提供:SAS Institute Japan

IoTシステムを次のステージへ誘う「SAS Analytics for IoT」

SAS Institute Japan株式会社 ソリューション統括本部 IoTソリューショングループ グループ マネージャー 松園 和久氏

 ここ数年、製造・物流・インフラ業界を中心に、IoTシステムを導入または導入を検討する企業が急速に増えつつある。いずれの企業も、装置・設備や製品などに設置したセンサーからデータを取得・分析することで、故障予兆の早期発見、製品品質の向上、業務の自動化・効率化につながると期待を寄せている。しかし、なかには期待通りの効果が得られないという課題に直面する企業も少なくない。現状のIoTシステムにはどのような課題があるのか? その解決策として最適なソリューションとは? SAS Institute Japanの松園和久氏に聞いた。

分析処理までの遅延時間が
IoTシステムの価値を下げる

写真:松園 和久氏1

SAS Institute Japan株式会社
ソリューション統括本部 IoTソリューショングループ
グループ マネージャー

松園 和久

― 近年、IoTシステムを構築・活用する企業が増えています。しかし、想定していた投資対効果が得られないと悩む企業も一部にあるようです。そんな企業のIoTシステムにはどのような課題があるのでしょうか。

松園 企業がIoTシステムを導入するのは、業務の現場に何らかの価値をもたらすことが目的です。データの発生源から取得・収集したデータを分析処理して知見を見出し、その結果を業務の効率化や最適化、さらには新しいビジネスの創出に結びつけることにIoTシステムの価値があるのです。

 しかしながら現状のIoTシステムの仕組みには、即時性の面で課題があります。例えば製造業では、人手をかけて行っている装置・設備の稼働監視、製品の品質検査などの業務をIoTシステムで自動化・省人化すれば、人手不足の解消や製品生産ラインの安定化のような効果が見込めます。ところがデータの分析に時間がかかってしまうと、装置・設備の故障発見が遅れて生産ラインが止まってしまったり、不良製品をつくり続けたりといった不利益を被ることになりかねません。

― そうした課題に対して、IoTシステムにはどのような解決策が求められるのでしょうか。

松園 現状のIoTシステムの多くは、データの発生源から取得したストリーミングデータをいったんデータストレージに蓄積し、そのあとで分析処理を実行する仕組みになっています。このためデータの取得から分析までに遅延が発生し、次にとるべきアクションへ即座に移行できません。つまり、遅延時間がIoTシステムの価値を損ねる結果を招いているわけです。

 このような課題を解決するには、センサーなどのデータ発生源から取得するストリーミングデータの中から分析に必要なデータをリアルタイムに抽出し、遅延なく分析処理が実行できるアナリティクス・ライフサイクルの仕組みを構築することが求められます。

 従来のIoTシステムは、データストレージに蓄積したものを分析処理していたため、データの取得から分析結果を得るまでに、ある程度のリードタイムが発生する。そのためデータの鮮度が落ちて、その分析結果が有効ではなくなる可能性も考えられた。そこで必要になるのが、図1のようなストリーミングデータの処理をリアルタイムに実行できる機能だと松園氏は説明する。

(図1)リアルタイム処理を可能にするアナリティクス・ライフサイクルの仕組み

(図1)リアルタイム処理を可能にするアナリティクス・ライフサイクルの仕組み

リアルタイム処理を可能にした
エッジ・コンピューティングのサポート

写真:松園 和久氏2

― とはいえ、膨大な量のストリーミングデータをリアルタイムに分析処理することは、非常に難しいのではないでしょうか。

松園 ビジネスに必要な分析をリアルタイムで実行しようとした場合、適用しようとするシーンでは、機械学習や深層学習といった高度な分析手法を必要とする場合がありますので、そのような高度な手法を利用できる技術は限られると考えます。そこでSASでは、リアルタイム処理を実現するエンジン「SAS Event Stream Processing」を開発しました。このエンジンはストリームデータに対し、データの補完・加工などのデータ拡張処理やビジネスルールの適用などを行い、なおかつ機械学習の実行や深層学習のスコアリング処理など、リアルタイムに分析結果を算出することが可能です。

 ただしクラウド上でエンジンを稼働させても、即時性が求められる分析処理では間に合わないことも考えられます。そのため、このエンジンはデータの発生源に近いエッジ・コンピューティングでも実行できるという特長があります。ストリーミングデータを収集するルーターなどのエンドポイントデバイスでエンジンを実行し、クラウド上のアナリティクス基盤と相互に連携することで、収集したデータのリアルタイム処理を実現しているのです。

― エッジ・コンピューティングでエンジンを実行することが、遅延のないリアルタイム分析処理を可能にするわけですね。

松園 もちろん、それだけではありません。SASはストリーミングデータのアナリティクスを実現するために、IoTシステム向けの分析ソリューション「SAS Analytics for IoT」を大幅に機能強化しました。

 最新バージョン「7.1」では、データの準備から探索、データ分析モデルの開発・配置までの一連のプロセスをアナリティクス・ライフサイクルとして捉え、それを全面的にカバーする「AIアナリティクス機能」を搭載しています。エッジ領域では、SAS Event Stream Processingエンジンと連携し、データ収集/クレンジングや予測値算出、機械学習/テキスト分析などの機能を実行することができます。

 また、クラウドデータセンターにはエッジデバイス管理機能やAIアナリティクス機能による、さらに高度な予測モデル開発環境などがあり、エッジからクラウドまで一貫したリアルタイム分析処理を実行できるようになっています。

 SAS Analytics for IoTは、エッジ・コンピューティングで実行するAIアナリティクス機能、エッジデバイスにモデルを配置して処理を管理する機能、データを加工して予測モデルを作成・管理する開発環境によって構成されている(図2の青枠で囲まれた機能)。つまり、SAS Analytics for IoTを導入するだけでデータ収集から分析処理まで一貫したIoTプラットフォームが構築できるわけだ。ちなみに、SAS Event Stream Processingエンジンはオプション製品として提供され、エッジ・コンピューティング機能はデバイスごとに一律のライセンスが必要となる。

(図2)エッジからクラウドまで一貫したSAS IoTプラットフォーム

(図2)エッジからクラウドまで一貫したSAS IoTプラットフォーム

IoTパートナーエコシステムが
アナリティクス・ライフサイクルを実現

― エンドポイントのエッジデバイスを監視・管理するには、デバイスメーカーとの協業も欠かせません。SASはどのような施策に取り組んでいますか。

松園 SASはアナリティクス・ライフサイクルを実現するために、IoTパートナーエコシステムの構築・拡充に取り組んでいます。このIoTパートナーエコシステムの実現には、エンドポイントのエッジデバイスを提供する「IoTテクノロジーパートナー」、IoTシステムソリューションを提供する「IoTソリューションプロバイダー」、IoTシステムを実装する「IoTシステムインテグレーター」などのサードパーティー各社が参加しており、すでに300種類以上のデータソースと接続する各種アダプター/コネクターを提供。オープンソースを含む多種多様なサイズ、フォーマットのデータにアクセスすることも可能です。

 またIoTとアナリティクスのコラボレーション利用を拡大させるために、単一アーキテクチャでアナリティクスに必要な機能をすべて網羅したSASのAIプラットフォーム「SAS Viya」との連携もサポートしています。

― SAS Analytics for IoTを導入すると、どのようなアナリティクス・ライフサイクルのプラットフォームを実現できるのでしょうか。

松園 SAS Analytics for IoTの大きな導入メリットは、IoTデータを収集するだけですぐに使えるデータモデルがあらかじめ用意されていることです。もちろんSAS Viyaが提供する予測モデルのテンプレートを通じて、高度な故障検知モデルの開発も短時間で可能になります。

 SAS Analytics for IoTでは、従来型のビッグデータ分析モデルをシームレスにストリーミングモデルとして実装・テストして、それらを評価・比較しながらリアルタイム分析処理の本番実装に繋げることができる。展開したモデルの経年劣化を監視できる仕組みも用意されており、必要に応じてダイナミックにモデルを更新することも可能だ。

(図3)SAS Analytics for IoTによるIoTプラットフォームの特長と全体像

(図3)SAS Analytics for IoTによるIoTプラットフォームの特長と全体像

各業種業界で豊富な成功事例。
新ライセンス体型が中堅・中小企業の導入を後押し

― すでにSAS Analytics for IoTを導入し、効果が得られた成功事例があれば教えてください。

松園 製造業では、SAS Analytics for IoTを利用してセンサーデータの異常パターン検知モデルを開発し、リアルタイムの異常検知モニタリングを構築・運用している半導体メーカーの事例があります。この企業では異常の早期警告を実現したことにより、製品のスクラップ量が半減したという効果が得られています。また、ある鉄道車両メーカーは機関車に2万個以上のセンサーを設置し、SAS Event Stream Processingと自社システムを組み合わせて列車運行管理の仕組みを構築。最適な燃料管理、メンテナンスの実施、乗務員による差異の平準化などを実現したそうです。

 金融業では顧客の購買行動をトラッキングし、特定の行動パターンを検出するとスマートフォン経由で推奨する金融商品を紹介するといった、ストリーミングデータ分析とAIプラットフォームを活用した銀行の事例があります。国内の金融機関でも、スマートフォンの位置情報を取得して、リアルタイムにオファリングを行うという仕組みの実証実験が行われています。

― 大企業の事例が多いようですが、中堅・中小企業でも導入することは可能でしょうか。

松園 もちろんです。実はSAS Analytics for IoTが提供する機能は、企業規模や適用分野にかかわらず基本的に同じです。そこでSASでは、企業規模によって価格を変えるという新しいライセンス体系を採用することにしました。つまり、より大きな導入効果が期待できる大企業と、規模に応じた導入効果を目指す中堅・中小企業では、ライセンスコストが異なっています。

 とくに中堅・中小企業の場合、IoTデータを取得したものの、どのように使えばよいのか、どのように分析すればよいのかわからないという企業も少なくないはずです。そうした企業であっても、SAS Analytics for IoTを導入すればスモールスタートで、すぐにアナリティクス・ライフサイクルのプラットフォームを実現できます。

 現在のIoTシステムでは、センサーデータを取得・蓄積することばかりに注目しがちだが、本来はいかにビジネスに価値をもたらすかが最も重要である。そのためには大量のストリーミングデータをリアルタイムに分析処理できるとともに、あらかじめ用意されたモデルやAIアナリティクスの機能を使って容易に分析処理が行えるプラットフォームであることが欠かせない。
 SASが2019年5月に提供を開始した最新の「SAS Analytics for IoT 7.1」は、こうしたIoTシステムのニーズを叶えてくれるものだ。同社ではIoTシステムの導入アセスメントからコンサルティング、PoCの実施、システム基盤やモデル開発を含む導入支援なども行っている。
 IoTシステムの導入を検討したいという企業は、SAS Institute Japanに相談してみてはいかがだろうか。

写真:松園 和久氏3

お問い合わせ

  • SAS Institute Japan 株式会社
  • 〒106-6111 東京都港区六本木6-10-1 六本木ヒルズ森タワー 11階
  • TEL: 03-6434-3018 FAX: 03-6434-3001

↑