に守ってもらいたいことを伝える
■IoTシステム、サービスにおける関係者の役割を認識する
■脆弱な機器を把握し、適切に注意喚起を行う
一般利用者のためのルール
■問い合わせ窓口やサポートがない機器やサービスの購入、利用を控える
■初期設定に気をつける
■使用しなくなった機器については電源を切る
■機器を手放すときはデータを消す
出典:IoT推進コンソーシアム「IoTセキュリティーガイドラインバージョン1.0」
IoTにおけるセキュリティの留意点
113
❖ デバイス層
 デバイス自体が侵害されるケースをどう防ぐか
 「閉じた世界」という誤解は排除しなくてはいけない(現代において閉じたIT
はありえない)
 デバイスは利用者にとっては、たんなる「モノ」であることを意識する必要があ
る(利用者に要求できることはほとんどない)
❖ サービス層
 攻撃者にとっては、個々のデバイスを狙うより、サービスを狙う方が遙かに効率
がいい(攻撃が成功すれば多数のデバイスの制御やその情報を手中に収められ
る)
 サービスが止まると、モノは単にモノでしかなくなる(モノですらなくなるかも
しれない)
 標的となりうる可能性を真剣に検討する必要がある(長期間にわたり、高度かつ
執拗な攻撃を受ける可能性が高い)
 データの利活用を考えれば、様々な他のサービスとの連携や相互接続が必要にな
り、セキュリティ上でもサプライチェインの複雑化が懸念される(ここでも「閉
じた世界」はありえない)
出典 https://www.altairsecurity.com/documents/Internet-of-Things.pdf
The OWASP Internet of Things Top 10
114
1.安全でないウェブインターフェース
アカウントリストの漏洩、ロックアウト機構の欠如、ユーザのクレデンシャル
情報が弱い場合、ウェブインターフェースは安全とは言えません。特に、内部
ネットワークのユーザのみが使用すると考えられているウェブインターフェー
スの多くは安全性が低くなっています。 しかし、内部ユーザからの脅威は外部
ユーザからの脅威に相当する危険性があります。ウェブインターフェースの問
題は、XSSなどの脆弱性を特定できる自動テストツールを活用しながら手作業
で確かめていくことで容易に見つけることができます。
2.欠陥のある認証・認可機構
パスワードが脆弱で、しかもその保護が不十分である場合、認証・認可機構に
欠陥が生じます。内部ネットワークのユーザのみが使用し、外部ネットワーク
のユーザからはアクセスされないことを前提としている場合、ほとんどのイン
ターフェースにこのような欠陥が見られます。認証・認可機構の問題の多くは、
自動テストツールでも、手作業でも容易に見つけることができます。
3.安全でないネットワークサービス
安全でないネットワークサービスは、バッファオーバーフロー攻撃や、ユーザ
がデバイスを使えなくするサービス妨害(DoS)攻撃の影響を受けやすくなりま
す。また、他ユーザに対するDoS攻撃では、安全でないネットワークサービス
を悪用されることがあります。ポートスキャンやファジングツールで検知する
ことで、安全性を確認できます。
4.通信路の暗号化の欠如
通信の暗号化を行わないと、LANやインターネットで通信されるデータを誰か
らでも見られるようになります。LANのトラフィックは内部の限られた人にし
か見られないため通信路の暗号化が不要だと考える人もいるでしょうが、ワイ
ヤレスネットワークでは、設定の不備があれば誰にでもトラフィックを見られ
るようになります。この問題の多くは、ネットワークトラフィック上で、実際
に読めるデータを調べることで容易に見つけることができます。また自動化
ツールでSSLやTLSのような常識的な暗号化通信が適切に実装されているかを
調べることができます。
5.プライバシー
プライバシーの問題は、収集した個人情報の保護が適切でない場合に発生しま
す。デバイスのセットアップ時にユーザから収集するデータを分析することで、
プライバシーの問題を検知できます。また、自動化ツールでパターンを特定し
て検索することで、個人情報や機微情報の収集状況を確認できます。
6.安全でないクラウドインターフェース
ユーザの認証情報やアカウントリストを推測しやすい場合、クラウドインター
フェースは安全とはいえません。クラウドインターフェースへの接続内容をレ
ビューし、その通信がSSL接続を用いているかどうか、さらにパスワードリ
セット機構がアカウントの有効性を見せて結果的にアカウントのリスト化につ
ながってしまうものとなっていないかなどを確認することにより、安全性を確
認することができます。
7.弱いモバイルインターフェース
推測しやすいユーザ認証情報やアカウントリストを取得可能である場合、モバ
イルインターフェースは安全とはいえません。ワイヤレスネットワークへの接
続やSSL接続の有無、パスワードリセット機構がアカウントリスト作成につな
がるかどうかなどを確認することでモバイルインターフェースの安全性を確認
できます。
8.セキュリティ設定の不備
セキュリティ設定の不備は、ユーザにデバイスのセキュリティ設定に
ついてのスキルがないか、不足している場合に生じます。
また、ウェブインターフェースの設定画面で、緻密なアクセス権限の
設定ができない場合、たとえば強力なパスワードの使用を必須に
することができない場合などにも生じます。手動で設定画面を
レビューし、これらのオプションの存在を調べることで確認できます。
9.ソフトウェア・ファームウェアの問題
更新できないデバイスは、それ自体がセキュリティ欠陥です。デバイスに脆弱
性が発見されたら、そのデバイスは更新できなければなりません。また、肝心
のソフトウェアやファームウェアのアップデートの配信において、ネットワー
ク接続が保護されていない場合も安全とは言えません。また、ソフトウェアや
ファームウェアに認証情報など機微情報がハードコーディングされている場合
も安全ではありません。この問題を発見するには、アップデート時のトラッ
フィックをチェックしたり、バイナリエディタなどを使いアップデートファイ
ルそのものに関心を誘う情報が含まれていないかを分析します。
10.物理的な問題
攻撃者がデバイスを取り外すことで、記録媒体や、そこに保存されているデー
タにアクセスできる場合、物理的な脆弱性が存在すると言えます。また、USB
など外部ポートが設定やメンテナンス用の機能としてアクセスできる場合にも、
物理的なセキュリティの問題になります。
https://www.owasp.org/index.php/OWASP_Internet_of_Things_Top_Ten_Project
ビッグデータの仕組みと使われ
方
データが増大し
ビッグデータになった
ビッグデータへの
関心が高まった
ビッグーデータを
扱えるようになった
いまなぜ、ビックデータなのか
Variety
種類
Velocity
加速度
Volume
量
Big Data
ビッグデータ
ストレージ : 容量増加 X 価格低下
プロセッサー: 処理能力上昇 X 価格低下
ソフトウェア: Hadoop,NoSQL etc
メイン
フレーム
クライアント
サーバー
 ダウンサイジング
 PCの普及
Internet
1960年代〜 1980年代〜 2010年代〜
IoT
モバイル
ソーシャル
クラウド
1990年代〜
急激なデータの増大
150EB 150EB
178EB
150EB
178EB
2009 2010 2012
1350EB
2020
2013〜
35ZB
約20倍
情報爆発
infoProsion
これまでとは桁が違う量のデータ
ビッグデータ
扱うデータサイズが100TB(テラバイト)以上、
またはストリーミングデータを利用していること、
または年率60%以上の成長率で生成されるデータ
http://www.idcjapan.co.jp/Press/Current/20140123Apr.html
なぜ、いまビッグデータなのか
頻度
量
業務処理
分析処理
ビッグ
データ
データが増大し
ビッグデータになった
モバイル
ソーシャル
クラウド
利用技術の進化
大規模処理アルゴリズム、人工知能、
小型センサ・プロセッサ、近接通信など
新たなニーズや適用領域
を生みだした
IoTの実際
Google Mapsの渋滞表示
スマホのGoogle Mapアプリから匿名で
送信される位置情報・速度データを基
に渋滞状況を計算し、表示
車センサーやカメラなどの設備投資が
不要
ネットワーク接続が前提で台数の多い
スマホをセンサーとして利用
都市部では精度が上がるが、車が少な
い地方部では精度が落ちる
IoTのビジネス事例
121
オーストリアの衛生用品メーカー「Hagleitner」社の事例
(プレゼンテーション・モードで画像をクリックすると動画が再生されます)
稼働状況のモニタリング
メンテナンス時期の通知
盗難防止
車両位置の特定 ドローンによる測量
自動運転・自動工事
コマツの取り組み事例
↑クリックすると動画が再生されます。
↑クリックすると動画が再生されます。
The Internet of Things by IBM
123
https://www.youtube.com/watch?v=L1unGW2Ae1M
↑クリックすると動画が再生されます。
What is IoT ? by Intel
124
https://www.youtube.com/watch?v=Q3ur8wzzhBU
↑クリックすると動画が再生されます。
Predix IoT pratform by GE
125
https://www.youtube.com/watch?v=Sg3WhdY0Jb0
↑クリックすると動画が再生されます。
IoTのエコシステム(自動販売機に関連して)
126
データ蓄積
データ分析
データ活用
データ収集
 販売時間
 販売商品
 機器・稼働状況
 購買者(カメラ画像)
 通行量(人感センサ)
 気温・湿度(気象センサ)
 地域・時間・曜日別の販売傾
向や収益状況
 稼働状況と故障傾向
 商品開発
 マーケティング
 生産計画
 気象会社へのデータ販売
 地域企業へのマーケット分析
サービス
 詳細な販売傾向や収益状況
 詳細な個稼働状況と故障傾向
 レコメンデーション処理
 商品開発
 マーケティング
 生産計画
購入者に応じた
商品レコメンデーション
気象状況や利用状況に応じた
機器の制御
保守点検作業
商品の補充
商品の入れ替え
自動販売機
従来型までの対応
IoTの可能性
IoTのエコシステム(ビル設備に関連して)
127
空調設備
(センサー・稼働データ)
モニタリング
システム
監視
分析 最適化
制御
ソフト
製品開発
設備設計
サポート
ビル管理
サービス
コンサルティング
サービス
気象・環境データ
アプリケーション
部材・機材データ
アプリケーション
照明
設備
ボイラー
エレベー
ター
 設備機器の制御
 ソフトウェア更新による性能・機能改善
 他設備機器との協調・連携
 予防保守
 サプライパーツ提供
 事前情報を得た保守点検
モバイル・ネットワーク
インターネット
ビッグデータ
BIM
CRMシステムとトータル・エンジニアリングサービス
128
CRMシステム
BIMシステム
空調設備
内蔵センサー・稼働データ
モニタリング
制
御
ソ
フ
ト
機械学習
故障検知
予防診断
最適化制御
センサー
温度・湿度等
 設備機器の制御
 ソフトウェア更新による機能改善
 他設備機器との協調・連携
 設備更新時期の的確な把握
 データに基づくサービス提案
 データに基づく新規設備提案
 技術・設備開発
 サービス開発
 ソリューション開発
サービス員点検報告
警備・清掃員報告
 予防保守
 サプライパーツ提供
 事前情報を得た保守点検
 コンサルティング
 サポートサービス
 適切コスト管理
基幹業務システム
物件管理・会計管理・販売管理・調達管理など
顧客ごとの取引履歴や属性を管理し、顧客にあわせた最適な商品やサービスを告知、提案し、
顧客との信頼関係を維持しつつ、売上を拡大するためのシステム
顧客物件
インターネット
設備制御
アナリティクス
(機械学習)
Cyber-Physical Systems:建物・設備
129
IoTデータ
BIMデータ
Building Information Modeling
形状、属性、コスト、検査・・・
建物・設備情報管理
構造設計
設備設計
設備更新
メンテナンス
意匠設計
原価計算
建築シミュレーション
照明設備 空調設備 エレベーター
センサ
制御
装置
センサ
制御
装置
センサ
制御
装置
管理者
建物・設備管理システム
建築ロボット制御
資材調達
工程管理
企 画
BMI(Building Information Modeling)
130
BIMデータ
形状、属性、コスト、検査等
建物・設備情報管理
構造設計
設備設計
設備更新
メンテナンス
意匠設計
原価計算
企 画
Autodesk社の
BMI紹介動画
(クリックすると再生されます)
2D
図面 3D
モデル
施工
図面
保守
図面
手順
CG
パース
建築シミュレーション
建築ロボット制御
資材調達
工程管理
人による作業と管理
従来のやり方
建設業での事例
131
竹中工務店とマイクロソフトの事例
IBMの取り組み
クリックすれば
動画が再生
されます
社会全体がCPSによって変革される「データ駆動型社会」
132
産業構造審議会商務流通情報分科会 情報経済小委員会 中間取りまとめ ~CPSによるデータ駆動型社会の到来を見据えた変革~
データ駆動型社会の課題と可能性
133
産業構造審議会商務流通情報分科会 情報経済小委員会 中間取りまとめ ~CPSによるデータ駆動型社会の到来を見据えた変革~
データ駆動型社会の分野別の取り組み
134
産業構造審議会商務流通情報分科会 情報経済小委員会 中間取りまとめ ~CPSによるデータ駆動型社会の到来を見据えた変革~
専用機械
コンテンツ・ビジネスの覇権
135
言葉の解説
デジタル・データ
アプリ
ソフトウエア
専用機械
言葉の解説
デジタル・データ
汎用機械
スマートフォン
物流 物流
コンテンツ・デリバーリー・
プラットフォーム
アプリ
ソフトウェア
言葉の解説
デジタル・データ
ID
言葉の解説
印刷物
(書籍)
ID
携帯電話通信網 LPWA通信網
インターネット インターネット
コンテンツ
メディア
デリバリー
ビジネスの
覇権を握るレイヤ
IoTデバイスとしての自動車
136
ガソリン自動車と電気自動車
137
部品点数 3万点(エンジン 8000点) 部品点数 1〜2万点(モーター 30〜40点)
機能・性能 ハード>ソフト 機能・性能 ハード<ソフト
専用設計・製造が必要
ハードウェアのコモディティ化は困難
汎用部品の適用範囲が広い
ハードウェアのコモディティ化は比較的容易
競争力の源泉 ハードの開発や製造に必要な
ノウハウの蓄積や資金力/規模
競争力の源泉 ソフトウエアの開発力
(車載OSの覇権・Google vs Apple vs Tesla)
供給力とノウハウの
垂直統合(系列)による囲い込み
供給力とノウハウの
水平分業によるオープン・エコシステム
ガソリン自動車 電気自動車
異業種・ベンチャーの参入障壁は高い
トヨタ、日産、ホンダなどの自動車メーカー
異業種・ベンチャーの参入障壁は低い
Google、Apple、Teslaなどの異業種企業
自動車産業に押し寄せるCASE
Share
共有
Autonomous
自律化
Electric
電動化
タクシーやレンタカー
が不要になる
自動車が売れなくなり
売上が低下する
バスや鉄道などの
役割が変わる
自動車が低価格化し
収益確保が難しくなる
自動車損害保険
が不要になる
不動産ビジネスが
影響を受ける
物流コストが
大幅に下がる
ガソリンスタンド
が不要になる
渋滞が解消し
環境負荷が低減する
ドライブインやモーテル
が不要になる
Connected
つながる
CASEShare
Autonomous
Electric
Connected
インダストリー4.0
インダストリー4.0がやろうとしていること
140
 標準化
 複雑なシステムの管理
 通信インフラの高度化
 安全と情報セキュリティ
 労働組織とワークライフバランス
 人材育成、専門能力の開発
 規制の枠組
 エネルギー効率
 通信規格の国際標準化
 サプライチェーンや顧客との間でリアルタイムにデータを共有・分析
 設備稼働率平準化、多品種変量生産、 異常の早期発見、需要予測などが可能に
ドイツの2つの狙い
 国内製造業の輸出競争力強化
 ドイツ生産技術で世界の工場を席巻
 インダストリー4.0仕様の生産システムがコスト競争上優位となり、我が国企業の海外生産
における競争力劣位が発生するおそれあり。
 インダストリー4.0仕様の標準化が進むと、我が国のFA関連機器が海外市場において参入
できなくなるおそれあり。
コレ1枚で分かるインダストリー4.0
141
インダストリー4.0
Industry 4.0
自ら考える工場
製造コストの極小化
個別仕様オーダーでも
量産品と同じコストで対応
カスタマイズ対応
お客様毎に異なる
個別仕様のオーダーに対応
短納期対応
個別仕様オーダーでも
短納期で対応
IoT
Internet of Things
工場内外の設備、機器、
部材からの情報を収集
IoP
Internet of People
工場や関係事業所で働
く人々の情報を収集
IoS
Internet of Service
ECサイト、店舗、
サポート拠点な
どからのサービ
ス情報を収集
Cyber-Physical Systems
他工場 他工場
他工場 他工場
Internet
人工知能
ロボット
産業革命の区分
142
電力
蒸気機関
人力・自然力
大量生産
注文生産
多品種化
マス・カスタマイゼーション
パーソナル・ファブリケーション
機械生産
手作り
コンピューターによる自動化
標準化・規格化
個別仕様
個別仕様
コンピューターによる自律制御
工場・機器・人間の自律連携
産業革命以前
第1次産業革命 第2次産業革命 第4次産業革命
第3次産業革命
 水力
 馬力
 蒸気機関
 鉄道
 化学産業
 科学的管理
 コンピューター
 インターネット
 IoT/ビッグデータ
 人工知能/クラウド
第1次産業革命 第2次産業革命 第3次産業革命
米国での理解
ドイツでの理解
産業革命以前
18世紀中〜 20世紀初〜 2010年代〜
1970年代〜
デジタル・ファブリケーション時代
 農業社会から工業社会への転換
 労働力の田園地帯から都市部への移動
 資本家や企業の台頭と労働者との役割分離
内燃機関
インダストリー4.0(第4次産業革命)とIoT
143
第1次産業革命
Industry 1.0
第2次産業革命
Industry 2.0
第3次産業革命
Industry 3.0
第4次産業革命
Industry 4.0
機械化 効率化 自動化 最適化
水力・蒸気機関
手仕事から機械を利用
電力・科学的管理
統計的手法と電気による制御
コンピュータ
労働力を機械に置き換え
デジタル
生産性を維持し個別最適
製造業 製造業 製造業
製造業
+
非製造業
18世紀後半 20世紀前半 1970年代以降 2015年代以降
科学的管理
ERP
情報の一元管理と連係
前工程 生産 後工程
デジタル
社内外を含めたデジタル連係
自
動
化
自
動
化
自
動
化
自
動
化
自
動
化
第2.5次産業革命
Industry 2.5
ドイツでインダストリー4.0の取り組みが始まった背景
144
経緯:
 少子高齢化による労働人口減少や原発の停止等に起因する国内立地環境の悪化
 ドイツ国内でGDPの約25%・輸出額の約60%を占める製造業の存在感が低下
 EU全域でアジアへの製造業流出の懸念
2011年11月、独政府は“High-Tech Strategy 2020 Action Plan” のプロジェク
トの1つとして、 独製造業の競争力強化のための構想であるIndustry4.0を提示
連邦教育研究省(BMBF)、連邦経済エネルギー省(BMWi)が所管
実施主体:
ドイツ機械工業連盟(VDMA)、ドイツ情報技術・通信・ニューメディア産業連
合会(BITKOM)、ドイツ電気電子工業連盟(ZVEI)を事務局とする、産学連携
プラットフォーム
第4次産業革命(インダストリー4.0)とIoT
145
Recommendations for implementing the strategic initiative INDUSTRIE 4.0
【第1次:機械化】 【第2次:電力活用】 【第3次:自動化】 【第4次:自律連携】
Cyber-Physical System
 蒸気機関
 大量生産
 移動手段の革新
 電力
 科学的管理
 化学産業の発展
 コンピュータ
 自動制御
 大量生産と品質安定
 IoT/M2M
 自律制御
 つながる工場
インダストリー4.0を支える繋がり
146
Recommendations for implementing the strategic initiative INDUSTRIE 4.0
従来の工場とインダストリー4.0がめざす工場の違い
147
 決められた工程に従って進められるライン生産方式が主流。
 混流生産もあるが、多くの製造機械によるラインを組まないと
いけないので、製品の仕様を多様化することは簡単ではない。
 製造実行システムは、本来は生産ラインに柔軟性をもたらすは
ずだが、生産ラインを構成するハードウェアの制約によって活
用できる機能が限定的。
 生産ラインで働く人々も個々の現場で全体像が把握できず、定
められた役割を果たすための作業を行う。
 結果としてリアルタイムで顧客ごとの個別の要望に応えること
は難しく、要望があったとしても、生産現場で動的に実現するこ
とは困難。
 製品個々の仕様ごとに工程の組み替えがダイナミックに行わ
れる(ダイナミックセル・システム)。
 顧客、機械、設備、部材、製品、作業者の情報が全て収集連
携され、製品毎に個別最適化された工程を自動的に作る。
 生産工程は、コンピューター上で構築・検証され、それに合わ
せた実際の工程が実行される(Cyber-Physical System)。
 結果としてリアルタイムで顧客ごとの個別の要望に応えること
ができ、要望があれば、生産現場で動的に実現する。
http://blog.livedoor.jp/ail01u9j10taw/archives/4075532.html
インターストリー4.0を支えるCPS
148
Cyber-Physical Systems
149
製造業とそれに関連する産業
製造業に限らず広範な産業
Industrial Internet と Industry4.0
Industrial Internet Industry 4.0
アメリカとドイツの取り組みの違い
150
Industrial Internet と Industry4.0おける標準化の取り組み
151
IIRA
IIC Reference Architecture
RAMI4.0
Reference Architecture Model Industrie 4.0
デジュール寄り
国際標準化組織による標準
デファクト寄り
市場の要請などによる事実上の標準
マッピングの比較・分析リーダー by 日本
インダストリー・インターネットのモデルベース開発
152
 自動車の高機能化(電子制御、安全運転支援システム、快適性、ネットワーク化)、パワートレイン
方式の多様化等により、設計開発業務は複雑化。一方で、製品の開発サイクルは短縮化。
 こうした状況に対応するため、モデルベース開発(モデル化、シミュレーションを活用し開発を進め
る手法)がエンジン開発を中心に進展。
 開発環境の変化に対応できない中小サプライヤーが、欧州メガサプライヤー等に淘汰される可能性も
存在。
 航空機分野は、安全性要求の高さ等から自動車に比べモデルベース開発が先行。重工各社は、モデル
ベース開発を踏まえたエンジン部品開発を、エンジンメーカー(GE、P&W、R&R)に提案し付加価値
を獲得。
日本産業システムが抱える課題
153
 製造プロセスのデータ収集・活用によるカイゼン活動(暗黙知の形式知化、不可視知の可視知化)に
は多くの日本企業が取り組んでいるが、カイゼン以上の付加価値提供にまでは至っていない。
 他方GEは、データ解析ツールの外販により、様々な分野で他社製の機器も含めたデータプラット
フォーマーとなる動き。
 今後、付加価値獲得競争が激化する中でビジネスモデルの構築が課題。
 ITを活用した生産自動化により、工場内の生産性向上の分野では世界をリード。必要に応じて、混流
生産(一つのラインで複数の製品を生産)も実施。
→ 大量生産を念頭に置いたもので、機械どうしを繋ぎ自律的に生産ラインを変えて 変種変量生産を実現する動きには至っていない。
 我が国にも、製造物や生産ラインに取り付けたセンサーからデータを取得し、製品の保守や生産ライ
ン効率化に活用する先進的な動きがある。
→ 自社で閉じたシステムで、GEのように競合他社へのシステム提供を通じ付加価値 を獲得しようとする動きにまで至っていない。
 製造業のデジタル化による「つながり(Connectivity)」(工場内の機械や製品などのモ
ノのデジ タルなつながり)が、消費者の多様な需要に対応した変種変量生産ラインの構
築に不可欠。
→ デジタルものづくりのプラットフォームとなるツールやそれを工場内に導入するSIer不足
 データの蓄積・解析による付加価値づけが、競争力の源泉へ。
→ データ蓄積のためのプラットフォーム作りを率先して行うことが必要。
→ データの解析を通じた予測モデル等の付加価値づけにむけた人材が不足。
 国際標準化、サイバーセキュリティへの対応。
→ IEC(国際電気標準会議)で始まっている国際標準化活動に積極的に参画することが必要。
211001_LiBRA_IoT
211001_LiBRA_IoT

More Related Content

What's hot

LiBRA 04.2021 / DevOps
LiBRA 04.2021 / DevOpsLiBRA 04.2021 / DevOps
LiBRA 04.2021 / DevOpsMasanori Saito
 
LiBRA 04.2021 / Strategy_without_DX
LiBRA 04.2021 / Strategy_without_DXLiBRA 04.2021 / Strategy_without_DX
LiBRA 04.2021 / Strategy_without_DXMasanori Saito
 
LiBRA 08.2021 / Strategy DX以外
LiBRA 08.2021 / Strategy DX以外LiBRA 08.2021 / Strategy DX以外
LiBRA 08.2021 / Strategy DX以外Masanori Saito
 
210201 trend tech_cloud
210201 trend tech_cloud210201 trend tech_cloud
210201 trend tech_cloudMasanori Saito
 
LiBRA 06.2021 / 開発と運用
LiBRA 06.2021 / 開発と運用LiBRA 06.2021 / 開発と運用
LiBRA 06.2021 / 開発と運用Masanori Saito
 
211101_LiBRA_インフラ
211101_LiBRA_インフラ211101_LiBRA_インフラ
211101_LiBRA_インフラMasanori Saito
 
LiBRA 08.2021 / 開発と運用
LiBRA 08.2021 / 開発と運用LiBRA 08.2021 / 開発と運用
LiBRA 08.2021 / 開発と運用Masanori Saito
 
LiBRA 10.2021 / DXとこれからのビジネス
LiBRA 10.2021 / DXとこれからのビジネスLiBRA 10.2021 / DXとこれからのビジネス
LiBRA 10.2021 / DXとこれからのビジネスMasanori Saito
 
LiBRA 10.2021 / DX以外
LiBRA 10.2021 / DX以外LiBRA 10.2021 / DX以外
LiBRA 10.2021 / DX以外Masanori Saito
 
LiBRA 05.2021 / Strategy_other
LiBRA 05.2021 / Strategy_otherLiBRA 05.2021 / Strategy_other
LiBRA 05.2021 / Strategy_otherMasanori Saito
 
LiBRA 10.2021 / 開発と運用
LiBRA 10.2021 / 開発と運用LiBRA 10.2021 / 開発と運用
LiBRA 10.2021 / 開発と運用Masanori Saito
 
LiBRA 04.2021 / Sum_1/2
LiBRA 04.2021 / Sum_1/2LiBRA 04.2021 / Sum_1/2
LiBRA 04.2021 / Sum_1/2Masanori Saito
 

What's hot (20)

211101_LiBRA_AI
211101_LiBRA_AI211101_LiBRA_AI
211101_LiBRA_AI
 
211101_DevOps
211101_DevOps211101_DevOps
211101_DevOps
 
LiBRA 04.2021 / DevOps
LiBRA 04.2021 / DevOpsLiBRA 04.2021 / DevOps
LiBRA 04.2021 / DevOps
 
LiBRA 04.2021 / Strategy_without_DX
LiBRA 04.2021 / Strategy_without_DXLiBRA 04.2021 / Strategy_without_DX
LiBRA 04.2021 / Strategy_without_DX
 
LiBRA 08.2021 / Strategy DX以外
LiBRA 08.2021 / Strategy DX以外LiBRA 08.2021 / Strategy DX以外
LiBRA 08.2021 / Strategy DX以外
 
LiBRA 09.2021 / AI
LiBRA 09.2021 / AILiBRA 09.2021 / AI
LiBRA 09.2021 / AI
 
LiBRA 09.2021 / DX
LiBRA 09.2021 / DXLiBRA 09.2021 / DX
LiBRA 09.2021 / DX
 
210201 trend tech_cloud
210201 trend tech_cloud210201 trend tech_cloud
210201 trend tech_cloud
 
LiBRA 06.2021 / 開発と運用
LiBRA 06.2021 / 開発と運用LiBRA 06.2021 / 開発と運用
LiBRA 06.2021 / 開発と運用
 
211101_LiBRA_インフラ
211101_LiBRA_インフラ211101_LiBRA_インフラ
211101_LiBRA_インフラ
 
LiBRA 08.2021 / 開発と運用
LiBRA 08.2021 / 開発と運用LiBRA 08.2021 / 開発と運用
LiBRA 08.2021 / 開発と運用
 
LiBRA 10.2021 / DXとこれからのビジネス
LiBRA 10.2021 / DXとこれからのビジネスLiBRA 10.2021 / DXとこれからのビジネス
LiBRA 10.2021 / DXとこれからのビジネス
 
LiBRA 05.2021 / IoT
LiBRA 05.2021 / IoTLiBRA 05.2021 / IoT
LiBRA 05.2021 / IoT
 
LiBRA 10.2021 / DX以外
LiBRA 10.2021 / DX以外LiBRA 10.2021 / DX以外
LiBRA 10.2021 / DX以外
 
LiBRA 06.2021 / IoT
LiBRA 06.2021 / IoTLiBRA 06.2021 / IoT
LiBRA 06.2021 / IoT
 
LiBRA 05.2021 / Strategy_other
LiBRA 05.2021 / Strategy_otherLiBRA 05.2021 / Strategy_other
LiBRA 05.2021 / Strategy_other
 
LiBRA 05.2020 / AI
LiBRA 05.2020 / AILiBRA 05.2020 / AI
LiBRA 05.2020 / AI
 
LiBRA 09.2021 / AI
LiBRA 09.2021 / AILiBRA 09.2021 / AI
LiBRA 09.2021 / AI
 
LiBRA 10.2021 / 開発と運用
LiBRA 10.2021 / 開発と運用LiBRA 10.2021 / 開発と運用
LiBRA 10.2021 / 開発と運用
 
LiBRA 04.2021 / Sum_1/2
LiBRA 04.2021 / Sum_1/2LiBRA 04.2021 / Sum_1/2
LiBRA 04.2021 / Sum_1/2
 

Similar to 211001_LiBRA_IoT

Similar to 211001_LiBRA_IoT (20)

LiBRA 09.2021 / IoT
LiBRA 09.2021 / IoTLiBRA 09.2021 / IoT
LiBRA 09.2021 / IoT
 
LiBRA 08.2021 / IoT
LiBRA 08.2021 / IoTLiBRA 08.2021 / IoT
LiBRA 08.2021 / IoT
 
LiBRA_210201/IoT
LiBRA_210201/IoTLiBRA_210201/IoT
LiBRA_210201/IoT
 
LiBRA 03.2021 / IoT
LiBRA 03.2021 / IoTLiBRA 03.2021 / IoT
LiBRA 03.2021 / IoT
 
LiBRA 11.2020 / IoT
LiBRA 11.2020 / IoTLiBRA 11.2020 / IoT
LiBRA 11.2020 / IoT
 
LiBRA 10.2020 / IoT
LiBRA 10.2020 / IoTLiBRA 10.2020 / IoT
LiBRA 10.2020 / IoT
 
LiBRA 12.2020 / IoT
LiBRA 12.2020 / IoTLiBRA 12.2020 / IoT
LiBRA 12.2020 / IoT
 
LiBRA 09.2020 / IoT
LiBRA 09.2020 / IoTLiBRA 09.2020 / IoT
LiBRA 09.2020 / IoT
 
LiBRA 07.2020 / IoT
LiBRA 07.2020 / IoTLiBRA 07.2020 / IoT
LiBRA 07.2020 / IoT
 
LiBRA 08.2019 / IoT
LiBRA 08.2019 / IoTLiBRA 08.2019 / IoT
LiBRA 08.2019 / IoT
 
LiBRA 02.2019 / IoT
LiBRA 02.2019 / IoTLiBRA 02.2019 / IoT
LiBRA 02.2019 / IoT
 
LiBRA 08.2020 / これからのビジネス戦略
LiBRA 08.2020 / これからのビジネス戦略LiBRA 08.2020 / これからのビジネス戦略
LiBRA 08.2020 / これからのビジネス戦略
 
LiBRA 10.2021 / AI
LiBRA 10.2021 / AILiBRA 10.2021 / AI
LiBRA 10.2021 / AI
 
LiBRA 10.2020 / Strategy
LiBRA 10.2020 / StrategyLiBRA 10.2020 / Strategy
LiBRA 10.2020 / Strategy
 
LiBRA 07.2021 / AI
LiBRA 07.2021 / AILiBRA 07.2021 / AI
LiBRA 07.2021 / AI
 
LiBRA 07.2020 / ビジネス戦略
LiBRA 07.2020 / ビジネス戦略LiBRA 07.2020 / ビジネス戦略
LiBRA 07.2020 / ビジネス戦略
 
LiBRA_210201/AI
LiBRA_210201/AILiBRA_210201/AI
LiBRA_210201/AI
 
LiBRA 06.2021 / AI
LiBRA 06.2021 / AILiBRA 06.2021 / AI
LiBRA 06.2021 / AI
 
LiBRA 04.2021 / AI
LiBRA 04.2021 / AILiBRA 04.2021 / AI
LiBRA 04.2021 / AI
 
LiBRA 11.2020 / 開発と運用
LiBRA 11.2020 / 開発と運用LiBRA 11.2020 / 開発と運用
LiBRA 11.2020 / 開発と運用
 

More from Masanori Saito

211101_最新トレンド_パッケージ
211101_最新トレンド_パッケージ211101_最新トレンド_パッケージ
211101_最新トレンド_パッケージMasanori Saito
 
211101_LiBRA_クラウド
211101_LiBRA_クラウド211101_LiBRA_クラウド
211101_LiBRA_クラウドMasanori Saito
 
LiBRA 10.2021 /クラウドコンピューティング
LiBRA 10.2021 /クラウドコンピューティングLiBRA 10.2021 /クラウドコンピューティング
LiBRA 10.2021 /クラウドコンピューティングMasanori Saito
 
LiBRA 10.2021 / インフラとプラットフォーム
LiBRA 10.2021 / インフラとプラットフォームLiBRA 10.2021 / インフラとプラットフォーム
LiBRA 10.2021 / インフラとプラットフォームMasanori Saito
 
LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本Masanori Saito
 
LiBRA 10.2021 / 総集編#02
LiBRA 10.2021 / 総集編#02LiBRA 10.2021 / 総集編#02
LiBRA 10.2021 / 総集編#02Masanori Saito
 
LiBRA 10.2021 / 総集編#01
LiBRA 10.2021 / 総集編#01LiBRA 10.2021 / 総集編#01
LiBRA 10.2021 / 総集編#01Masanori Saito
 
LiBRA 09.2021 / 新入社員のための最新ITトレンド研修
LiBRA 09.2021 / 新入社員のための最新ITトレンド研修LiBRA 09.2021 / 新入社員のための最新ITトレンド研修
LiBRA 09.2021 / 新入社員のための最新ITトレンド研修Masanori Saito
 
LiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向け
LiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向けLiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向け
LiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向けMasanori Saito
 
LiBRA 09.2021 / 総集編 1/2
LiBRA 09.2021 / 総集編 1/2LiBRA 09.2021 / 総集編 1/2
LiBRA 09.2021 / 総集編 1/2Masanori Saito
 
LiBRA 09.2021 / 開発と運用
LiBRA 09.2021 / 開発と運用LiBRA 09.2021 / 開発と運用
LiBRA 09.2021 / 開発と運用Masanori Saito
 
LiBRA 09.2021 / 総集編 2/2
LiBRA 09.2021 / 総集編 2/2LiBRA 09.2021 / 総集編 2/2
LiBRA 09.2021 / 総集編 2/2Masanori Saito
 
LiBRA 09.2021 / インフラストラクチャー
LiBRA 09.2021 / インフラストラクチャーLiBRA 09.2021 / インフラストラクチャー
LiBRA 09.2021 / インフラストラクチャーMasanori Saito
 

More from Masanori Saito (19)

211101_DXの基礎
211101_DXの基礎211101_DXの基礎
211101_DXの基礎
 
211101_最新トレンド_パッケージ
211101_最新トレンド_パッケージ211101_最新トレンド_パッケージ
211101_最新トレンド_パッケージ
 
211101_LiBRA_クラウド
211101_LiBRA_クラウド211101_LiBRA_クラウド
211101_LiBRA_クラウド
 
211101_LiBRA_ERP
211101_LiBRA_ERP211101_LiBRA_ERP
211101_LiBRA_ERP
 
LiBRA 10.2021 / ERP
LiBRA 10.2021 / ERPLiBRA 10.2021 / ERP
LiBRA 10.2021 / ERP
 
LiBRA 10.2021 / DX
LiBRA 10.2021 / DXLiBRA 10.2021 / DX
LiBRA 10.2021 / DX
 
LiBRA 10.2021 /クラウドコンピューティング
LiBRA 10.2021 /クラウドコンピューティングLiBRA 10.2021 /クラウドコンピューティング
LiBRA 10.2021 /クラウドコンピューティング
 
LiBRA 10.2021 / インフラとプラットフォーム
LiBRA 10.2021 / インフラとプラットフォームLiBRA 10.2021 / インフラとプラットフォーム
LiBRA 10.2021 / インフラとプラットフォーム
 
LiBRA 10.2021 / ERP
LiBRA 10.2021 / ERPLiBRA 10.2021 / ERP
LiBRA 10.2021 / ERP
 
LiBRA 10.2021 / IoT
LiBRA 10.2021 / IoTLiBRA 10.2021 / IoT
LiBRA 10.2021 / IoT
 
LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本
 
LiBRA 10.2021 / 総集編#02
LiBRA 10.2021 / 総集編#02LiBRA 10.2021 / 総集編#02
LiBRA 10.2021 / 総集編#02
 
LiBRA 10.2021 / 総集編#01
LiBRA 10.2021 / 総集編#01LiBRA 10.2021 / 総集編#01
LiBRA 10.2021 / 総集編#01
 
LiBRA 09.2021 / 新入社員のための最新ITトレンド研修
LiBRA 09.2021 / 新入社員のための最新ITトレンド研修LiBRA 09.2021 / 新入社員のための最新ITトレンド研修
LiBRA 09.2021 / 新入社員のための最新ITトレンド研修
 
LiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向け
LiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向けLiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向け
LiBRA 09.2021 / DXの本質とビジネス戦略 SI事業者向け
 
LiBRA 09.2021 / 総集編 1/2
LiBRA 09.2021 / 総集編 1/2LiBRA 09.2021 / 総集編 1/2
LiBRA 09.2021 / 総集編 1/2
 
LiBRA 09.2021 / 開発と運用
LiBRA 09.2021 / 開発と運用LiBRA 09.2021 / 開発と運用
LiBRA 09.2021 / 開発と運用
 
LiBRA 09.2021 / 総集編 2/2
LiBRA 09.2021 / 総集編 2/2LiBRA 09.2021 / 総集編 2/2
LiBRA 09.2021 / 総集編 2/2
 
LiBRA 09.2021 / インフラストラクチャー
LiBRA 09.2021 / インフラストラクチャーLiBRA 09.2021 / インフラストラクチャー
LiBRA 09.2021 / インフラストラクチャー
 

Recently uploaded

新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxAtomu Hidaka
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略Ryo Sasaki
 
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdfUPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdffurutsuka
 
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directoryosamut
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Danieldanielhu54
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムsugiuralab
 
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000Shota Ito
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 

Recently uploaded (9)

新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
 
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdfUPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
 
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
 
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
 

211001_LiBRA_IoT