Upgrade to Pro — share decks privately, control downloads, hide ads and more …

スマート工場に向けたIoTデータ分析の実際のところ / SmartFactory-IoT-Data-Analytics

スマート工場に向けたIoTデータ分析の実際のところ / SmartFactory-IoT-Data-Analytics

AWS IoT Loft #2
スマート工場に向けたIoT データ分析の実際のところ
~ From エッジ to クラウド ~

Takanori Suzuki

July 17, 2019
Tweet

More Decks by Takanori Suzuki

Other Decks in Technology

Transcript

  1. 1 Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    スマート工場に向けた IoTデータ分析の実際のところ ~ From エッジ to クラウド ~ 2019/07/17 Acroquest Technology Co., Ltd. 鈴木 貴典 AWS IoT @ Loft #2 ハッシュタグ:#IotLoft
  2. Copyright © Acroquest Technology Co., Ltd. All rights reserved. 2

    自己紹介 ◼ 所属 • Acroquest Technology Co., Ltd. ◼ 主な業務分野 • システムアーキテクト • IoTサービス開発 • ビッグデータ処理プラットフォーム • サーバーレス・アーキテクチャ ◼ バックグラウンド • エンタープライズ/ミッションクリティカル • SEPG/開発/マネジメント • Java/Python 鈴木 貴典 シニアテクニカルアーキテクト Acro = 先端を quest = 探究する
  3. Acroquestのミッション・ビジョン Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    3 テクノロジストチームとして ビジネスの革新的価値創出に挑戦する ビジョン Acroquestの創り出す技術で 地球を感動で進化させる ミッション
  4. IoTドメイン Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    4 異常検知や設備保全に向けたIoTサービス開発や 機械学習・AIを活用したデータ分析などを行っています
  5. 今日の話の前提と趣旨 Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    5 ◼ 前提 ① 「スマート工場」と言っても、業種や工場によってイメージは大分違う。 ② 今日の話は、設備保全・予知保全に関する内容。 ③ 私自身は、ハードウェア/組み込み系エンジニアではなく、 ソリューション系(ソフトウェア中心)エンジニア。 ◼ 趣旨 ① 製造業のIoT、やってみると、いろいろとハマりどころがある。 ② どのようなところが注意点になるのか、実体験を元にした話。 ③ 今日は、振動解析をベースにした話。 (PLCでデータを取得・分析するケースでも同様の話がある) ④ 分野が違うと、マニアックに感じる部分もあるかもしれないので、 その場合は、ぜひ質問してください。
  6. 今日の話の前提と趣旨 Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    6 生産ライン 生産設備 部品・機器 工場 対 象 範 囲 データ測定頻度 この辺りが 今回の対象
  7. 1. 一般的なIoT vs スマート工場のIoT Copyright © Acroquest Technology Co., Ltd.

    All rights reserved. 7 一般的なIoT スマート工場のIoT データ 発生頻度 1分~数分単位 数十ミリ秒~1秒以内 フィードバック 速度 数秒~数十秒 数秒以内 モノの種類 特定のデバイス (1つの工場・生産ラインで) 数十種類の機器・設備
  8. 2. 振動解析を利用した予知保全の構成 Copyright © Acroquest Technology Co., Ltd. All rights

    reserved. 8 課題① センサーは 多種多彩で 性能もピンキリ 振動センサー (加速度センサー) エッジ処理 IoT ゲートウェイ データ分析 課題③ 秒間1000件以上 にもなる 大量データ処理 課題④ 何のデータを どのように 分析するか? 基本的なデータ測定・収集・分析のための構成 課題② アナログ デジタル AWS IoT Greengrass AWS IoT Core AWS IoT Analytics Amazon SageMaker
  9. 2-①. 振動センサーの対応範囲 Copyright © Acroquest Technology Co., Ltd. All rights

    reserved. 9 目的や特性に応じたセンサーを、選択できているか 振動データ自体は 何かしら取れてしまうので おかしい状況でも気づきにくい • 価格や、3軸/6軸と多機能だから、 といって選んでしまう失敗 • 簡易なセンサーは、 10~1000Hzあたりが対象範囲 機械的な異常を検出するのは 困難 出典:IMV, なるほど!振動計
  10. 2-②. 振動センサーからのデータ収集 Copyright © Acroquest Technology Co., Ltd. All rights

    reserved. 10 実際の現場や計測機器に対して、想定のズレに注意 振動センサー PLC • 「BluetoothやWiFi経由」で データが取得できる(想定だった) 一部のデータだけだったり、 計測しながら取得できなかったり、 ということがある。 • 1Hz = 1件/秒 10kHz対応のセンサーの場合、 1万件/秒のデータ量になる。 • アナログ<->デジタル変換しないと データ収集ができない
  11. 2-③. 振動データの分析方法 Copyright © Acroquest Technology Co., Ltd. All rights

    reserved. 11 加速度波形 FFT解析結果 3軸の振動データ例 「なんとなく可視化」「なんとなく分析」では導入効果がない • 加速度の生データを可視化 データ量は多いし、 一定でもないため、ほぼ意味なし • 加速度の最大値で判定 設備異常を検知するのは困難 動いた/停まった、ぐらいの判断 • よく見るFFT解析 専門家でないと分からない 誰が何に使うデータか?
  12. 3. 振動データの分析例 Copyright © Acroquest Technology Co., Ltd. All rights

    reserved. 12 振動波形そのものではなく 振動の強さを算出して 傾向を分析(トレンド) FFT解析そのものではなく モデル化し、機械学習で パターン分析(特徴量) 人が見て、分かる/判断できるデータにして活用 エッジで算出して クラウド上で 設備複数台や 生産ライン全体を 可視化/分析
  13. 4. 工場内からのデータ送信(From エッジ to クラウド) Copyright © Acroquest Technology Co.,

    Ltd. All rights reserved. 14 工場内の設備をモニタリング (振動、電流、etc) 工場から直接の データ送信は不可 やはりここは AWS IoT だよね!
  14. 4. 工場内からのデータ送信(From エッジ to クラウド) Copyright © Acroquest Technology Co.,

    Ltd. All rights reserved. 15 工場内の設備をモニタリング (振動、電流、etc) 工場から直接の データ送信は不可 工場の運営会社の オフィスから データを送信 (API Gateway、S3) 最初はファイル送信等でもOK (現場の環境や前提も大事) 導入効果が出たら、さらにスマート化を目指す!
  15. 4. 工場内からのデータ送信(From エッジ to クラウド) Copyright © Acroquest Technology Co.,

    Ltd. All rights reserved. 16 API Gateway S3 SageMaker AWS IoT Core S3 SageMaker Kinesis Data Streams Lambda Lambda 入り口が変わっても ロジックはそのまま! API Gateway で受付 AWS IoT Core で受付
  16. まとめ Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    17 1. どのレベルをターゲットとしているか ① 部品・機器 → 設備 → 生産ライン → 工場 2. 振動解析を利用した設備保全/予知保全での注意点 ① 目的や特性に応じたセンサーを、選択できているか ✓ 振動センサーでは、1KHzまでのモノと、10KHzなどにも対応するモノがある。 ② 実際の現場や計測機器に対して、想定とのズレに注意 ✓ データの取得方法や内容は、センサーやデバイスに大きく依存する。 ③ 「なんとなく可視化」「なんとなく分析」では導入効果がない ✓ 誰が、どのようにして利用するためのデータか? 3. 現場の環境や前提も大事 ① いきなり最終形態にはならない。導入効果を踏まえてスマート化。