×
Copy
Open
Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
~IoT は誰でも簡単に始められる ~ 2024年9月7日 四国クラウドお遍路 2024 in 高知 株式会社ディーネット 寺井 AWSのIoTサービスを駆使して 異常検出デモを作ったお話
Slide 2
Slide 2 text
2 自己紹介 • 名前 • 寺井 俊喜（テライ トシキ） • 所属 • 株式会社ディーネット（2022/12~） • AWS 提案・設計・構築 • 好きなこと • 音楽、猫、お酒、ゲーム、効率化 • 好きなAWSサービス • Amazon EventBridge • SNS/ブログ • X（@TeraiToshiki） • DENET技術ブログ（t.terai） 1年後 1年後
Slide 3
Slide 3 text
会社概要 Copyright © Digital-Effect Network CO.,LTD. All Rights Reserved. 3
Slide 4
Slide 4 text
ディーネットについて Copyright © Digital-Effect Network CO.,LTD. All Rights Reserved. 4
Slide 5
Slide 5 text
5 今年で３回目の登壇 （ありがとうございます。） 四国クラウドお遍路 2022-ノーコード時代の 今だからこそ地方のクラウド活用再入門- 2022-11-12 開催 四国クラウドお遍路 2023 - 四国の外のモノサシを知ってみよう - 2023-09-16 開催
Slide 6
Slide 6 text
今日お話ししたいこと 6
Slide 7
Slide 7 text
IoTは意外と取っつきやすい(AWSなら) 7 ⇨触ったことがない人 ぜひやってみてほしい
Slide 8
Slide 8 text
8 1. 『AWS Summit Japan 2024』で出展したデモの紹介 2. アーキテクチャについて 3. AWSにおけるIoTの取っつきやすさのワケ 4. IoTを気軽に使えるようになるためのTips 5. まとめ アジェンダ
Slide 9
Slide 9 text
1. 『AWS Summit Japan 2024』で 出展したデモの紹介 9
Slide 10
Slide 10 text
10 ここら辺に設置 AWS Summit Japan 2024 ブース出展しました！
Slide 11
Slide 11 text
11 システム概要 正常 異常 プラレールに４つのコンテナが乗っていることを正常とし、 コンテナの乗せ忘れや荷崩れを自動で検出する異常検知システムです。
Slide 12
Slide 12 text
12 デモ動画（正常時）
Slide 13
Slide 13 text
13 デモ動画（異常検知）
Slide 14
Slide 14 text
14 結局なにやってんの？？（図解） Jetson Nano ①検知 ②撮影 コンテナの１番目が あらへんわ！！ 赤 外 線 セ ン サ ー ここだけコンテナが無い ① 列車の通過をセンサーで検知 ② センサーの検知をトリガーに車体を撮影 ③ コンテナの乗せ忘れ(異常)を検出 ④ +α 検出結果をIoT Core経由でAWSへ送信 結果データ AWS Cloud ④結果送信 ③異常検出
Slide 15
Slide 15 text
15 補足：物理コンポーネント紹介 ⚫ コンテナ車 異常検出の対象。 4つの荷台すべてにコンテナを乗せられていることを正常とする。 ⚫ センサーユニット 赤外線センサーによりコンテナ車の通過を検知し、Jetson Nano に通知します。Raspberry Pi Picoで実装。 ⚫ 撮影台 コンテナ車を俯瞰して撮影することで全体を写真に収めます。 ⚫ Jetson Nano GPU搭載小型コンピュータ。NVIDIA製。OSはUbuntu。 全体の制御や異常検出モデルの実行など物理側の処理全般を担い ます。
Slide 16
Slide 16 text
16 補足：物理コンポーネント紹介＋α ⚫ ディスプレイ 異常検出結果を出力します。Jetsonの操作時にも利用します。 ⚫ ノートPC QuickSightのダッシュボードを表示します。
Slide 17
Slide 17 text
17 デモ動画（異常検知）※再掲
Slide 18
Slide 18 text
2. アーキテクチャについて 18
Slide 19
Slide 19 text
19 全体構成図
Slide 20
Slide 20 text
20 全体構成図 - 大まかな機能グループ別色分け
Slide 21
Slide 21 text
21 全体構成図 - 大まかな機能グループ別色分け ストリームデータ処理 時系列データ格納・分析 蓄積データの可視化 システムエラー AWS障害 検知+通知 IoT×AWSの連携 機械学習モデルの作成 エッジデバイスへのデプロイ エッジデバイスでの リアルタイム異常検出 （オフラインで検出可能）
Slide 22
Slide 22 text
22 全体構成図 - 大まかな機能グループ別色分け システムエラー AWS障害 検知+通知 ⑤ストリームデータ処理 時系列データ格納・分析 ⑥蓄積データの可視化 ①IoT×AWSの連携 ②機械学習モデルの作成 ③エッジデバイスへのデプロイ ④エッジデバイスでの リアルタイム異常検出 （オフラインで検出可能）
Slide 23
Slide 23 text
23 ①IoT×AWSの連携（IoT Core ） ➢ エッジデバイスからIoT Coreのエンドポ イントへ結果データをパブリッシュ (MQTTプロトコル) ➢ 特定Topicへのデータ到着をトリガーに IoT Ruleで定義したActionを実行
Slide 24
Slide 24 text
24 ②機械学習モデルの作成（Lookout for Vision, SageMaker Ground Truth） ➢ S3に格納したテストデータ(実際の写真) を用いてSageMaker Ground Truthでア ノテーション作業 (異常箇所を覚えさせる) ➢ Lookout for Visionで異常検出モデルとし てコンポーネント化
Slide 25
Slide 25 text
25 Amazon Lookout for Visionについて 引用元：https://aws.amazon.com/jp/lookout-for-vision/ https://docs.aws.amazon.com/ja_jp/lookout-for-vision/latest/developer-guide/getting-started.html
Slide 26
Slide 26 text
26 Amazon SageMaker Ground Truthについて 引用元：https://aws.amazon.com/jp/sagemaker/groundtruth/ アノテーション作業を行うワーカーの管理ができるようになる (外部のベンダーにアウトソーシングしたりできる) 大人数でアノテーション作業を行いたいときに便利
Slide 27
Slide 27 text
27 緊急クエストを発令して社内でアノテーション大会を実施
Slide 28
Slide 28 text
28 結局なにやってんの？？（おさらい） コンテナが乗っていない＝台座が見えていることを異常としている ここを学習させている
Slide 29
Slide 29 text
29 Amazon SageMaker Ground Truth 実際のアノテーション作業の動画
Slide 30
Slide 30 text
30 ③エッジデバイスへのデプロイ（IoT Greengrass） ➢ エッジデバイスにIoT Greengrassコアソフ トをインストールすることで、AWS環境の モデル(Lookout for Vision)をデプロイ →エッジデバイス側からAWSに取りにいっ てるイメージ
Slide 31
Slide 31 text
31 ④エッジデバイスでのリアルタイム異常検出（Lookout for Vision） ➢ エッジデバイス(Jetson nano)上 のLookout for Visionモデルで異 常検出 ➢ ラズパイ、センサー、カメラを組 み合わせてローカル環境で異常検 出処理が完結
Slide 32
Slide 32 text
32 Lookout for Visionの注意点 デプロイがうまくいったエッジ推論ユニットにつき $100/月 かかるので注意
Slide 33
Slide 33 text
33 余談：何度やってもGreengrassソフトウェアがエラーとなる... (あっ...プロジェクト失敗...?) ／(^o^)＼ｵﾜﾀ
Slide 34
Slide 34 text
34 余談：藁にもすがる思いでAWSサポート・re:Postで質問を投稿
Slide 35
Slide 35 text
35 愚痴：Greengrassソフトウェア側のバグ引いてた
Slide 36
Slide 36 text
36 愚痴：Greengrassソフトウェア側のバグ引いてた 今回の問題に対応したバージョンをリリースしてくれた (なんか嬉しい
Slide 37
Slide 37 text
37 ⑤ストリームデータ処理（Dynamo DB Stream, Lambda, Timestream） ➢ IoT ActionでDynamo DBへ 異常検出結果を書き込み ➢ Dynamo DB StreamでLambda をトリガーしてデータ分析と Timestreamへの書き込み ➢ Bedrock(Claude3.5)で集約した データから車両の傾向分析
Slide 38
Slide 38 text
38 ⑥蓄積データの可視化（QuickSight） ➢ 前述したデータをQuickSight ダッシュボードで一覧化
Slide 39
Slide 39 text
39 全体構成図 - 大まかな機能グループ別色分け（再掲）
Slide 40
Slide 40 text
3. AWSにおけるIoTの 取っつきやすさのワケ 40
Slide 41
Slide 41 text
41 AWSにおけるIoTの取っつきやすさのワケ • メッセージブローカー・デバイス管理等、面倒事はAWSが請け負う • ルールエンジンで他のAWSサービスとも組み合わせ易い IoTに必要な多くのサービスをフルマネージドで提供 サーバーレスでインフラ管理の手間が省ける • サーバーの管理、スケーリング、メンテナンスを考えなくていい 低コストで始められる • サーバーレスで時間単位の課金形態がほぼない • そもそもサービスの利用料が総じて安い（気がする） （※Lookout for Visionのあたりは例外）
Slide 42
Slide 42 text
42 5. IoTを気軽に使うためのTips
Slide 43
Slide 43 text
43 ①IoT Coreって意外とシンプルで簡単に使えるんやで 設定ウィザード的なんが用意されとって簡単にセットアップできる
Slide 44
Slide 44 text
44 IoTデバイス側に設置するためのサンプルコードも用意されとるし 接続とかデータのやりとりも簡単ですぐに始められるんや ①IoT Coreって意外とシンプルで簡単に使えるんやで https://github.com/aws/aws-iot-device-sdk-python-v2/blob/main/samples/mqtt5_pubsub.py
Slide 45
Slide 45 text
45 ②IoTルールはただのマニュアルみたいなもんや ①このトピックに入ってきた 一連の動作を定義するマニュアル的なやつや SQLっぽい書き方でメッセージ処理も直感的にできんで ②このデータに対して ③このアクションをする
Slide 46
Slide 46 text
46 合計23のアクション をサポート （2024/08/31時点） ③IoT アクションのバリエーションが豊富で便利やねん LambdaとかS3、SNSとか、いろんなAWSサービスと連携できるから やりたいことがすぐ実現できるわぁ
Slide 47
Slide 47 text
47 デバイス認証とかデータの暗号化も証明書ベースで簡単にできるから セキュリティ面も安心やわ ④セキュリティもちゃんとしとるから安心やで
Slide 48
Slide 48 text
48 権限管理もIAMポリシーみたいなんで設定できるから結構分かりやすいんよ ⑤デバイス管理がめっちゃ楽やねん
Slide 49
Slide 49 text
49 さまざまな業界やユースケースでの成功事例や失敗事例が共有されとるから 大きな安心材料の一つになると思うわ ⑥IoTを使ってみた同志がぎょうさんおるから安心やで！
Slide 50
Slide 50 text
まとめ 50
Slide 51
Slide 51 text
まとめ 51 • AWSならIoTを気軽に始められる • サクッと作って、試して、ダメなら壊してやり直す クラウド(AWS)のメリットを最大限活用できる • IoTってええわぁ。
Slide 52
Slide 52 text
AWSアドバンスト コンサルティングパートナー ご清聴ありがとうございました。