ページの本文へ

Hitachi

日立産業制御ソリューションズ



IoTシステムの構築で、お困りごとはありませんか?

• エッジ機器やクラウドの経験が無いため、開発・運用コストやセキュリティなどについて相談したい。
• 業務改善や作業の効率化のためのデータ収集、集積をサポートして欲しい。
• 利活用できていないデータを効果的に活用したい。ビックデータ分析やAI活用を支援して欲しい。


当社の「IoTフロントエンドソリューション」は、 エッジ機器でのデータ収集から、クラウドでの分析、AIモデルの開発まで、
機能とコストの最適バランスなシステムを構築支援し、新たな付加価値創出に貢献し、
DX化推進、データドリブン経営を支援するIoTソリューションです。

トピックス

2021年9月30日
PoCサービスを提供開始NEW:最新
IoTフロントエンドソリューションをご検討中で実現性を確認したいお客さま、具体的な製品・ソリューションの検討はまだしていないが、 データ収集・分析に効果があるか実感したいお客さま向けに、PoCサービスを提供開始しました。

2021年6月21日
新規公開
本ページ「IoTフロントエンドソリューション」を新規公開しました。

1.概要

IoTフロントエンドソリューションは、エッジ機器データの収集、クラウドでのデータ分析、AIモデル開発をトータルサポートします。
うまく活用されていなかったデータや収集されていなかったデータを効率的にクラウドに集積し、最適なデータ分析を行うことで、 DX、データドリブンのための「可視化」「AI化」を実現するソリューションです。お客さまの目的に応じて、機能とコストの最適バランスなシステムを提供します。
また、検討前、検討中のお客さま向けに、「データ収集・分析の効果」を実感いただき、DX化に向けた取り組みの"取っ掛かり"として活用いただける「PoCサービス」を開始しました。

2.特長

@ ビジネス理解を重視したデータマイニング

  • "ビジネス理解"と"特徴量設計"を重視したデータマイニング。お客さまのビジネスモデルに最適な「知見」得ることを目指します。
  • 単なるデータ分析だけでなく、デザインシンキング(デザイン思考)を用いた価値創造が可能。当社はデザインシンキングのスキルを活用し、お客さまのDX化推進に必要なデータマイニングを提供します。

A ゴールを意識したデータクレンジング

  • エッジ側でのデータ収集の段階から、"データマイニング"・"AI活用"をゴールとしたデータ収集を行います。

  • エッジデータ収集では、さまざまな機器のデータを集約、数値化し、分析に必要なデータのみをクラウドにアップロード。通信量やクラウドリソースを節約、機密情報保護ができます。

B 機能とコストの最適化

  • 目的に応じて、エッジデバイス・オンプレミスサーバ・クラウドシステムを組み合わせて、機能とコストの最適バランスなシステムを構築します。

  • パブリッククラウド活用により、高速処理、大量の学習データによるAIモデルの精度向上、マイニングによる付加価値創出。エッジAIの活用では、リアルタイム処理やポータビリティを実現します。

3.ソリューション内容紹介

① データ収集・データクレンジング

エッジ機器ごとにデータ収集・認識するシステムを準備する必要がなく導入コストを削減できます。

組込み機器ソフトウェア開発で培われた技術で、さまざまなエッジ機器情報を一括して収集・認識。分析に必要なデータを数値化します。
データ収集は、ケースによってエッジデバイスから直接クラウドにデータをあげた方が良いのか、オンプレサーバでデータを分析に合わせて加工してクラウドに上げるのか、 お客さまのご要望と実現機能のバランスをみてフレキシブルに対応することが可能です。

② データマイニング

データサンプルをシンプルなアルゴリズムで分析しデータの特徴量を検証。
「分析のための分析」を行うことで最適なアルゴリズム、パラメータを設計。

当社のデータマイニングは、"ビジネス理解"と"特徴量設計"を重視しており、お客さまのビジネスモデルに最適な「知見」得ることを目指します。 データマイニングを「問題を解決するためのもの」だけでなく「目的を達成するためのもの」にし、その目的にたどりつくさまざまな道筋を発案することが可能です。

ポイント:データ分析において最も難しいのがデータが「似ている」「似ていない」をどう定義するかです。分析のための分析を行って特徴量を検証することで、より良い分析結果を得ることができます。

③ AIモデル作成

データマイニングで得た特徴量をもとに、学習・推論を行うAIモデルを作成。
より高い学習速度とより少ないリソースでのAI運用を実現します。

ポイント:一般的に機械学習は深層学習に比べ学習時間が短く済みます。 ただし、機械学習は特徴量と観測値の数が学習時間に影響を与えるため、モデルの精度向上にはしっかりとした特徴量抽出が必要となってきます。

④ パブリッククラウドAI機能活用

深層学習が必要なシチュエーションではパブリッククラウドのAI機能を活用。
時間のかかる深層学習を学習済モデルの転移学習で時間を短縮。

顔検出と分析(顔認証・検索) Personal Protective Equipment(PPE)の検出
画像や動画に顔が表示されるタイミングを簡単に検出し、性別、年齢、目の大きさ、眼鏡、顔の毛などの属性を取得できます。動画では、これらの顔の属性が時間と共にどう変化するかも測定します。 画像に映っている人物がフェイスカバー (フェイスマスク)、ハンドカバー (手袋)、ヘッドカバー (ヘルメット) などの PPE を着用しているかどうか、またそれらの保護器具が、該当する身体の部分 (フェイスカバーでは鼻、ヘッドカバーでは頭、ハンドカバーでは手) を覆っているかどうかを自動的に検出します。

ポイント:パブリッククラウドサービス側で学習済モデルを提供しており、 ユーザー固有のデータに合わせて追加学習(転移学習)が可能です。また、カスタムラベリングを行うことで、アセンブリライン上の 特定の機械部品を分類したり、生育不良な農産物を検出したりといったことが可能になります。

⑤ エッジAI

クラウド上で学習した推論プログラムをエッジ端末にデプロイ。
エッジ端末はエッジサーバで数値化されたデータで高速処理。

クラウドで作成したAIモデルをオンプレミスで運用することも可能。ケースにより最適な提案が可能です。

ポイント:一般的なエッジAIでは認識からAI学習・推論までを行うため 多くのCPU・GPUが必要となり、端末価格も高価になります。当ソリューションのエッジ端末は数値化データを推論に使用することで、 一般的なエッジAI端末に比べロースペックで安価な端末でも運用することができます。

4.ソリューション導入の流れ

本ソリューションではフェーズ単位でのご契約となります。
お客さまのご都合時期やご予算に合わせてソリューション導入が可能です。

IoTフロントエンドソリューションをご検討中で実現性を確認したいお客さま、具体的な製品・ソリューションの検討はまだしていないが、 データ収集・分析に効果があるか実感したいお客さま向けに、「PoCサービス」を開始しました。

PoCサービス紹介資料

5.想定されるケース事例

IoTフロントエンドソリューションを活用し、新たな付加価値創出するシステムの想定事例を紹介します。

No 主となるエッジデバイス 想定されるシステム 概要
1 カメラ・映像認識 盗難行動予兆/危険行動予兆/
装備チェック/作業員配置最適化/
倉庫陳列最適化/交通状況把握
など
※フィジカルセキュリティは含まれません
カメラ映像から人や人の動作・物や物の動きを認識し、認識データを活用したシステム構築を支援します。
映像データは、特にデータ量が多くなるので、エッジとクラウドの使い分け、画像認識、映像AI活用によるデータクレンジングがポイントになります。
2 センサーフュージョン
※ 複数のセンサの情報を使って新しい情報を抽出する方法
危険行動予兆/故障・破損予兆/
設備補修計画予想/温湿度管理計画予想
など
人感センサー、振動センサーなどさまざまなセンサーのRAWデータを認識し、認識データを活用したシステム構築を支援します。
3 製造機械・ロボット 装置稼働情報管理/故障・破損予兆/
製造装置異常による生産品不具合検知
など
※製品検査は含まれません
製造機械や産業用ロボットの稼働ログや付随するセンサーデータを認識し、認識データを活用したシステム構築を支援します。
4 スマートデバイス 作業員配置最適化/危険行動予兆/
場内運搬車両稼働情報管理
など
スマートフォンに搭載されたGPSやWi-Fi・Bluetoothを活用し、屋外/屋内での位置測位を行い、測位データを活用したシステム構築を支援します。

6.導入事例

① 建設現場 資材/工具盗難 行動予兆検知

1.概要
映像と人感センサーで建設現場での人の動きを認識・数値データ化。Azure上にデータ集積し、集積されたデータを分析して“盗難が疑われる行動”を予兆検知。 分析結果はダッシュボードで表示し、建設現場の盗難リスクを見える化。

2.課題
建設現場で扱う工具や資材は高価なものが多く、建設現場自体が屋外になるため、盗難被害にあいやすい。現場に入る作業員も複数会社から多くの人が入るため、窃盗犯の識別が難しい。

3.対応事例
カメラ映像と人感センサーデータを集積し、通常の作業行動と盗難が疑われる行動をデータ分析し、可視化。分析結果から盗難行動を予兆するAIモデルを開発。

監視カメラと人感センサーのデータを数値化してクラウド上にアップロード
集積されたデータを分析し、盗難行動予兆AIモデルを作成

② 作業着完時刻自動収集

1.概要
人が作業している動きをカメラで撮影し、人の動きを数値データ化。作業のスタートからフィニッシュまでの時間計測や正しい手順で作業が行われたかを評価。

2.課題
外国人労働者や作業初心者の技術習得期間の短縮と正しい手順で正確にモノを組立てる技術の習得の実現。

3.対応事例
人の動きの認識と領域推定を組み合わせることで、人の行動を可視化。作業の着完時刻の自動収集や作業手順の自動判別を実現。

作業員の作業手順や時間をグラフで「見える化」し、「作業効率」を向上

AIを用いて、映像から体の向きや手の動きなどの姿勢をデータ化、独自の分析機能により動作を認識

経験豊富な映像システムエンジニアが、システム提案から開発、さらにはライブラリ提供まで、お客さまのお悩みに即した解決策をご提案、対応いたします。

AiValueUpは、データ活用を行うすべての取り組みに共通する「IoT時代のデータ前処理」を支援するサービスです

製造現場の課題に対し、今ある設備・仕組みを生かし、ステップアップしていくソリューションを提供します。