NCDC_Edge_20210420

近年、さまざまな情報がデジタル化され収集・蓄積されるようになりました。また、収集したデータをクラウド上で処理する仕組みも比較的容易に実現できる環境が整いつつあります。

一方で、システムの実用化を視野に入れると、クラウドとの通信を減らし、大量のデータを現場で、リアルタイムに処理する「エッジコンピューティング」と呼ばれる仕組みを活用すべきケースも出てきます。
具体的には、高い処理性能を持つIoTカメラを用いた「エッジAI」と呼ばれる仕組みや、「IoT」のシステムでも各種センサーから収集したデータをローカルで一次処理する仕組みなどがこれにあたります。

本セミナーでは、「エッジ」と「クラウド」の使い分け方、それぞれのメリット・デメリット、エッジコンピューティングをビジネスに活用する際に考慮すべきポイントなどを、事例を通じてわかりやすく解説します。

Transcript

1. エッジAI、IoTの活用事例から学ぶ エッジコンピューティング 2021/04/20 NCDC株式会社 茨木啓太
2. プレゼンター紹介 2 ⚫ 茨木 啓太 ⚫ シニアITコンサルタント ⚫ 経歴 ⚫ 情報処理による数学系をバックグラウンドとし、学生時代は数学に情 報処理を組み合わせたシュミレーションを用いた研究を実施し、数学 とITの融合を図る。 ⚫ 2009年日本電気（NEC）に入社。金融系の大規模システムの開発に加え、 次世代ATMやモバイルアプリを活用した決済システム・生体認証等、新 規サービスの企画・立案なども行ってきた。 ⚫ 2018年10月NCDCに入社。 IoT、AI、画像解析等を用いたアプリ開発、 AWSやAzureのアーキテクチャ設計など、幅広い分野で次世代のテクノ ロジーを活用したシステムを生み出す為に活躍中。
3. Business 事業領域の推進 Design ユーザ視点での設計 Technology 技術による課題解決 Innovation • コンサルティング • 新規サービス企画 • PoC支援 • デザイン思考 • UX/UIデザイン • モバイル・Web先端技術 • IoT / AI / AR • クラウドインテグレーション NCDCのサービス体系 3
4. 私たちにできること① ⚫ デジタルビジネスに必要な要素にフォーカスし、一元的に提供しています。 ⚫ スモールスタートでの検証から、本開発・継続的な改善までサポートします。 4 ワークショップを中心とし た合理的なプロセスで、ビ ジネスモデルの検討からUX デザインまで、迅速に行い ます。 関係者が多数いる場合の組 織横断、会社横断のファシ リテーションも得意です。 新規性の高いプロジェクト ではMVP（Minimum Viable Product）を用いた検証を行 うなど、目的に応じて段階 的な開発を企画します。 早い段階でモックやプロト タイプを用意してユーザの 評価を確認します。 ユーザとのタッチポイントとなる各種デバ イスのフロントエンドデザインから、クラ ウドサービスを駆使したバックエンドの開 発まで。多様なテクノロジーをインテグ レーションします。 ⚫ AI / IoT / AR ⚫ モバイル・ウェブ アプリ開発 ⚫ クラウドインテグレーション ⚫ システムアーキテクチャコンサルティング など ビジネスモデルのデザイン スモールスタート・PoC システム・インテグレーション ユーザ視点を大切にした 課題抽出・企画 モックやプロトタイプ の開発・検証 開発 継続的な改善
5. 私たちにできること② ⚫ 社内に最適な組織がない場合の組織づくりや人材育成から、高度な技術をもったエンジニ アによる技術移管まで、幅広くお客様をサポートします。 5 ビジネスモデルのデザイン スモールスタート・PoC システム・インテグレーション ユーザ視点を大切にした 課題抽出・企画 モックやプロトタイプ の開発・検証 開発 継続的な改善 企業のDXやデジタルビジネスの創出に必要なこうしたプロセスを多面的にサポート DX戦略立案 人材育成 技術移管 リファレンス実装 DX組織構築支援 アジャイル導入支援 手法や技術の選定 ブランディング
6. エッジコンピューティング（エッジAI、IoT）とは？
7. 本日のお話のについて ⚫ エッジコンピュータとはなにか？ ⚫ 「エッジ」と「クラウド」の使い分け ⚫ メリット・デメリット 7 事例を通して、 実際のプロジェクトで どうしているかを 紹介します
8. クラウドコンピューティングと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 ⚫ クラウドサーバにデータを集約して処理をする ⚫ エッジコンピューティング ⚫ 端末機器（各種センサやIoTカメラ、スマホなど）の近くに分散配置したコン ピュータでデータを処理する 8 データをそのままインターネットに送信する 集約先でデータ処理をする インターネット ローカル ネットワーク 現場、工場、社内など 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 ネットワークの端にあるデバイスやサーバで 何らかのデータ処理をする データ処理 現場、工場、社内など インターネット ローカル ネットワーク
9. エッジコンピュータのメリット ⚫ 通信量・通信コストの削減 ⚫ クラウドに動画などの膨大なデータを送る必要がない ⚫ リアルタイム性が高い ⚫ 端末とデータ処理する端末が近いので、素早く処理できる ⚫ ネットワーク障害に強い ⚫ ネットワークやクラウドで障害が発生しても動く ⚫ レガシーな装置をクラウドと連携 ⚫ インターネットに接続できない機器との間で動かすことで、 中継機としての役割 ⚫ アナログな環境とクラウドの橋渡しが可能 9
10. エッジコンピュータのデメリット ⚫ 拠点毎のサーバーが必要 ⚫ 複数の拠点に点在するサーバの管理が必要 ⚫ サーバー上のアプリケーションの管理も必要 ⚫ サーバの設置環境の検討が必要 ⚫ マシンスペックが必要な処理は苦手 ⚫ 高スペックのマシンを各拠点におくことは現実的でない ⚫ 例えばAIの学習をエッジで実施するのは難しい 10
11. エッジサーバーで気をつけないといけないこと① ⚫ 物理セキュリティ ⚫ エッジサーバー自体を盗まれたり、 壊されたりするリスクがある ⚫ 電源の確保 ⚫ オフィスや工場なら情勢つ設備のコンセントから ⚫ 移動体の場合、本体から取れるかの確認 ⚫ 電源がない場合はバッテリーが必要、 交換サイクルと運用方法の検討が必要 ⚫ クラウドとの通信方式 ⚫ SORACOM等のSIMをつかってLTE通信でクラウドに送るのが楽 ⚫ エッジサーバーの台数が多い時はSIMのランニングコストがネック ⚫ 1枚500円/月として1000台だと50万円/月 ⚫ なるべくデータを集約して、SIMの枚数を減らすなどの工夫が必要 11
12. エッジサーバーで気をつけないといけないこと② ⚫ 防水・防塵 ⚫ 外で使う場合は、荒天時の対策も必要 ⚫ 防水・防塵ケースの準備など ⚫ アルミ製だと電波が飛ばないのでプラスチックがよい ⚫ LANや電源用の穴が必要 ⚫ 熱や炎天下への対策 ⚫ 特に夏の炎天下はコンピューターには過酷 ⚫ デバイス認証のセキュリティ ⚫ 最低限、初期パスワードを変更するのは必須 ⚫ ネットワークの制限やssl, ftp等のプロトコルの制限 ⚫ ソフトウェアのバージョンアップ 12 市販のプラスチック製の 防水・防塵ケース
13. エッジでやるべき処理とクラウドでやるべき処理 どちらか片方を使うのではなく、実施する処理によって、 エッジとクラウドを組み合わせることが重要 13 エッジが向いている - データの収集と整形 - AIの推論 クラウドが向いている - データの集計や分析 - AIの学習 - ビジネスロジックが 関わる処理
14. 14 結局 エッジコンピューター 何に使えるの？
15. 15 実際に私が関わった案件から実例ベースで 何をエッジで、何をクラウドで実施したかを 紹介します
16. 事例1：エッジAIで車内カメラの動画解析
17. 事例概要 - エッジAIで車内カメラの動画解析 17 車内カメラ AIが シートベルト 着用を検知 アプリで シートベルト 着用を通知 ⚫ 動画解析技術を用いたシート ベルト着用率の改善 ⚫ 社内カメラの動画をAIで解析し て、シートベルト着用を通知
18. クラウド or エッジ ? - エッジAIで車内カメラの動画解析 ⚫ エッジで実施 ⚫ AIの推論（シートベルトの検知） ⚫ シートベルトをしていないことを、即時通知 ⚫ 動画なので、クラウドに転送すると通信費用が大きい ⚫ クラウドで実施 ⚫ AIの学習 ⚫ 学習にはハイスペックなマシンが必要 ⚫ 即時性は不要な処理 18
19. 具体的な実装- エッジAIで車内カメラの動画解析 19 車にカメラを設置 約1万枚の画像を撮影 シートベルトの 正解のデータを設定 AWS Cloud Amazon EC2 AWS上で、機械学習用の 仮想マシンを使用して学習 学習結果を入れた エッジコンピュータ＆カメラを車に 設置し、シートベルト検知 役者さんに依頼して、撮影会 オフショアで１万枚の画像に手入力
20. プロジェクトのプロセス ⚫ 最初から完成形を作るのではなく、 スモールスタートして、少しずつ精度向上と機能追加を実施 20 1st Step コンセプト検証 - 自分たちで車内を撮影し、 500枚程度のサンプル画像用意 - 検出精度は高くないが、 人物とシートベルトを 検知できることを確認 - この時点ではPC上でのみ動作 2nd Step 検知精度の向上 ハードウェアの プロトタイプ作成 - 車内に設置するエッジサーバー ＆カメラのプロトタイプを作成 - 教師データを増やして精度向上 - エッジコンピューターでの 機能を開発 3rd Step 夜間映像への対応 検知アプリのUI作成 - 赤外線カメラを用いて、夜間の 暗い車内でもシートベルトを検知 できるようにした - シートベルトをしてないことを 通知する簡易アプリの UIデザインと実装をした （デモ用）
21. 私たちにできること① ⚫ デジタルビジネスに必要な要素にフォーカスし、一元的に提供しています。 ⚫ スモールスタートでの検証から、本開発・継続的な改善までサポートします。 21 ワークショップを中心とし た合理的なプロセスで、ビ ジネスモデルの検討からUX デザインまで、迅速に行い ます。 関係者が多数いる場合の組 織横断、会社横断のファシ リテーションも得意です。 新規性の高いプロジェクト ではMVP（Minimum Viable Product）を用いた検証を行 うなど、目的に応じて段階 的な開発を企画します。 早い段階でモックやプロト タイプを用意してユーザの 評価を確認します。 ユーザとのタッチポイントとなる各種デバ イスのフロントエンドデザインから、クラ ウドサービスを駆使したバックエンドの開 発まで。多様なテクノロジーをインテグ レーションします。 ⚫ AI / IoT / AR ⚫ モバイル・ウェブ アプリ開発 ⚫ クラウドインテグレーション ⚫ システムアーキテクチャコンサルティング など ビジネスモデルのデザイン スモールスタート・PoC システム・インテグレーション ユーザ視点を大切にした 課題抽出・企画 モックやプロトタイプ の開発・検証 開発 継続的な改善 エッジAI、IoTのような 新規性が高い案件は スモールスタートで開始して 段階的に開発することがおすすめです
22. 使用技術 - エッジAIで車内カメラの動画解析 ⚫ エッジデバイス ⚫ Raspberry Pi + 赤外線対応カメラ ⚫ 主な使用技術 ⚫ TensorFlow + Keras ⚫ プログラミング言語 ⚫ Python 22
23. エッジサーバーのポイント-エッジAIで車内カメラの動画解析 ⚫ 電源 ⚫ 車(シガーソケットから) ⚫ 通信 ⚫ SORACOM社のSIM ⚫ 防塵・防水 ⚫ 車内で使う前提なので、簡易的なプラケース 23
24. 苦労話 -エッジAIで車内カメラの動画解析 ⚫ 画像に正解の情報(アノテーション)の設定が必要なのですが、 1万枚にするのは大変でした ⚫ オフショアでベトナムに依頼したのですが、 チェックするだけでも相当大変 ⚫ 1000枚分くらいは自分で設定したのですが、かなり大変 ⚫ 通常のカメラだと夜は使えないので、夜間用に赤外線カメラ対応 もしたのですが、普通のカメラと赤外線の両方に対応するのに苦 労しました ⚫ Try and Errorでやってたのですが、 1回の学習に30時間くらいかかったのも ネックでした 24
25. 事例2：エッジAIで商業施設の人の流れや人数を検知
26. 事例概要 - エッジAIで商業施設の人の流れや人数を検知 ⚫ AI(人検知)を用いた人流解析（お店の入店者数のカウントなど） の検証を実施 ⚫ エッジデバイスとカメラを用いて、 人流のリアルタイムでの検知を実施
27. クラウド or エッジ - エッジAIで商業施設の人の流れや人数を検知 ⚫ エッジで実施 ⚫ AIの推論（人検知） ⚫ 動画なので、クラウドに転送すると通信費用が大きくなる ⚫ クラウドで実施 ⚫ なし ⚫ この事例ではAIの学習は実施していません。Googleが無料で配布する 人検知のモデルを使用しました ⚫ 学習は大変かつ時間がかかります→ つまりコストがかかります ⚫ 人検知のような一般的な検知モデルは、 既に配布されている物を使うと割安で開発できます 27
28. 具体的な実装- エッジAIで商業施設の人の流れや人数を検知 1. エッジコンピュータはCoral Dev Boardを使用 ⚫ Googleが開発したAIに特化したシングルボードコンピューター 2. AIによる人検知は、TensorFlow Liteを使用 ⚫ エッジデバイスやモバイルデバイス向けのAIライブラリ ⚫ 1秒あたり50枚程度の画像に対してAIによる人物検知を実現 28
29. 使用技術のはなし - エッジAIで商業施設の人の流れや人数を検知 ⚫ エッジデバイス ⚫ Coral Dev Board ⚫ Googleが開発したAIプラットフォームを搭載した シングルボードコンピューター ⚫ 主な使用技術 ⚫ TensorFlow Lite ⚫ スマホやエッジデバイスなどの低スペックなマシンでAIが動く ⚫ 人物の検知に使用 ⚫ OpenCV ⚫ 画像解析のライブラリ ⚫ 人物の追跡に使用 ⚫ プログラミング言語 ⚫ Python 29
30. エッジサーバーのポイント- エッジAIで商業施設の人の流れや人数を検知 ⚫ 電源 ⚫ モバイルバッテリー ⚫ 設置後、1日〜数日で撤去する前提で準備 ⚫ 通信 ⚫ WEBとの通信なし ⚫ データはサーバ内に溜める ⚫ ただしwi-fiで管理用PCから制御可能 ⚫ 防水・防塵 ⚫ 室内かつ短期間の撤去が前提なので、簡易的なプラケース 30
31. 苦労話 - エッジAIで商業施設の人の流れや人数を検知 ⚫ Coral Dev Boardでの開発の情報が少ない ⚫ Raspberry Piと比べて世の中の情報が少ないので、開発をすすめる上で、 試行錯誤の連続でした ⚫ 例えば、画像処理ライブラリのOpenCVが動かなくてソースコードから自力 でビルド、、、するための容量が足りなくてSDカードを買いに走ったなど ⚫ TensorFlow Liteでの開発の情報が少ない ⚫ Coral同様にこちらも苦労しました ⚫ あたりまえですが、、、 メジャーではない技術を使用する場合は、単純に情報の少なさか ら実装難易度が上がるので注意が必要です 31
32. 事例3：工事機器が持つデータをIoTで即時クラウド連携
33. ⚫ 建設現場の機器のデータを 事務所等の遠隔地から グラフで確認 事例概要 – 建設機器が持つデータをIoTで即時クラウド連携
34. クラウド or エッジ -建設機器が持つデータをIoTで即時クラウド連携 34 ⚫ エッジで実施 ⚫ クラウドにデータを送信 ⚫ クラウドとの通信機能がない既存の装置のデータを、 クラウドに送信する中継機としての役割が大きい ⚫ 内容はそのまま送付(最低限の加工のみ実施) ⚫ データはテキストなので通信量は大きくない ⚫ 装置から送られてくるデータのフォーマットを統一 ⚫ クラウドで実施 ⚫ データの加工 ⚫ 現場情報の管理、ユーザー管理、帳票作成などの業務的な処理
35. 具体的な実装1 - 建設機器が持つデータをIoTで即時クラウド連携 ⚫ AWS IoT Coreを利用してAWS上のDBにデータを格納 35 AWS IoT Coreとは？ - AWSが提供するエッジサーバーをクラウドに接続するサービス - 複数(最大で数十億)のデバイスをAWSと接続可能 - 複数のエッジサーバーのデータをキューイングし、 同時に大量のデータを受けたとしても、全てを処理が可能(最大数兆件) - 普通のサーバーだと全て受け取れずに、データをロストする可能性あり エッジサーバー1 AWS Cloud エッジサーバー2 エッジサーバー3 AWS IoT Core バックエンド アプリ データベース AWS RDS
36. 具体的な実装2 - 建設機器が持つデータをIoTで即時クラウド連携 ⚫ AWS IoT Greengrassを使用してエッジサーバーからクラウドにデー タを連携するアプリを作成 36 AWS IoT Greengrassとは？ - AWSが提供するエッジサーバーの管理機能 - エッジサーバーをAWSのクラウドの一部であるかのように管理可能 - AWS上からエッジサーバーのアプリケーションの管理や更新ができる - AWS上でエッジサーバーのログも見れる - エッジサーバーからAWSへのデータ送信が簡単かつセキュアに通信可能 エッジサーバー AWS IoT Greengrass AWS Cloud データ AWSなどのパブリッククラウドが提供するサービスを活用することで、 エッジのデメリットの１つであるアプリケーションの管理の手間が大幅に軽減可能！！ AWS IoT Core
37. 使用技術 - 建設機器が持つデータをIoTで即時クラウド連携 ⚫ エッジデバイス ⚫ Raspberry Pi ⚫ 主な使用技術 ⚫ AWS IoT Greengrass ⚫ AWS IoT Core ⚫ プログラミング言語 ⚫ JavaScript ⚫ バックエンド : Node.js ⚫ Webアプリ: React 37
38. エッジサーバーのポイント- 建設機器が持つデータをIoTで即時クラウド連携 ⚫ 電源 ⚫ 建設現場の電源から取得 ⚫ 通信 ⚫ SORACOMのSIMを使用 ⚫ 防水・防塵 ⚫ 初期の実証実験では、 簡易的なプラケースを使用 ⚫ 本格運用では専用のケースを作り、 (なるべく)雨の当たらない場所に設置 38 簡易的な ケース
39. 苦労話 - 建設機器が持つデータをIoTで即時クラウド連携 ⚫ IoTと業務システムの両面を持つアプリに対する、 アーキテクチャ設計が必要でした ⚫ 単純なデータの収集と表示ではく、業務に必要な情報との連携 ⚫ WEBアプリへのリアルタイムでのデータ連携 ⚫ クラウド経由ではあるが、遅延10秒以内での表示を実現 39
40. その他のNCDCのAI・IoT関連事例
41. 事例｜IoTを活用したサービス開発 41 Client｜金融・リース Keyword｜新規サービス開発, PoC, IoT IoTを活用した 設備稼動可視化サービスの開発。 お客さまの課題 | モノをたくさん保有している リース会社にとってIoTは大きなテーマ。デジタル イノベーションによる新規事業の開発が今後必要 となるため、その推進役となるパートナーを求め ていた。 ソリューション | 年間契約でリースされるが、稼 働率が低い時期もあるフォークリフトを、稼働状 況に応じてお客さま同士でシェアリングできる仕 組みを開発。（ジャイロセンサー＋Bluetooth＋ SIMで稼働状況をリアルタイムでクラウドに記 録） NCDCの役割 | ワークショップ形式でお客さまと 一緒にペルソナづくりやカスタマージャーニー マップの設計などに取り組み、ビジネスモデルの 検討から実施。その後もPoC、プロトタイピング （UIの設計）まで、プロジェクト全体を担当。
42. 事例｜クラウドネイティブなデータ収集・分析基盤の設計 42 Client｜大学、空調機器メーカー Keyword｜ IoT , AWS ,システムアーキテクチャ センシングで最適な環境を。 IoTプラットフォームの設計。 お客さまの課題 | IoTセンサーで取得した環境情報 をもとに空調・照明の自動制御を行い、最適な空 間を作る実証実験を行う。同時に空気や光、人の 流れといった環境情報のデータを収集、分析して 研究者に提供するためのIoTプラットフォームをク ラウド環境で構築したい。 ソリューション | AWSのクラウドサービスをうま く活用することで迅速かつ低コストでのスケール が可能なIoT基盤を設計。各種センサーや機器との 接続やユーザ認証などのユーティリティサービス も策定した。また、セキュリティ対策についても コンサルティングを実施。 NCDCの役割 | 豊富な知見を活かしクラウドに最 適化したシステム（クラウドネイティブアーキテ クチャ）を提案し、難しいと考えられていたお客 さま要望を満たす基盤の構築を実現。
43. 事例｜医学的根拠に基づいたストレス管理アプリ開発 43 Client｜ベンチャー企業 Keyword｜UX/UIデザイン,アプリ開発 ウェアラブルデバイスと連携す るストレス管理アプリの開発。 お客さまの課題 | ユーザーが「どのようにストレ スを感じたのか」と「その時の心拍のデータ」を 照合してストレスレベルとその認知の傾向を管理 するアプリを開発したい。データ入力はユーザー 自身による日々の作業も必要になるため、UXを考 慮したUIデザインを重視している。 ソリューション | ウェアラブルデバイスとの連携 から、UX/UIデザイン、実装に至るまで、アプリ 開発に必要な機能をワンストップで提供。 NCDCの役割 | クライアントのもつストレス管理 の知見をアプリへ反映するための設計段階からプ ロジェクトに参画。UIデザインにおいては面倒な 入力作業を日々ユーザーに実行させるため、操作 性の良さに加えゲーミフィケーションの要素を取 り入れるなど積極的なUX改善提案を行った。
44. 事例｜リモート菜園アプリ開発 44 Client｜メーカー（食品） Keyword｜サービス企画, UX/UIデザイン,アプリ開発 スマート農業の新規事業企画 とプロトタイプ開発。 お客さまの課題 | 遠隔地にある菜園の現地視察に 要する移動コストの抑制やCOVID-19の流行によ る地域間移動の制約に対処するため、リモートで 菜園の状況をチェックできるシステムを検討して いた。 ソリューション | 当初検討されていた事業者がリ モートで菜園をチェックする仕組みだけでなく、 一般消費者がモバイルアプリを通じたリモート栽 培で自分好みの野菜を育てられるサービスを企画 しNCDCから提案。リモート菜園アプリによる新 たなビジネスの立ち上げを支援。 NCDCの役割 | サービス企画から、UX/UIデザイ ン、実装に至るまで、アプリ開発に必要な機能を ワンストップで提供。現地菜園へのネットワーク カメラの導入もNCDCが支援。
45. ご相談はお気軽に！ ⚫ DX関連、新規サービス企画、UXデザイン、クラウドインテグレーション、 アジャイル等のプロセス支援 ⚫ info@ncdc.co.jp 45