Hero Image
IoTプラットフォーム取組

1. プロジェクト概要 当社では、「IoTプラットフォームの開発」に取り組んでいますが多くの課題があります。みんなでひとつずつ解決する予定です。 取組みのコンセプト STEP-1.現場データの収集 STEP-2.現場データの可視化 STEP-3.データを業務改善に活用(データ分析) 2. 取組みの検討内容 2-1. 温度の遠隔監視・分析・表示 IoTで食品加工場、保管冷蔵庫・冷凍庫内の温度監視 任意の対象物と期間の温度と時間を集計分析・提示することで作業環境や商品管理の課題を抽出 湿度、CO2、PM2.5、照度センサーの利用 2-2. 屋外位置の遠隔監視・分析・表示 IoTでトラック、バス、タクシーなどの複数の移動位置を地図上にリアルタイムに表示 任意の対象物と期間の移動軌跡と時間を集計分析・提示することで最適ルートや安全管理の課題を抽出 位置情報は、GPS/GLONASS/みちびきの活用 2-3. 屋内測位の遠隔監視・分析・表示 人・モノなどの移動体に装着し、GPSが届かない屋内や地下空間での大まかな位置を把握 IoTで物流倉庫内の人・物の動態管理 任意の対象物と期間の移動軌跡と時間を集計分析・提示することで作業効率改善や安全管理での課題を抽出 ビーコンを利用した屋内の近接検知 3次元測位に係る技術の検証 3. 開発手順 センサーデバイスの検証と選定 デバイスとデータサーバーの連携通信方式の検証と選定 アプリケーションサーバーの構築 アプリケーションフレームワークの構築 データ分析できるAIソリューションの検証 アプリの開発技術の検証と実装 3次元測位に係る技術の検証 4. IoTプラットフォームのフレームワーク インタラクティブな分析と表示 温度の遠隔監視・分析・表示 屋外位置の遠隔監視・分析・表示 屋内測位の遠隔監視・分析・表示 以上

Hero Image
APIファーストについて

1.APIファーストについて 本システムは、マイクロサービス1をAPIで提供することをコンセプトに構築されています。APIファースト2の視点を取り入れることができれば、APIのURLごとに技術を変えたり、設計の統一ができるようになります。これによってメンテナンス性を向上させたり、マイクロサービス的な視点によってサービスの肥大化を防げるようになります。 2.システム構成 本システムでは、APIを利用することで各種サービスを要求に応じて追加提供できます。このために、バックエンドが複雑になっていますが各種監視まで細かな管理ができ信頼性のおけるシステムです。また、高速な通信技術と最新のセキュリティ技術を導入していますので優れたUXを提供しています。 また、開発・テスト・デプロイまで一連の作業が一部自動化されるなど見通しがよく使いやすい設計となっていますので、メンテナンスや拡張性に優れています。 バックエンドのGo言語は、並行処理や並列処理が言語レベルで備わっており、このCPUで複数の仕事を同時に行う機能により、大量の同時接続に対応できかつコンパイル型なので高速に処理することができます。 3.技術スタック フロントエンド 言語: Javascript フレームワーク: Svelte/Sapper バックエンド 言語: Go プラットフォーム: Micro データベース PostgreSql: リレーショナル データ ストレージ ArangoDB: マスタデータ用のマルチモデル Timescale: 高速時系列データベース Redis: キャッシュ用[Key-value]データベース オーケストレーション Docker KubernetesはMinikubeで動作します。 通信 gRPC: サービス間の高速な通信技術 JSON: データ記述言語 その他 NATS: Pub/sub NGINX: K8sの進捗コントローラ Vault: K8sのパスワード管理 Prometheus: モニタリングツール Grafana: データ可視化ツール 4.マイクロサービス 電子掲示板 SNS チャット SMS(プッシュ通知) アンケート(Google Formを使うが、連絡先のDB化) 広告掲載(SSHにて管理者が行う) API管理(アプリケーション管理)(システム管理者) メトリクス監視(1)(DB:PostgreSQL)(システム管理者) メトリクス監視(2)(DB:AngoraDB)(システム管理者) 以上 マイクロサービス:マイクロサービスとは、複数の独立した小さなコンポーネントやサービスの組み合わせによりアプリケーションを開発する、クラウドネイティブなアプローチのアーキテクチャーです。。 ↩︎ APIファースト:APIは、プログラム的な結び付きを使って他のコードにアクセスできるようにする仕組みです。これを利用するとソフトウェア開発に要する時間が根本的に短縮できます。また、ソフトウェア開発にAPIファーストのアプローチを取ればソフトウェア開発の作業を洗練できます。 ↩︎

Hero Image
Amazon Forecastによる時系列予測

1.「Amazon Forecast」を使って時系列予測サービスの検証 Amazon Forecastは、機械学習の経験なしで使用できる正確な時系列予測サービスです。 ノーコードで機械学習ができるので、プログラムをよく知らなくても実装できます。 バッチでエクスポートしたり、API を使用してビジネスアプリケーションに統合できます。 ※IoT デバイスを他のデバイスおよび AWS クラウドに接続するには「AWS IoT」を使うことになります。(LTE、WiFi経由) 2.時系列予測サービスのシステム化の手順 データの集積・データ分析基盤(DB、分析ツール) 学習用データの保存(AWS:S3) メトリクス、履歴、通知の管理(管理ツール) 予測(Amazon Forecast) 予測データの保存(AWS:S3) データベース(データの抽出)(Apps) 視覚化(BIツール) 3.検証テーマ 山口県を含めた6県の延べ宿泊者数(総数)の月別需要予測 e-Stat:機械学習に活用できる「政府系」等のオープンデータ データ列項目 対象県:山口県、広島県、岡山県、鳥取県、島根県、北海道 対象期間:2020/1~2020/12 対象項目:県、月、宿泊数 データ数:12ヶ月×6県=72件 予測期間:2021年1月~2021年3月(実測値との比較) 4.結果 コロナの影響、気候変動などが考慮されてなく、10月~12月が下振れトレンドなどから、1月、2月は全国的に平均予測値を大きく下振れしています。 感想 気候、祝日数、交通手段等の要素入れると精度が上がると考えられます。少ないデータを入れるだけで予測できること、システムに組み込みこめること考えると有用なサービスです。 以上

Hero Image
Bluetoothの位置決め

BLE屋内測位ソリューション 1.Bluetooth 5.1 で導入されたBluetooth方向検索 マルチアンテナアンカーのコンステレーションを使用して、Bluetooth方向検出を使用して、覆われた屋内環境内のモバイルデバイスまたはタグの正確な位置を三角測量できます。 Bluetooth 5.1 ベースの屋内測位では、メーターレベルの精度を実現できます。Bluetooth SIG によって定義された標準に準拠することで、デバイスで使用されるメッセージ形式がベンダー間で互換性があることが保証されます。 2.方向検索によるBluetoothの位置決め Bluetooth方向検出により、無線信号がモバイル クライアントと 1 つまたは複数の固定アンカー ポイントの間を移動する方向を決定することができます。Bluetooth は、アンカー ポイントでの無線信号の到着角 (AoA) に基づくソリューション アーキテクチャがあります。 方向検出 – 到着角度 (AoA) AoA は、リアルタイム位置情報サービス (RTLS) の実装やユース ケースの追跡に使用できます。 AoAの場合、モバイルアセットには、一定トーン拡張パケット(CTE)を含むBluetooth方向検出信号を送信するタグが装備されている。このシナリオでは、アンテナアレイによって行われた測定を使用して、ネットワークベースのエンジンを使用して入力信号の角度を決定します。以下に示すように、モバイル クライアントによって送信される信号は、アンカーのマルチアンテナ アレイを構成する個々のアンテナに到達し、残りのアンテナに対してわずかな位相シフトを伴います。信号が平面波を伝搬すると仮定すると、各アンテナで観察されたわずかな位相差を使用して、その到着角を計算することができます。 3.屋内測位ソリューション 屋内測位ソリューションは、物流、ヘルスケア、製造、小売、倉庫やスマートビルなど、幅広いユースケースに対応します。 工場環境では、屋内での測位と追跡は、複数の資産を継続的に見つけて追跡し、自動化を促進し、効率を向上させるのに役立ちます。 4.PoC BLEセンサー×LTE×データ解析について、検証しています。 以上

Hero Image
Grafanaとは

1.Grafanaの概要 Grafanaのドキュメント Grafanaとは、Grafana Labs社が開発したデータ可視化ツールです。 Grafanaを利用するためには元のデータが必要であるため、データを収集するツール(PrometheusやElasticsearch等)と組み合わせて使われます。 可視化に特化しているため、他プロダクトが各自で用意しているダッシュボードよりも時系列グラフの可視化自由度が高いという特徴があります。 2.Grafanaの主な特徴 データのクエリ、視覚化、アラート、およびデータの保存場所に関係なく、データの理解を行います。Grafanaを使用すると、美しく柔軟なダッシュボードを通じてすべてのデータを作成、探索、共有できます。 データベースではなくデータを統合する 誰もが見ることができるデータ 誰でも使用できるダッシュボード 柔軟性と汎用性 3.Grafanaの動作環境 当社のローカルSNSの場合 AWS-EC2:Ubuntu20.04 Metrics監視(1)DB : PostgreSQL 4.Grafana機械学習1 Grafana機械学習は、Grafana Cloudユーザーがシステムの現在または将来の状態の予測を作成する機能を提供します。 予測を作成するには、ソース クエリ (モデル化する時系列) と機械学習モデルの構成を定義します。システムは、バックグラウンドでモデルをトレーニングします。 モデルのトレーニングが正常に完了したら、クエリを発行して、将来のさまざまな時間に系列の値を予測できます。モデルは予測値の信頼限界も返します。 時間が経つにつれて、モデルは新しいパターンを学習し続けるので、自動的にデータと共に進化します。 4-1.はじめに メトリック予測の動作を確認するには、概要チュートリアル[^16102]を参照してください。 クエリを実行すると、機械学習プロメテウスデータソースを使用してクエリを作成するのに役立ちます。 モデル構成では、モデルを調整して予測を改善する方法について説明しています。 4-2.手順 このガイドでは、Grafana Cloud のメトリクスの使用状況の予測を作成します。 この予測を使用して、制限を超えると予測される場合や、予想外に増加したメトリックが発生したかどうかを確認できます。 予測の作成 機械学習>予測に移動します。 [予測の作成] をクリックします。 クエリ ビルダで、データソースグラファナクラウドの使用状況を選択します。 次のクエリを実行します。sum(grafanacloud_instance_active_series) [トレーニング モデル] タブをクリックします。 ここで何かを調整する必要はありませんが、ノブがチューニング可能なものを見てください。 [予測の作成] をクリックします。 予測に名前を付け、[確認] をクリックします。 予測を表示 グラファナクラウドアクティブシリーズ予測の表示をクリックします。 ビューをキャストの興味深い時間枠に変更します。 予測が実際の結果とどのように一致するかを調べ、将来何日か含んで、モデルがアクティブなシリーズがどのように進化すると考えているかを確認してください。 パネルで予測を使用する ビューページから: 右上の [コピー] パネル ボタンをクリックします。 パネルにアラートを含めるには、[アラートを含める]を選択し、それ以外の場合は[アラートなし]を選択します。 既存のダッシュボードを開くか、新しいダッシュボードを作成します。 クリップボードからパネルを貼り付けてダッシュボードにパネルを追加します。 新しいパネルを編集し、生成されたクエリを表示します。 以上 Grafana機械学習 ↩︎

Hero Image
温度・湿度・位置情報の見える化

生鮮食品輸送時に温度や湿度、位置情報を見える化し品質を担保 1. 生鮮物流現場の課題 生鮮物流では、消費者に食品が届くまでに仲買や小売、流通から保管、販売まで、多くの人手を必要としてきました。当然、業者や人の数だけ値段は高くなり、時間がかかるだけ鮮度も落ちていました。また商品の大量販売を前提とした均一性が求められる流通では、独自の工夫を凝らす生産者が正しく評価されない課題があります。 2.生鮮物流の課題をIoTで解決 SORACOMのセンサーを内蔵した機器、GPSマルチユニットで専用の冷蔵庫の保冷品を監視します。 異常発生時には、担当者にメールで連絡できます。 保冷品の温度、移動時間等のデータが蓄積でき、対策が立てられます。 3.センサー×LTE×クラウド上で表示 センサーには、温度、GPSユニットがついており組み合わせたデータが取れます。 センサーデータは、LTEによりルーターなどを必要とせずにクラウドへ送信されます。 時間、位置、温度を任意に組み合わせたデータをクラウドから取得できます。 4.見える化 SORACOMでは、データのグラフはGrafanaを使っており、自社でクラウドのデータを可視化する計画です。 デバイスの設定は、SORACOM専用のアプリを使います。慣れれば素早くできるようになります。 今後は、いろいろなケースでの利用方法を提案できればと考えています。 以上

Hero Image
冷蔵庫の温度監視システムについて

冷蔵庫の温度監視システムの検証 1. ビーコン対応GPSトラッカーGW(SORACOM) センサーからのデータを BLE (Bluetooth Low Energy) 通信で集約しゲートウェイデバイスからアップロードする IoT システムのサンプルとして、「冷蔵庫の温度監視システム」です。利用するデバイスは、BLE ゲートウェイ機能をもち LTE-M 通信による低消費電力で安定したセルラー通信ができる「ビーコン対応 GPS トラッカー GW」です。温湿度センサーには温度・湿度センサー搭載 BLE ビーコン「MM-BLEBC7」(サンワサプライ社) を使います。このレシピでは、以下のようなダッシュボードが作成します。 1-1. ビーコン対応GPSトラッカーGWの特徴 ビーコン対応GPSトラッカーGW ※1:対応ビーコン:iBeaconのみ ※2:対応していないセンサーについても、BLE デバイスがアドバタイズモードでデータを送信すればキッティングツールでの設定により中継できます。詳細はキッティングツール付属のマニュアルをご参照ください。 ※3:ビーコン対応 GPS トラッカー GW 以外の BLE ゲートウェイとして SORACOM が販売しているのは、以下の Acty-G3 です。Android 開発が得意であれば、選択肢になるのではないかと存じます。 ビーコン対応 GPS トラッカー GW の特徴 1台に位置情報(GPS)、温度、湿度、加速度センサーと充電式のバッテリーを内蔵しています。省電力なセルラーLPWANであるLTE-M通信を搭載しているので、電源を入れるだけでどこでも通信が可能です。ブラウザから簡単な設定をするだけで、SORACOMのプラットフォームと連携し、すぐにデータ取得から可視化を始めることができます。 1台で4種類のセンシングができる ブラウザだけで始められる 充電式バッテリー内蔵 消費電力が少ない セルラー通信でどこでも使える ビーコン対応 GPS トラッカー GW の詳細 GNSS (GPS/GLONASS/みちびき) による位置測位ができます。 Bluetooth Low Energy (BLE) ネットワークにおけるオブザーバーとして BLE デバイスからのアドバタイズパケットを受信できます。これにより、BLE センサーのデータを集約して送信できます。 SORACOM の LTE-M 通信に対応した特定地域向け IoT SIM (plan-D、plan-KM1) を使用できます。ビーコン GW のデータはセルラー回線を利用しソラコムプラットフォームに送信されます。 センサーデータは、SORACOM Harvest、SORACOM Lagoon を使用して可視化できます。また、SORACOM Beam や SORACOM Funnel、SORACOM Funk を使用してクラウドサービスやお客様のサーバーにデータを連携できます。 充電式バッテリーが内蔵されており、電源が供給できない場所でも利用できます。また USB Type-C アダプタによる給電をしながらでも利用できます。 防水(IPX5/IPX8)・防塵(IP5X)・耐衝撃性能(MIL-STD-810G Method 516.

Hero Image
BLE測位

1. BLE(Bluetooth Low Energy)への取組 当社では、人やものの流れを把握し「リードタイムの短縮」「原材料・在庫削減」等による生産性の向上手段について検証しています。 BLE(Bluetooth Low Energy)技術を使った3次元測位の検証について 方向検知機能の技術の検討 デバイスの選定と検証 通信の検証 データの見える化の検討 2. Bluetooth5.1について 前半は、Bluetooth5.1の開設動画のドキュメント化です。 2-1. Bluetooth5.1の新機能 方向検知機能が追加されその機能には、AoAとAoDの計算が含まれています。 その他の機能として、GATT1 キャッシング機能強化、アドバタイズチャネルインデックスのランダム化、アバタイズによる定期的な同期情報の転送などアドバタイズ機能の強化が含まれています。 3. 方向検知機能の技術 3-1. RSSI(受信信号強度)の測定 近接ソリューションはBLEを活用して2つのデバイス間の近接性を判断します。 RSSI(受信信号強度)を測定してそれらがどれだけ近いかを判断します。 タグが付いた物の近くにいるユーザーに情報を送ることができます。 例としては、小売店や図書館や美術館、観光地などがあります。 3-2. RTLS(Real-Time Location Services)などの測位システムの使用例 主に屋内で使用され目的のデバイスが置かれているかを検知します。 資産追跡、ユーザー追跡、経路探索ソリューションなどがあります。 Bluetooth5.1より前は、BLEデバイスの近接判断は、RSSI(受信強度)のみに依存していました。 当社の簡単な実験では、障害物、受信装置の設置方法などの要因で数メートルの誤差が確認されています。このような判断でこれまでのBLEによる測位は難しいと考えていました。 Bluetooth5.1では、AoAとAoDの計算により測位システムの制度は1m以内のレベルになるといわれています。 高精度位置情報を実現する方向検知機能と表現されることもあります。 3-3. AoA(Angle of Arrival) AoAは、RTLS(リアルタイム位置情報サービス)と物品検索に役立ちます。 AoAでは、受信機は2つ以上のアンテナが必要ですが、送信機に必要なアンテナは1つです。 例としては、移動物に着ける「移動タグ」、受信機は位置が固定されたデバイス「固定タグ」が移動タグが出す信号を変換して移動タグ(送信デバイス)の方向を計算します。 3-4. AoD(Angle of Departure) AoDの場合、屋内の測位システム(IPS:Indoor Positioning System)に有用です。 Aodでは、送信機は2つ以上のアンテナ、受信機には1つのアンテナが必要です。 例として、送信デバイスは、位置が固定されたデバイスで受信デバイスは移動するスマートファンなどが考えられます。 スマートフォンのアプリは、受信した信号の方向をAoDのデータから判断し、アプリで表示する地図上に位置を表示できます。 3-5. Gattキャッシング Bluetooth5.1で導入された他の機能としてGATTサーバーの属性テーブルを保存するGATTキャッシングがあります。 無線がオンになる時間を短縮できのそ結果消費電力を少なくできます。 接続も高速になります。 3-6. Advertising channel index の使用法と変更 アドバタイズ2パケットを送信するために使用されるアドバタイズチャネルインデックスの順序の新機能です。 プライマリアドバタイズパケットのチャネルは、37,38,39またはこれらのサブチャネルで送信されます。 v5.1以降は、これらのチャネルを任意の順序で使用できるようになりました。 これは、ネットワーク内のデバイス間通信でアドバタイズパケットを利用するような大規模なBluetoothメッシュネットワーク展開に役立ちます。 なぜなら、使用するチャネルの順序をランダム化することでアドバタイズパケットの衝突を軽減できるからです。 アドバタイズによる定期的な動機情報を転送する新機能です。 拡張アドバタイズメントを利用してデバイスを同期するモードが設定できます。 継続的にアドバタイズする別のデバイスと通信し、接続を確立せずに発生した「変更に関するデータ」を受信します。 このモードの最初の段階では、リスニングデバイスがアドバタイズパケットを継続的に追跡できるようになります。 Bluetooth5.

Hero Image
文書の管理

1. はじめに 1-1. 文書のペーパレス化の課題 業務 業務ノウハウを蓄積し活用したい 関係者が流用できる文書のひな型をデータベース化したい ひな型を作るルールを標準化したい ペーパレス化したい 検索ができるようにしたい 担当者のみが詳細を把握している状態の属人化をできるだけ避けたい。 同じような文書を担当者が変わる度に作成する無駄をなくしたい。 ブラウザがあれば業務が完了できるようにしたい 遠隔地からも同じ作業ができるようにしたい 様式美のためにやっている文書作成作業を軽減したい 部署毎の文書作成ローカルルールをなくしたい 文書作成コストを下げたい Word、Excelの課題 Word、Excelがないと読めない バージョン管理がしにくい 共同編集がしにくい 装飾と文章構造が分離されていない 差分が見にくい 機械可読性に欠ける 検索が難しい 大量の文書管理がファイルベースとなり管理が難しい ファイルの所在さえも担当者以外わからないことが多い。 同じような文書を何度も作成している。 文書の内容が多いと文書自体の装飾や編集に時間がかかります。 PDFの課題 スマートフォンで読みにくい 検索性が乏しい 編集できない バージョン管理がしにくい 再利用しにくい 機械可読性に欠ける 1-2. 構造化テキスト(Markdown形式1) マークダウン形式の文書で保管することのメリット 文章構造と表示部分が分離された軽量なフォーマットになります。 手軽にドキュメントを装飾できるフォーマットが使えます。 このことにより、流通性が高まり、部署、場所をまたいで利用できるようになります。 ファイルをダウンロードすることなく、多くの人の目に届けられる。 ファイルをメール等で送付することなく修正・校正、コメントなどフィードバックを得やすくすることが可能 システム化が簡易になります。このことにより以下のメリットがあります。 文書管理が簡単になり、属人化が避けることで文書資産を幅広く活用できます。 部署などの文書作成のローカルルールが公開することで誰もが理解できるパブリックなルールとなります。 検索が可能となり、文書の作成時に利用できる。 ブラウザ上で閲覧可能となります。 画像、動画などの管理もシステムで管理・共有・流用できます。 マークダウンは、PDFやHTMLへも変換は容易にできます。 共同編集が可能1となります。 文書の履歴管理ができるようになり、最新版の様式をいつも使えます。 レビューやコメント機能が使えます。 既存のWord文書内容の流用ができます。 マークダウン形式の文書で保管することのデメリット 管理するためには、やはりシステムが必要 マークダウン形式の文書作成に統一するコンセンサスが得られるか(これが最も難しい) 2. システム開発 前章で求められる機能を実現できるシステムは、どのようなものかまとめます。 2-1. 要件 文書の構文が、自由に作成 文書の構文をもとに作成された文書(ページ)は、この単位でマークダウンファイルとして保存 文書の編集は、公開・非公開、部署・担当者・業者、プロジェクト毎に閲覧・編集権限の管理 全文検索かつ検索結果の制限 ブラウザ上で閲覧・編集 画像(写真)、動画などの管理もシステムで管理・共有・流用 マークダウンは、PDFやHTMLへも変換 共同編集が可能1 履歴管理 レビューやコメント機能 既存のWord文書内容の流用 地方の県レベルで、毎年最低10万ページ作成可能(システムの拡張性) 同時アクセスが1万件程度 公開・非公開、部署・担当者・業者、プロジェクト毎に閲覧・編集権限の管理 データの暗号化 2-2.