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.

LiBRA 01.2019 / IoT

1,874 views

Published on

https://libra.netcommerce.co.jp/

Published in: Technology
  • Be the first to comment

  • Be the first to like this

LiBRA 01.2019 / IoT

  1. 1. 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 2019年1月版
  2. 2. 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。
  3. 3. モノがネットにつながる時代
  4. 4. 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 H2MHuman to Machine H2H Human to Human M2MMachine to Machine IoTInternet 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
  5. 5. 統計解析 人工知能 M2M/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
  6. 6. 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
  7. 7. 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
  8. 8. 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)
  9. 9. 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
  10. 10. 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
  11. 11. IoTとは何か
  12. 12. 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
  13. 13. 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
  14. 14. IoTの2つの意味 14 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 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT=CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
  15. 15. 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 15 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
  16. 16. 伝統的なやり方とIoTとの違い 16 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
  17. 17. 従来のやり方とIoTの違い 17 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+
  18. 18. ビッグデータ IoTとスマートデバイス 18 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
  19. 19. 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 現実世界をデータで捉え、 現実世界とITが一体となった社会変革 を実現する取り組み 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
  20. 20. 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
  21. 21. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす2つのパラダイムシフト 21 1. 現実世界のデジタル・データ化 2. ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード+ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア 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 アナリティクス 人工知能+シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS:Cyber-Physical System
  22. 22. デジタル・コピー/デジタルツイン 22 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
  23. 23. 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 23 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
  24. 24. 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 24 「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
  25. 25. CPS(Cyber-Physical System)の仕組み 25 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
  26. 26. CPS(Cyber-Physical System)の仕組み 26 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
  27. 27. CPS(Cyber-Physical System)の仕組み 27 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
  28. 28. CPS: IoTによって変わる現実社会のとらえ方 28 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。
  29. 29. CPS: IoTで変わる道路交通の常識 29 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
  30. 30. 自動運転車と交通システム/歩行者との連携 30 http://techon.nikkeibp.co.jp/article/COLUMN/20150408/413201/?SS=imgview&FD=-1972773010 日経テクノロジー
  31. 31. CPS:つながることの価値 31 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
  32. 32. インターネット 「モノ」のサービス化 32 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
  33. 33. 「モノ」のサービス化 33 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
  34. 34. 「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
  35. 35. ソフトウェア化するモノ 35 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
  36. 36. 「モノ」のサービス化 36 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。
  37. 37. 「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
  38. 38. 「モノ」のサービス化/新たな価値関係の登場 38 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
  39. 39. 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 39 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
  40. 40. 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 40 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
  41. 41. 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
  42. 42. 新規事業の選択肢とモノのサービス化 42 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
  43. 43. テクノロジーの進化が求めるモノのサービス化 43 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
  44. 44. IoTビジネスとはどういうことか? 44
  45. 45. 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 45 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!
  46. 46. IoTのビジネス戦略 46 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
  47. 47. IoTで変わるビジネス価値 47 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
  48. 48. サービスとしてのモノ 48 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
  49. 49. モノのサービス化 49 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
  50. 50. MaaS(Mobility as a Service) 50 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
  51. 51. MaaSのレベル定義 51 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
  52. 52. クラウド IoTがもたらす3つのイノベーション 52 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
  53. 53. IoTの仕組みと使われ方
  54. 54. IoTの機能と役割の4段階 54 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
  55. 55. IoTの階層構造 55 クラウド クラウド エッジ・サーバー フォグ・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
  56. 56. 機能階層のシフト 56 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
  57. 57. 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
  58. 58. 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
  59. 59. 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
  60. 60. 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 60  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
  61. 61. クラウドから超分散へ 61 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
  62. 62. IoTのビジネス・レイヤ(1) 62 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 3GWired 4G/LTE WiFiBluetooth 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
  63. 63. IoTのビジネス・レイヤ(2) 63 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
  64. 64. IoT World Forumのリファレンス・モデル 64 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
  65. 65. IoTそれ自体は目的ではない 65 SAPジャパンの資料から
  66. 66. IoTの開発や実行環境 66 変化する 現場のニーズや課題 試行錯誤での 解決策の発見 変化に柔軟な アプリケーション開発 アジャイル開発  データ量や処理能力の大きな変化に対応できるスケーラビリティ  開発・実行環境の先進性や柔軟性、およびオープン性  プラットフォームやアプリケーションの相互連携の容易さ クラウド・コンピューティング
  67. 67. IoTへの取り組みを成功させる3つの要件 67 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)
  68. 68. LPWA Low Power, Wide Area
  69. 69. LPWA(Low Power Wide Area)ネットワークとは 69 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
  70. 70. LPWA(Low Power Wide Area)ネットワークの位置付け 70 http://itpro.nikkeibp.co.jp/atcl/column/16/071500148/072000003/ 到 達 範 囲 1m 100m 10km LPWABLE (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
  71. 71. LPWA(Low Power Wide Area)ネットワークの位置付け 71 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
  72. 72. IoT通信:LPWAと他の通信方式の比較 72 現行のLTE方式
  73. 73. 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
  74. 74. 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
  75. 75. ソフトバンクのIoT通信サービス 75 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
  76. 76. Wi-SUN 76  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。
  77. 77. LPWA(Low Power Wide Area)ネットワーク 通信規格一覧 77 http://itpro.nikkeibp.co.jp/atcl/column/16/071500148/072000003/
  78. 78. IoTセキュリティ
  79. 79. IoTセキュリティの特徴 79 http://itpro.nikkeibp.co.jp/atcl/column/15/112700271/112700001/?ST=iot&P=3
  80. 80. IoTにおけるセキュリティの留意点 80 ❖ 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
  81. 81. The OWASP Internet of Things Top 10 81 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
  82. 82. ビッグデータの仕組みと使われ 方
  83. 83. 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〜
  84. 84. 急激なデータの増大 150EB 150EB 178EB 150EB 178EB 2009 2010 2012 1350EB 20202013〜 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
  85. 85. 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
  86. 86. IoTの実際
  87. 87. 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
  88. 88. IoTのビジネス事例 88 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)
  89. 89. 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。
  90. 90. The Internet of Things by IBM 90 https://www.youtube.com/watch?v=L1unGW2Ae1M↑クリックすると動画が再生されます。
  91. 91. What is IoT ? by Intel 91 https://www.youtube.com/watch?v=Q3ur8wzzhBU↑クリックすると動画が再生されます。
  92. 92. Predix IoT pratform by GE 92 https://www.youtube.com/watch?v=Sg3WhdY0Jb0↑クリックすると動画が再生されます。
  93. 93. IoTのエコシステム(自動販売機に関連して) 93 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
  94. 94. IoTのエコシステム(ビル設備に関連して) 94 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
  95. 95. CRMシステムとトータル・エンジニアリングサービス 95 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
  96. 96. 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 96 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
  97. 97. BMI(Building Information Modeling) 97 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
  98. 98. 建設業での事例 98 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
  99. 99. 社会全体がCPSによって変革される「データ駆動型社会」 99 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~
  100. 100. データ駆動型社会の課題と可能性 100 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~
  101. 101. データ駆動型社会の分野別の取り組み 101 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~
  102. 102. 専用機械 コンテンツ・ビジネスの覇権 102 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
  103. 103. IoTデバイスとしての自動車 103
  104. 104. ガソリン自動車と電気自動車 104 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
  105. 105. 様々な産業に変革を促すデジタル・トランスフォーメーション 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
  106. 106. インダストリー4.0
  107. 107. インダストリー4.0がやろうとしていること 107  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。
  108. 108. コレ1枚で分かるインダストリー4.0 108 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
  109. 109. 産業革命の区分 109 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
  110. 110. 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 110 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
  111. 111. 第4次産業革命(インダストリー4.0)とIoT 111 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
  112. 112. インダストリー4.0を支える繋がり 112 Recommendations for implementing the strategic initiative INDUSTRIE 4.0
  113. 113. 従来の工場とインダストリー4.0がめざす工場の違い 113  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
  114. 114. インターストリー4.0を支えるCPS 114 Cyber-Physical Systems
  115. 115. 115 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
  116. 116. アメリカとドイツの取り組みの違い 116
  117. 117. Industrial Internet と Industry4.0おける標準化の取り組み 117 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
  118. 118. インダストリー・インターネットのモデルベース開発 118  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。
  119. 119. 日本産業システムが抱える課題 119  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。
  120. 120. GEが推進する産業用IoTプラットフォーム“Predix” 120 発電設備 機関車 航空機エンジン 工作機械 他の産業機械 ネットワーク APM OO BM 他のアプリケーション 通知 Redis キャッシュ BLOB ストレージ Postgres RDB NewRelic 監視 RabittMQ キューイング Spark 分散処理 Storm ストリーミング処理 Kafka 分散メッセージング処理 Taitan グラフDB Kasandra KVS Cloud Foundry オープンソースを駆使した独自基盤 Asset Performance Management 産業機器性能管理 (APM) Operation Optimization オペレーション最適化 (OO) Brilliant Manufacturing 製造現場最適化 (BM) サードパーティ アプリケーション アプリケーション エッジ・コンピューティング クラウド・コンピューティング APM OO BM 他のアプリケーション APM OO BM 他のアプリケーション APM OO BM 他のアプリケーション APM OO BM 他のアプリケーション
  121. 121. ファナックが推進する産業用IoTプラットフォーム“FIELD system” 121 故障予知 ZDT ファナック+シスコ 品質情報管理 LINKi ファナック 機械学習 アプリケーション基盤 DIMo PFN サードパーティ アプリケーション アプリケーション エッジ・コンピューティング クラウド・コンピューティング ネットワーク FIELD system ミドルウェア フィールドAPI コンバータAPI PLMSCM ERP ロボット CNC/MC ECM PLC 他社機器 FIELD system 機器の制御や データの読み出し *仕様公開* 機器固有のデータ形式を 共通データ形式に変換 *仕様公開*

×