IoTあるじゃん北海道支部勉強会#1
- 1. 2015 Koyo Takenoshita IoTってなんだっけ？ 2015/04/08 竹之下 航洋 @koyo_take 1 IoTあるじゃん北海道支部勉強会 #1
- 2. 2015 Koyo Takenoshita 本日の内容 • 自己紹介 • IoTの事例 • IoTを構成する技術要素 • IoTの課題 2
- 4. 2015 Koyo Takenoshita 略歴 4 2006～: 新卒 ・受託開発 ・Armadillo/Salesforceを 使った高速開発 2002～: 大学・大学院 ・ロボティクス、生体工学 ・マイコン使用ポータブルデータロガー開発 ・○ワンゴでWebアプリ開発 (PHP/mojavi、アジャイル/スクラム) 1997～: 高専 ・メカトロニクス ・ロボコン ・マイコン 2009～: 現職 ・Armadilloの開発 (Linux kernel) ・製品企画 (Armadillo-IoT) 竹之下 航洋 @koyo_take 北の大地の組み込みエンジニア (南の島生まれ) ハードからOS、Webまで (フルスタック？)
- 6. 2015 Koyo Takenoshita 6 事例１：ビアバー http://commons.wikimedia.org/wiki/File:Sirviendo_cerveza.jpg
- 7. 2015 Koyo Takenoshita IoTでビールの注ぎ過ぎのムダを11%削減 • ビアバーの課題 – ビール会社：何樽出荷したかは分かるが、いつ/どれだ け実際に消費されたかは分からない → 実際の消費量を把握できたらサプライチェーンを 最適化して、適切な量を製造して店頭に届けられる – ビアバー店主：いつハッピーアワーなどの販促イベント を仕掛けたら効果的か手探り → 販売数量がリアルタイムに把握できたら適切な タイミングで販促イベントを打てる – 店員：無駄に注ぎ過ぎているかもしれない → 販売数量と消費量を比較できたらムダを削減できる 7
- 8. 2015 Koyo Takenoshita Beverage Analytics(WeissBeerger) • タップと樽の間にある チューブの途中に流量 計を接続 • いつ、どれだけ消費さ れたかをクラウドで 解析 • 古くなった樽を確実に 交換するための在庫管 理、適切な注入量を バーテンダーへ促すた めの機能、プロモー ションマネージャー を提供 8 参照： IoTを牽引するイスラエル発スタートアップ企業 第2回：飲料の正確な注入と販売促進の最適化を図るWeissBeerger http://www.sapjp.com/blog/archives/11032 注ぎ過ぎの無駄を11%削減 ハッピーアワーの最適化により 32%売上を向上
- 9. 2015 Koyo Takenoshita ここに注目 • WeissBeerger社は元々、製品を売っていた • IoTを活用することにより、 サービス提供事業者に変化している 9
- 10. 2015 Koyo Takenoshita 10 事例２：Amazon dash button
- 11. 2015 Koyo Takenoshita IoTで買い忘れを防止して顧客を囲い込み • 日用品の使用シーンにBUTTONを設置 • 日用品が切れたらBUTTONを押す – スマホに通知が飛ぶ • スマホ上のアプリをクリックすると、Amazon から日用品が届く 11 日用品メーカー：店頭での買い替えを防止できる 消費者は：買い忘れを防止することができる Amazon：放っておいてもモノが売れる Win-Win-Win
- 12. 2015 Koyo Takenoshita ここに注目 • ハードはタダ – Win-Win-Winの枠組みの中で、BUTTONを作るハード ウェアメーカーは忘れられた存在。。。 – ユーザー(日用品の消費者)はハードの費用を負担しない – おそらく、ハードの費用は日用品メーカーの宣伝広告費 から出てくる • IoTによって、ハードウェアメーカーにとっての 「顧客」が変化している 12
- 14. 2015 Koyo Takenoshita IoTで保守サービスに付加価値 • 対象は1,000万円以上する高価な3Dプリンタ • 3Dプリンタでの製造には10時間かかることも • 3DプリンタはCNC工作機械に比べ、アナログ的 な要素が多く、頻繁に調整・メンテが必要 → 壊れる前に直す「予防保守」のニーズが高い • 3Dプリンタの稼働データを全てクラウドに • 保守要員が現場に行く前にデータを確認できる • データ解析することで、故障を予測できる 故障が予測できれば、予防的な保守ができる 14
- 15. 2015 Koyo Takenoshita ここに注目 • 3Dプリンタの稼働データは、元々収集できるよ うになっていた • 以前は、現場に行ってからPCでデータを取得し ていた • データをクラウドに上げることで、予防保守と いう新しい付加価値を生み出せる • 故障予測に必要なキーテクノロジーはビッグ データと機械学習 15
- 18. 2015 Koyo Takenoshita 事例に当てはめてみる 18 Gateway Connectivity Protocol Platform Datahub Application Service Bigdata Analytics Device/FAN WLAN 流量計 /USB? SAP HANA Beverage Analytics 3G/LTE BUTTON /WLAN (AWS?) Dash Replenishment Service (DRS) 3G 3Dプリンタ /シリアル Treasure Data 予防保守
- 19. 2015 Koyo Takenoshita @t製品に当てはめてみる(ステマ) 19 Gateway Connectivity Protocol Platform Datahub Application Service Bigdata Analytics Device/FAN 19 /RS232C /RS485 modbus /Bluetooth 4.0 LE Smartmeter /Wi-SUN /DUST SmartMesh /EnOcean
- 20. 2015 Koyo Takenoshita よく話題になるところ？ 20 Gateway Connectivity Protocol Platform Datahub Application Service Bigdata Analytics Device/FAN HTTP RESTful MQTT AMQP Azure EventHub HTTP? (libcurl) Facebook Parse Websocket Pusher
- 21. 2015 Koyo Takenoshita HTTP vs MQTT？ • 単純な比較はできない – データのアップロードしかなかったとしても • Connectivityとして3Gを使う場合、通信回線費 用を安く抑えるためには通信帯域と月間通信容 量を制限した契約となる • MQTTでは通信量を1/6程度に抑えられることも あるので、このようなケースでは有利 • HTTPの場合、サーバー側のスケールアウトにこ れまでのWebでの経験が活かせる • どちらが良いかはケースバイケース 21
- 22. 2015 Koyo Takenoshita 最近気になっているところ 22 Gateway Connectivity Protocol Platform Datahub Application Service Bigdata Analytics Device/FAN Google Prediction API Microsoft Azure ML Amazon Machine Learning
- 24. 2015 Koyo Takenoshita 本当に価値を生み出せるのか？ • 価値を生み出すまでが遠い – IoTの進化のステップとして、見える化→(遠隔)制御→ 予測→最適化という段階を踏む – 最適化までいかないと大きな価値にならない • やってみないと分からない – どんなデータを取って、どんな分析をすれば、何が分か るか？試行錯誤が必要 • 全体像が分かる人がいない – 組み込み/業務系/Web系が協調する必要があるが、全て を分かっている人はいない 24 →IoTへの取り組みに躊躇してしまう
- 25. 2015 Koyo Takenoshita 解決案？ • スモールスタート・クイックスタート – 小さく初めて試行錯誤をする – 失敗したら方針転換 or さっさと撤退 • 他社・異業種との連携 – 広範な技術要素を１社だけでまかなうのは不可能 – 競合と思っている相手でも、相互補完できるところがあ るかもしれない • それほどIoTの潜在市場は広い • コミュニティ等を通じての交流・情報交換 – IoTあるじゃんのような 25
- 26. 2015 Koyo Takenoshita 募集 • IoTのここが知りたい – 個人的には機械学習やセキュリティについて知りたいで す • IoTのここなら話せるよ – ○○業界の動向、××を動かしてみた、こんなの作って みました etc. • IoTでこんなの作りたい！ 26