今日からはじめようAWS IoT

Editor's Notes

• #6: Amzon Warehouse robots 自社開発Robot(Kiva)及び、AWSシステムによる統合管理で実現したAmazon 流通システム（FC）最大効率化について   Amazonではお客様から頂いた大量の注文に対応するため、FCにおけるシステムの刷新しました。北米の約20％のFCにて導入が開始され、順次日本を含む世界中の拠点にて導入が予定されています。   ビデオ　0：00～0:22 このKiva Robotは1拠点で最大1000台で運用され、自機の位置情報及びHealth 状況を常にAWS Cloud上に展開されたシステムとWifi経由で通信しながら、あたかも自律的に作業を行います。倉庫の床面に位置情報の目印となるQRコードが１m間隔程に貼られていて、Kivaはその上を走行しつつ自機の位置情報をScanしながら走行することでシステムに対して常に情報をUpdateします。（床に電磁コイルや、いわゆるロボット用の道を作る必要がないため、安価に倉庫の拡大が可能です）  またKiva Robot同士がぶつからないよう、走行経路もシステムから指示された通りに動く他、人間など急な障害物が現れても衝突を回避するよう全面にセンサーを実装しています。   0:25~0:50 Kiva Robotは、現在のVersionで耐荷重450Kgで商品が搭載された棚を下から持ち上げる形で、最大時速約10Kmで走行が可能です。また、Kibaには重量及び傾きを計測するセンサーが実装されており、急な制動による棚の転倒が起きないように棚を運びます。   0:50~1:10 Kiva Robotは、指定されたLocationまでの移動を基本的に棚の下の空間を「通路」として利用、棚の運搬時も棚の横幅プラスαがあればいい事から倉庫のスペース削減を実現しています。 これにより「倉庫内の在庫スペースを約53％削減」することに成功しています   1:10~1:33 AmazonのFCでは、「Free location」と呼ばれる在庫方式を採用しあえて商品の種類、カテゴリーを分散させた配置をしてます。いままではそれを端末にて指示されたPickerと呼ばれる多数のスタッフが倉庫内を回って集めていましたが、新しいシステムではその棚がスタッフのいる位置に移動してくるためPickerは指示された商品を棚の位置だけ確認することで取り出すことが出来る為効率的な作業が実現しました。   1：33～2：00 またAmazonの倉庫では、パレットにて受け入れた商品を商品在庫スペースに運ぶための重機もAmazon Roboticsにて設計・製造されたマシンを使って効率化を行っています。   2：00～2：30 発注があった商品の棚卸しが終わると、次に一つの商品を一つのトレーに分けていきます。お客様によっては一回の注文で複数の商品を同時に注文されているため必要な商品を今度はベルトコンベアで分散・まとめて行きます。現在このKiba＋AWSを導入した倉庫では一秒間に出荷が可能な荷物を最大500個/秒まで高めることに成功しました。   2：30～最後 最終的なパッキング工程にて、顧客ごとの注文商品をまとめ、梱包作業を行います。シーズンにより増減する負荷を、商品ピックアップ及び梱包のStationへの人員配置を調整することで乗り切ることができます。   高度に自動化されたシステムはすべてAWSのシステム上で管理され、在庫の配置決定や効率的なRobotの移動経路指示等は機械学習を含めたアプリによる改善が日々行われています。     補足情報： 最大規模のFC　フットボール競技場30個分Kiva robotの稼働時間は約40分程度に押さえて稼働、充電時間は約4分充電時間を短くした運用のため、バッテリー交換は1台あたり年に一回に押さえている充電ステーションはFC内の複数拠点にあり、Robotはシステムから最寄りの充電スポットに誘導される
• #10: 千葉市の幕張新都心にて、ドローンを用いた宅配サービスが実現するかもしれません。千葉市は、ビジネス創出を目的とした政府による規制緩和地域「国家戦略 特区」に指定されました。通常、人や住宅の密集地域では飛行を禁じられているドローンですが、特区内ではドローンの運用が可能となります。
• #16: ・10月のre:Inventで発表したIoTに特化したサービス
• #18: かんたんにおさらい
• #19: ・新しいところでは、Elasticsearch Serviceに直接AWS IoTからのデータを書込できるようになった ・Elasticsearch Serviceの標準プラグインであるKibanaを利用することで、簡単にデータの可視化を行なうことができる ・また、Amazon Machine Learningとも連携することができる。あらかじめ教師データから予測モデルを作成しておき、AWS IoTで受信したデータを元にMachine Learningのリアルタイム予測APIを実行し、予測結果を元にまた次のアクションにつなげるということができる
• #22: 今回はすべてus-east-1（北米バージニア）で環境を構築 JINS様に検証機の貸出、Shinyの環境構築
• #25: ・10月のre:Inventで発表したIoTに特化したサービス
• #26: ・10月のre:Inventで発表したIoTに特化したサービス
• #32: ここでMQTTについておさらい IoTで広く利用されているプロトコル 昨年11月、OASISという標準化団体でスタンダートプロトコルとして認定 非常に軽いプロトコル、ヘッダは２バイト ブローカを介してPublisherとメッセージを送信、Subscriberがメッセージを受信するメッセージ交換モデル CPUやメモリ、ストレージなどのコンピュータリソースやネットワーク回線帯域が制限されているようなデバイスで利用がすすんでいる
• #33: MQTTのpub/subの簡単なおさらい PublisherからpublishしたメッセージはBrokerに設定された特定のトピックに到着 Subscriberは同じトピックをSubscribeしている Publisherからのメッセージが到着したら、Subscriberに配送される