Recommended
Recommended
More Related Content
Recently uploaded
Recently uploaded (9)
Featured
Featured (20)
Azure iot webiner_l100_20180821_final
- 2. Internet Of Things は技術革新ではなく 技術によって実現されるビジネス革新 2
- 4. 接続された冷却装置は、接 続されていない装置よりも9 倍速い速度でオンラインに 戻り、時間当たりのダウンタ イムコストは300,000ドル以 上 センサーとシステムからの データをビジネスの知的処理 に活用し、ダウンタイムを50% 削減 パッケージラインごとに最 長で47時間のダウンタイム をなくし、顧客のために 30,000ユーロを節約 ロールスロイスの”Power by the Hour”課金モデルによって、燃料消 費量を年間1%、最高250,000ドル に削減し、可用性を最大限に高め た 甘草を扱う生産ライン の機器のピーク最適化 を行い、材料のみで年 間500Kドルを節約 「労働者の43％は、彼らのオ フィスがクリエイティブな仕 事をするのに最適な場所だと は思っていません」IoTを職 場環境に置くと、人々はス ペースが成功した要因と理由 を組織に伝えることを可能と した CBRE 360モバイルアプリ では、ユーザーが同僚を 探したり、職場をナビ ゲートしたり、ワークス ペースを予約したり、食 べ物や飲み物、基本的な 建物やコンシェルジュ サービスにアクセス可能 KOHLER Konnectは、消費 者が自分の浴室や厨房の 経験をパーソナライズし、 日常業務を自動化するこ とを可能に すでにビジネス改革にIoTを活用した企業 新しいシステムは、汚染さ れた有毒な穀物の85〜90％ を排除して、より迅速でよ り正確な穀物選別ソリュー ション 29,000平湖マイルの範囲に 及ぶ5,600マイルの道路を 管理するアラスカ州こ交 通省は、プロアクティブ に冬の暴風雨に対処でき るようにした
- 6. 6
- 7. アクションモノ 洞察 7
- 8. 8
- 10. Azure IoT 10 Solutions • 簡単にIoTの世界を体験できる SaaS • 代表的なユースケースの構成を数分 でデプロイして、カスタマイズも可能 • 簡単にデバイスを接続、スケールアッ プも可能 Platform services • 豊富なサービスを活用して、自分の IoTソリューションの構築 • スケーラブルなIoTデバイスのプロビジ ョニング、管理と解析をセキュアに実 現 • 様々なIoTソリューションを構築、カ スタマイズ Edge • エッジデバイスでほぼリアルタイムにイ ンテリジェントな判断を実現 • エッジ側でデータのフィルタ処理などを することで、クラウドサービスとの余分 な通信を提言 • インテグレートされたチップセットにより デバイスをセキュアに
- 11. Azure IoT Central クラウドの知識がな くてもすぐに始められ る、IoTのための SaaS Azure IoT solution accelerators 代表的なシナリ オにそったIoTの 環境テンプレー トを使って作成 テンプレートをカ スタマイズするこ とも可能 無数にある IoTの資産の 接続、監視と 管理 Azure IoT Hub 複数のIoTデバイ スのIoT Hubへ の登録とプロビジョ ニングの自動化で、 登録プロセスを簡 略化 Azure IoT Hub Device Provisioning Service Azure IoT Edge クラウドで行う ような知的な 処理をデバイス 側でも実施 Azure Time Series Insights IoTデバイスから 収集した時系列 のデータを調査し て分析 Azure Maps アプリケーションに、 地図、位置検索、 経路探索の機能 を追加 11
- 13. エンタープライズに適した規模と インテグレーション End-to-end のセキュリティ • 数百万台レベルのデバイスが接続可能 • 様々なプログラミング言語に対応したSDK • 主要プロトコルのサポート • HTTPS/AMQP/MQTT • テレメトリの送信 • コマンド受信 • デバイス管理 • デバイスツイン • クエリとジョブ 13
- 14. Azure IoT Hub 発電所 エレベーター スマートメーター ビルディング 医療機器 Device twin Device twin Query 要求プロパティ 報告プロパティ タグ メソッド 要求プロパティ 報告プロパティ メソッド Jobs 14
- 16. temperature temperature temperature 00:01 power draw power draw power draw vibration vibration vibration 00:02 00:03 Generator 複数のセンサーからのデータの相関を時系列に視覚化 16
- 24. IoT Edge Device IoTHub Container Engine EdgeHub EdgeAgent Module EdgeAgentEdgeHub Azure Container Registry IoT Edge SDK App container registry Module 24 エッジデバイスのモジュールもコンテナで簡単に配布
- 27. thyssenkurpp Elevator 27 グローバルなエレベーター製造会社がサービス機能を開発 結果 エレベータの稼働時間の増加 thyssenkurpp および顧客のコスト削減 リアルタイムのデータ可視化および認識の開発 「予防的なメンテナンスの業界標準を超えて、予測的かつ先回り的なメンテナンスを提供したかった。」 Andreas Schierenbeck ThyssenKrupp Elevator、CEO https://customers.microsoft.com/en-us/story/the-internet-of-things-gives-the-worlds-cities-a- major
- 28. 28 データの 流れ デバイスコネクティビティ データ収集・管理と高度な分析 情報の活用 ビジネスプロセスとの 連携 IoT Agent / Gateway Event Hub Blob Storage マシンデータ の蓄積 Azure ML 予兆／原因の学習モデル Azure ML メンテナンス 方法の学習モデル ダッシュボード 参照 CRM/ERP • 顧客 • 設備 • 担当者 通知ハブ 通知 予兆イベント 対応方法 の推奨 • ヘルス状態 • インシデント管理 • 対応のディスパッチ 現地技術要員の モバイルデバイス オペレーション センターPower BI セルフサービス 分析 制御機器とセンサーのデータ • イベント : ドア開閉、軸アライメント、キャビン速度、 モーター温度など • アラーム : 故障アラーム、エラーコードなど Stream Analytics
- 29. 29
- 30. 30
- 31. 31
- 32. 32
- 33. 33
- 34. 34
- 35. 35
- 36. 36
- 39. 本書に記載した情報は、本書各項目に関する発行日現在の Microsoft の見解を表明するものです。Microsoftは絶えず変化する市場に対応しなければならないため、 ここに記載した情報に対していかなる責務を負うものではなく、提示された情報の信憑性については保証できません。 本書は情報提供のみを目的としています。 Microsoft は、明示的または暗示的を問わず、本書にいかなる保証も与えるものではありません。 すべての当該著作権法を遵守することはお客様の責務です。Microsoftの書面による明確な許可なく、本書の如何なる部分についても、転載や検索システムへの格納または挿入を行うことは、どのような形式または手段（電子的、 機械的、複写、レコーディング、その他）、および目的であっても禁じられています。 これらは著作権保護された権利を制限するものではありません。 Microsoftは、本書の内容を保護する特許、特許出願書、商標、著作権、またはその他の知的財産権を保有する場合があります。Microsoftから書面によるライセンス契約が明確に供給される場合を除いて、本書の提供はこれらの特 許、商標、著作権、またはその他の知的財産へのライセンスを与えるものではありません。 © 2015 Microsoft Corporation. All rights reserved. Microsoft, Windows, その他本文中に登場した各製品名は、Microsoft Corporation の米国およびその他の国における登録商標または商標です。 その他、記載されている会社名および製品名は、一般に各社の商標です。 39
Editor's Notes
- はじめてのAzure IoT、エッジからクラウドまでというテーマで、Azure IoTで提供している機能の全体像をご紹介していきます。本セッションで紹介する Azure IoTのサービスの詳細については参考情報として最後にご紹介するウェブサイトなどでご確認ください。
- IoTは技術の革新ではなく、その技術によってビジネスに変革を与えていくものです。 様々なデバイスがつながることによって、そこから得られた情報をいかにビジネスに活用していくかがポイントとなります。
- すでにIoTによるビジネスの革新が製造業、小売業、輸送、医療など様々な分野で実践されています。 製造業では、予防保守によって生産ラインのダウンタイムを減らしたり、機械の稼働効率を最適化してコストを削減するといった事例もあります。 小売業では、顧客のプロファイルにあった製品の紹介をディスプレイに表示したり、自動販売機の販売の傾向や状況を把握して、売り切れが発生しないようにするなど、カスタマーエクスペリエンスの向上をするような事例が出てきています。 輸送では、道路の状況や天候を加味して最適なルートを提案したり、トラックにセンサーをつけての予防保守や最適な配置をするような事例が出てきています。 医療では、ワクチンを冷蔵保存するときに最適な温度を保てるようにしたり、身体の温度をモニターして、小さな温度の変化をいち早く発見し、人体への影響を減らすような事例も出ています。
- 実際にAzure IoTを活用して、ビジネス革新を行なった企業は業種業務を問わずたくさんあります。 アラスカ州では、気象状況を収集する車載のセンサーで、小さなエリアごとの気象情報を収集して道路の保全や、凍結防止に利用する物品の最適化をおこなています。 Tetra Pakでは、IoTを活用して予防保守によってパッケージングラインのダンタイムをなくし30,000ユーロの節約を実現しました。 そのほかの企業も、IoTを活用してビジネスの革新を起こしています。色々な事例を見て行くと、こんな業務を改善できるかもしれないいとひらめきがあるかもしれませんので、ぜひ、事例をチェックしてみてください。
- このようなIoT活用したビジネスの革新は急に実現できるようになったわけではなく、様々なイノベーションを重ねた結果といえます。 Cloud は、グローバルに利用可能な、大容量のコンピューティングリソースです。クラウドを活用することで、機器の調達などでなやむことなく、大容量のコンピューティングリソースがすぐに使えるようになりました。 IoTはデバイスから観測したデータをリアルタイムに受け取り、そこから何らかのアクションを起こします。これらのソリューションは、独自のデータセンターなどで環境を構築することなく、クラウド上で実現することができます。 Edgeは、単に測定データをクラウドに送信するだけではなく、知的な処理やカスタム処理をクラウド上だけでなくエッジ側でも実行します。数年前のIoTを活用した予防保守の仕組みはクラウド上で複雑な処理を行っていましたが、現在では、エッジ側でもそれらの処理が実行可能となり、よりリアルタイムなアクションが可能となりました。 そして、AIです。クラウド上で実装することでも非常にメリットがありますが、エッジで実装することも多大なメリットがあります。例えば、自動運転の乗り物を考えてみると、誰か人が飛び出してきたから停止するといった判断は即座に行わないといけませんので、クラウドではなくエッジ側で行なっています。インテリジェントなエッジが利用できるようになると、IoTの可能性も広がります。
- 2020年までに、個人が生成する1日あたりのデータは1.5GB、スマートホームは日々50GB、そしてスマートシティは日々250ペタバイトのデータを生成すると予測されています。クラウドとエッジデバイスが有機的に連携して、このような膨大なデータを利用する インテリジェントエッジ、インテリジェントクラウドが重要となります。 インテリジェントエッジは、クラウドに常時接続していなくても、見て、聞いて、推論し、予測する、コンピュータと現実世界のインターフェースとなる存在です。 「インテリジェントエッジ インテリジェントクラウド」の世界において、開発者による新しいアイディアとソリューションが生まれる中で、マイクロソフトは開発ツールとクラウドサービスを提供し、開発者を継続的に支援していきます。 Intelligent Cloud Software as a Service Solution Accelerators Preconfigured Solutions for common IoT scenarios Remote Monitoring Predictive Maintenance Connected Factory Platform Services => Helping Partners Deliver Solutions Faster Intelligent Edge On-premises Edge IoT
- 冒頭で申し上げた通り、IoTは技術によってもたらされるビジネスの変革です。 IoTをビジネスに活かすためには、データの発生源であるモノから発生したデータに基づく分析を行い、洞察に基づくビジネスのアクションへつなげていきます。どのデータを集め、どのように分析し、そこからどんなアクションを起こすかということが重要なポイントです。 もの(Things) データの発生源 洞察(Insights) データに基づく分析 アクション(Action) 洞察に基づくアクション 洞察：課題と関連させて全体の状況を把握し直すことにより突然課題を解決すること。見通し。 Things – Generate Data Insights – Based on Data Generated Actions – Based on Insights
- では、どんなデータを、どのように分析して、分析結果にしたがってどんなアクションを起こすかが決まったとしましょう。 では、それを実現するためにはどのような仕組みが必要でしょうか？
- このような仕組みを実現するためのコアとなるコンポーネントを見ていきましょう。 １つめはデバイスです。クラウドに登録しクラウドから管理できるようなデバイスを、クラウドゲートウェイと接続してデータをやりとりします。 ２つめはクラウドゲートウェイです。モノからのデータを受け取ることと、接続されたIoTデバイスを管理する機能を提供します。 ３つめはストリーミング分析です。クラウドゲートウェイを介して受信したデータを、ビジネスプロセスに活用したり、ストレージにデータを保存したりします。 ４つめはユーザインタフェースやレポーティングツールなどの可視化ツールです。可視化ツールによって観測データやデバイスの管理状況を可視化することが可能です。 デバイス、クラウドゲートウェイ、ストリーミング分析、UIやレポーティングツールを連携させることで、データの発生源であるモノから発生したデータを分析・可視化し、分析結果に基づいて何らかのビジネスプロセスに連携させる。また、アクションの結果も可視化することで、次の分析に役立たせることができるようになります。 過去の傾向に基づく分析を行う場合には、分析のモデルの元となる Cold Dataと、分析対象となるある一定のタイムフレームのwarm dataを活用します。
- 10
- ソリューション、プラットフォームサービス、エッジの代表的なサービスをいくつかご紹介します。 ソリューション。 すぐにIoTのサービスを体験できるソリューションの Software as a ServiceであるAzure IoT centralを利用すると、クラウドの知識がなくてもIoTをすぐに始めることができます。 代表的なIoTのシナリオにそった環境をテンプレートにしたがって構築できる Azure IoT Solution Accelerators。Azure IoT Solution Accelerator は、テンプレートをカスタマイズすることでアーキテクチャを変更することも可能です。 プラットフォームサービス。 Azureの様々なサービスを組み合わせて、IoTの仕組みを構築する時に利用するコアとなるサービスも提供しています。 Azure IoT Hubは、IoTデバイス資産の管理とデバイスが接続するためのゲートウェイとしての機能を提供します。 Device Provisioning Serviceは多数のデバイスを管理対象とするためのデバイスの登録とプロビジョニングを行います。 Azure Time Series Insightsは時系列データの分析に活用します。 Azure Mapsはアプリケーションに地図、位置検索、経路探索の機能を提供します。 エッジ。 コグニティブサービス、機械学習、ストリーム分析などのクラウドで実現していたワークロードをエッジ側で実現できるようになります。
- IoTを構成するコアな役割に照らし合わせてAzureのサービスを見ていきましょう。 コアな役割の１つめは、クラウドゲートウェイとなる Azure IoT Hubです。
- Azure IoT Hubは、デバイスとクラウドの双方向のコミュニケーションを可能とし、また、デバイスを管理する機能も提供します。 数百万台規模のデバイスが接続可能です。 デバイスの開発に利用できるSDKも C, Java, .NET, Node.js, Pythonなど様々なプログラミング言語に対応しています。通信のプロトコルはHTTPS, AMQP, MQTTというIoTでよく使われるプロトコルを採用しています。 デバイスとクラウドでの通信は、テレメトリの送信だけでなく、デバイス管理に関する情報のやりとりや、コマンドの実行などもあります。 エンタープライズでの利用にも耐えられるよう、数十億規模のメッセージの受信、柔軟なスケールアップ、ダウンなどの機能を提供しています。 また、End-to-endのセキュリティを担保するため、接続するデバイスを認証や接続対象を制限する機能も提供していますので、安全にデバイスをクラウドに接続することができます。
- コアな役割の２つめは、Azure Time Series Insights と Azure Stream Analyticsです。
- センサーからのデータは、時間ベースの観測結果を含んでおり、データの利用者は複数データを時系列にみて、相関関係を確認したいことがあります。 例えば、装置に複数のセンサーがついていて、振動、電力消費、温度の複数のデータの時系列の相関関係を見ることで、個別に見る場合と違って、障害の兆候が見えてくるかもしれません。 Azure Time Series Insightsでは、複数のセンサーからのデータの相関を時系列に視覚化します。
- デバイスから発生したデータは、クラウドゲートウェイであるAzure IoT Hubを通して、Azure Time Series Insightsに連携されます。 時系列データを必要とするアプリケーションは、Azure Time Series InsightsのクエリAPIを通して時系列データを取得することができます。 Azure Databricksのようなデータ分析基盤で利用することも可能ですし、カスタムアプリケーションからAPIを利用してデータの可視化を行うことも可能です。 Azure Time Series Insights のカスタムアプリケーションを構築するためのJava Scriptのライブラリも提供しています。 カスタムアプリケーションを開発しなくても、Azure Timeseries Insights Explorerを利用すれば、低コストで簡単に時系列データの可視化ができるようになります。
- Azure Time Series Insights Explorerはウェブアプリケーションとして提供されています。 Azure Time Series Insights Explorerでは、表示形式と表示するデータを選択して、ブラウザ上でデバイスから送られてきた時系列データを可視化することが可能です。 複数データの時系列データを並べてグラフ化することができるので、視覚的に異常の傾向などが認識しやすいようになります。
- Azure Stream Analytics は、デバイスからの大量のデータ ストリームを分析することができるイベント処理エンジンです。 受信データは、デバイス、センサー、Web サイト、ソーシャル メディア フィード、アプリケーションなどから得ることができます。 IoTとの組み合わせでは、テレメトリに基づくリアルタイム分析などに利用されます。 そのほかでは、Webログの分析。高価な資産のリモート監視と予測メンテナンス。販売管理データのリアルタイム分析による在庫管理や異常検出。などにも利用できます。 SQLのようなクエリ言語で時系列データを分析し、ある条件にマッチするデータだけを抽出して他のアプリケーションなどと連携することも可能です。 Power BIなどのダッシュボードと連携すれば、数分でリアルタイムなダッシュボードを作成することができます。 また、フルマネージドなサービスで使った分だけの課金なので、簡単に時系列データの分析を始めることができます。 Source（アプリケーション）、Sink（別のアプリケーション） https://en.wikipedia.org/wiki/Current_sources_and_sinks Source A flow of positive charge from the “invisible” to the “visible” compartment (i.e. toward the eye), or ... A flow of negative charges from the “visible” to the “invisible”(away from the eye) Sink A flow of positive charges “away from the eye”, or ... A flow of negative charges “toward the eye”.
- Azure Stream Analyticsでは、Azure IoT Hubを介して受信したデバイスからのデータを入力データとして、クエリ言語で分析した結果をblob storage、SQLデータベースやPower BIのような出力リソースに出力することが可能です。 リアルタイムのデータは、ダッシュボードで参照し、過去データを含めた分析用にblob storageや SQLデータベースに保存しておくことで、IoTのデータの活用を促進することができます。
- また、Azure Stream Analyticsは、クラウドだけでなく、エッジデバイスでも利用可能です。 エッジ側でデータを処理することで、より迅速な洞察とアクションにつなげることができます。デバイス側で実行するモジュールはAzure IoT Hubを介してデバイスに配信することができるので、クラウド側と一貫した管理ができます。 Azure Stream Analytics on IoT Edgeを利用するシナリオとして考えられるのは、コマンドと制御の待機時間短い場合。クラウドへの接続が制限されている場合。帯域幅が制限されている場合。コンプライアンス対応です。
- コアの役割の3つめは、IoT Edgeです。
- Azure IoT Edgeでは、クラウドで使っている機能をIoTデバイスで実行可能です。例えば、Azure Functions、Azure Stream Analytics、Azure Machine LearningをIoT Edgeで実行可能です。 Azure IoT EdgeはWindows, Linux OSの両方に対応していますので、デバイスも選択肢も広くあります。 エッジはデータを送るだけで、分析をクラウド上で行う場合は、複数デバイスのデータをマージして分析するなど、高度な処理が実行可能です。 一方、エッジ側で分析などの処理を行う場合は、ほぼリアルタイムでの応答が可能になります。 そのほかにも、クラウド側に不要なデータを送信しなくて済むように、エッジ側で知的な処理を行ってデータを選別してから、クラウドにデータを送るなどに活用ができます。
- ここ数年、コンテナという言葉を耳にすることが増えてきたかと思いますが、エッジもコンテナの時代になりました。 ここではコンテナの詳細な説明は割愛しますが、コンテナはアプリケーションのパッケージング方法と考えることができます。 例えば、JavaのアプリケーションであればJARファイルという形でアプリケーションをアーカイブして、配布、実行することができます。 コンテナの場合は、コンテナイメージという形式でアプリケーションの実行に必要なライブラリとアプリケーションをパッケージングして、配布、実行します。 コンテナの場合はコンテナを起動するだけで、様々なデバイスでモジュールを動かすことが容易になります。 IoT edge のエージェントもコンテナで配布されており、コンテナエンジンが実行可能なマシンであればどこでも利用することができます。
- Azure IoT Solution Acceleratorは、IoTの一般的なシナリオ向けに自在にカスタマイズ可能なソリューションをテンプレートを使って作成します。 現在用意されているテンプレートは、 リモート監視：デバイスのデータをリアルタイムに収集、分析し、リモート診断からメンテナンス要求まで、アラートやアクションが自動的にトリガーされます。 コネクテットファクトリ：現場で稼働している機械を含め、産業機器やデバイスをクラウドに接続して監視します。IoTデータを分析することで工場全体の業績向上に役立つ分析情報を入手できます。 予防保守：起こりうる問題を事前に把握します。センサーやデバイスからのストリーミングデータを分析することで、装置の不具合を予測、防止し、高額な修繕費の発生を回避できます。 デバイスシミュレーション：数万台のシミュレーションされたデバイスでIoTソリューションをテストできます。開発サイクル全体を通じて、他のアクセラレータやカスタムソリューションに接続できます。
- ティッセンクルップエレベーター者の事例をご紹介します。 エレベータ業界の4強の一角を占めるティッセンクルップエレベーター社は、実践的にIoTとMLを組み合わせた予防保守の仕組みを構築しました。 部品の摩耗状況から交換時期を把握し、問題の発生を未然に防ぐ、予防保守。 ティッセンクルップ社では、一歩先を行く予防保守を実現するために、常時監視で予兆を発見してアクションを取る。本セッションの冒頭でご紹介した、モノ、洞察、アクションをまさに実現しています。 これらを実現するために、マイクロソフトの技術を使って、デバイス収集したデータのリアルタイム解析や可視化を実現しています。 この結果、エレベータの稼働時間を増加し、保守費用の低減が実現できました。 これは、保守サービスの例ではありますが、このような仕組みは、製造業における工場のラインにも適用できますし、製品の品質チェックおよび品質保全などにも発展させることができます。
- 各種センサーデータは、IoT Gateway を通じてクラウド上に送信されます。 予兆を検知するためにセンサから収集したデータを利用して、予兆／原因の学習モデルを作成・更新していきます。 制御装置とセンサーからのデータは、IoTゲートウェイを通じてクラウドに送信され、Azure Stream Analyticsで時系列に処理され、機械学習によって問題の前兆となるパターンを見つけ出しアラートをあげます。 ティンッセンクルップ社は、この予防保守に加えて、問題発生時の対処方法のノウハウも学習モデルとして定義することで、未熟な技術者でも保守作業が簡単に行えるようにしました。 データに基づく対処方法も導出することは IoTとMLをフル活用した事例といえます https://www.microsoft.com/ja-jp/business/dynamics365/newsletter-1607-casestudies.aspx
- RETAIL Better customer experiences New market opportunities
- HEALTHCARE Improved quality and better outcomes for patients, anywhere
- SMART CITIES Smarter buildings, eefficient infrastructure, increased safety & convenience
- TRANSPORTATION People and goods moving reliably, more safely, and using less energy.
- ENERGY Reducing energy consumption and environmental impact
- AGRICULTURE Better yields with lower environmental impact & natural resource usage
- IoT Showは、Azure IoTのサービスや機能を紹介するストリーミングです。デモを交えての説明など、わかりやすく様々な機能を紹介しています。 IoT Schoolは、Azure IoTのソリューションを理解するためのラーニングパスを提供しています。