IoTとAIを活用して価値を加速させる4つの効果的な方法

Twitter、LinkedIn、そして多くの IoT 関連の Web サイトを見ると、モノのインターネット (IoT) の価値に関する活発な会話を見つけるのは難しくありません。しかし最近では、企業が IoT イニシアチブからより迅速かつ効率的に洞察を獲得し、活用する方法に話題が移っています。 IoT と AI を組み合わせることで、企業はこの望ましい結果を達成できるようになります。実際、これら 2 つのテクノロジーは相互に補完し合い、密接に連携する必要があります。

[[316244]]

膨大なデバイスやモノのネットワーク間でデータを接続して共有する、急成長中のモノのインターネットの世界では、組織は分析の助けを借りて勝利を収めます。 AI は、膨大な量の IoT データから「学習」しながら迅速な意思決定を行い、深い洞察を引き出すことができるため、IoT の価値を高めたいと考えている組織にとって、分析における重要な分野となっています。人工知能とモノのインターネット (IoT、AIoT) は連携して、製造業者や小売業者からエネルギー、スマート シティ、ヘルスケアなど、幅広い業界の組織に新たな価値を生み出しています。

人工知能とモノの知能の可能性

AI 駆動型の接続されたスマート デバイスと環境は、より大規模なデータ ソース ネットワーク (互いのデータ ソースを含む) から学習し、集合知に貢献します。この可能性を示す例は業界全体で無数にあります。たとえば、公共事業体や製造業者がパフォーマンスの低い資産を検出し、コストのかかる危険な機器の故障が発生する前にメンテナンスや自動シャットダウンの必要性を予測できるようになったり、在宅診断を提供し、介入が必要なときに介護者に警告し、患者に薬の服用を思い出させるリモート モニタリング デバイスが実現したりしています。

エッジに高度な分析をもたらす

IoT データ分析が行われる場所は、帯域幅と遅延の問題によって異なります。デバイスの操作に関する概要データを収集するなど、ある程度の遅延を許容できるアプリケーションや、多くの帯域幅を使用しないアプリケーションの場合、IoT デバイスはデータをクラウドまたはデータ センターに送信し、そこで過去のパフォーマンスやその他の傾向と組み合わせて分析します。分析から得られた洞察は、機器自体の制御プログラムの変更など、機器のその後の操作に関する決定を行うために使用できます。モバイル資産やリモート資産が大量のデータを生成する場合、それを迅速に分析する必要があります (自律走行車やドローンなど)、または帯域幅が制限されている場合は、データ処理をデータ ソースにできるだけ近いエッジに移動する必要があります。

AI ベースの機能により、フォグ内かクラウド内かを問わず、エッジ デバイス、ゲートウェイ、データ センターを含むエコシステム全体にわたって IoT データを変換、分析、視覚化、および埋め込むことができます。

AIoT の実践 – 運輸業界のケーススタディ

毎日何百万台ものトラックが高速道路を走行し、燃料、農産物、電子機器、その他の必需品を輸送しています。しかし、計画外のダウンタイムは、タイムリーな配送を期待する車両オペレーターとその顧客にとってコストのかかるものになる可能性があります。スウェーデンの自動車メーカー AB Volvo の子会社である Volvo Trucks と Mack Trucks は、IoT テクノロジーと人工知能などの高度な分析に基づくリモート診断および予防保守サービスを通じてこの課題に取り組んでいます。コネクテッド ビークルをより効率的、正確かつ積極的にサービスすることで、車両が路上で過ごす時間が短縮され、サービス中断のコストが最小限に抑えられます。

ボルボ・トラックのリモート診断プログラムは、主要なシステムに障害が発生したときにトリガーされる障害コードについて各トラックのデータを監視します。各トラックに搭載された数千個のセンサーがストリーミング IoT データをリアルタイムで収集し、事故が発生した場所や故障中にどのような状況が生じたかについての状況を提供します。同様に、Mack Trucks の GuardDog Connect は、障害コードやその他のパラメータ データの形式で車両からデータをリモートで収集し、重大度に基づいてランク付けすることで、顧客が問題の重大度を評価し、修理を管理するのに役立ちます。障害に対して即時の対応が必要な場合は、エージェントが顧客に連絡して状況を説明し、取るべき対応を推奨します。時間的制約が少ない場合や、損害の可能性がない場合は、最も適切なタイミングで修理を行うように計画します。

センサーデータと IoT テクノロジーを AI を含む高度な分析と組み合わせることで得られる結果は印象的です。ボルボ・トラックでは、診断時間が 70 パーセント短縮され、修理時間が 25 パーセント短縮されました。 Mack Trucks は、ディーラーはプロセスの効率化、稼働率の向上、顧客満足を実現できるなど、すべての関係者にとってのメリットを指摘しています。

4つの価値アクセラレータ

では、AIoT で成功を収めるにはどうすればよいでしょうか。インテリジェント IoT の物理的なインフラストラクチャ (センサー、カメラ、ネットワーク インフラストラクチャ、コンピューター) 以外に、導入を成功させるには次の 4 つの重要な要素が必要です。

1. リアルタイム分析を検討する

ビッグデータが高速で移動している間（保存される前）に分析することで、関連するコンテンツに対して即座にアクションを起こすことができます。ビジネスを流れる高速データの奔流に隠れた危険信号を発見する機会をつかみましょう。イベント ストリーム処理は IoT データの処理において重要な役割を果たしており、5G などの進歩により、さらに重要になります。

• 関心のあるイベントを検出し、適切なアクションをトリガーします。イベント ストリーム処理では、個人のモバイル デバイス上のアクションや銀行取引中に検出された異常なアクティビティなど、複雑なパターンをリアルタイムで特定できます。イベント ストリーム処理により、脅威や機会を迅速に検出できます。
• 概要情報を監視します。イベント ストリーム処理は、デバイスや機器からのセンサー データを継続的に監視し、問題を示す可能性のある傾向、相関関係、または異常を探します。スマート デバイスは、オペレーターに通知したり、荷物を移動したり、モーターを停止したりするなどの是正措置を講じることができます。
• センサーデータをクリーンアップして検証します。センサー データが遅延、不完全、または不一致である場合、いくつかの要因が影響している可能性があります。ダーティデータは、差し迫ったセンサー障害またはネットワーク停止エラーによって発生していますか? データ ストリームに組み込まれたさまざまなテクノロジにより、パターンを検出し、データの問題を解決できます。
• リアルタイムで操作を予測し、最適化します。高度なアルゴリズムがストリーミング データを継続的にスコアリングし、即座に決定を下します。たとえば、列車の到着に関する情報を状況に応じて分析し、別の駅からの列車の出発を遅らせることで、通勤者が乗り継ぎに乗り遅れないようにすることができます。

2. アプリケーションに必要な場所にインテリジェンスを展開する

前述のユースケースでは、常に変化し移動するデータ (ドライバーの地理的位置やデータセンター内の温度など) とその他の個別のデータ (顧客プロファイルや購入履歴データなど) が必要です。この現実には、さまざまな目的に合わせてさまざまな方法で分析を適用すること、つまり多段階アプローチが必要です。たとえば、高性能分析は、静的データ、クラウドまたはストレージに保存されているデータに対して大きな役割を果たします。ストリーミング分析では、関係する項目が少数の場合や、データの価値が一時的である場合、または速度が重要な場合 (差し迫ったクラッシュやコンポーネント障害に関するアラートを送信する場合など) に、移動中の大量の異なるデータを分析できます。エッジ コンピューティングにより、システムはデータの取り込み、転送、保存を中断することなく、ソースで即座にデータに対処できるようになります。これは、IoT デバイスやサービスのセンサー駆動型の世界での多くの用途に不可欠なものです。

3. AI技術の融合

AIoT から最大の利益を得るには、単一の AI テクノロジーを導入するだけでは不十分です。プラットフォーム アプローチでは、自然言語処理やコンピューター ビジョンのための機械学習やディープラーニングなど、複数の AI 機能が連携して動作します。たとえば、大規模病院の研究クリニックでは、複数の形式の AI を組み合わせて、医師に診断ガイダンスを提供しています。このクリニックでは、レントゲン写真、CTスキャン、MRIにディープラーニングとコンピュータービジョンを適用し、人間の脳や肝臓の結節やその他の問題領域を特定します。検出プロセスでは、畳み込みニューラル ネットワーク (CNN) などのディープラーニング技術を使用して視覚画像を分析します。その後、クリニックは、まったく異なる AI 技術 (自然言語処理) を使用して、家族の病歴、投薬、既往症、食事に基づいて患者のプロファイルを作成します。ペースメーカー データなどの IoT データも考慮に入れることができます。このツールは、自然言語データとコンピューター ビジョンを組み合わせて、貴重な医療従事者の効率を高めます。

AI 対応 IoT の価値の多くは、即座にアクションを実行できる能力にあります。顧客が去る前に適切なオファーを提供します。承認する前に疑わしい取引を検出します。自動運転車が他の走行車両に衝突することなく、混雑した交差点を走行できるように支援します。今すぐやってください。レイテンシーは重要です。明らかに、多くの種類のセンサーやデバイスは、クラウドからのデータやコマンドを待つことができません。その他の目的では必要ありません。個々のデバイス（ホームオートメーション システムなど）を監視、診断、および処理するには、分析をデバイスのできるだけ近くで実行する必要があります。ローカルで生成され、ローカルで消費されるデータを遠く離れたデータ センターに送信すると、不要なネットワーク トラフィックが発生し、意思決定が遅れ、バッテリー駆動のデバイスの電力が消耗します。 IoT デバイスとそのデータ量の急激な増加、および低レイテンシの必要性により、分析を従来のデータセンターからエッジ デバイス (IoT) またはエッジやクラウドに近いその他のコンピューティング リソースに移行する傾向が見られます。

4. 分析ライフサイクル全体を統合する

接続された世界から価値を得るために、AIoT システムはまずさまざまなデータにアクセスして、発生している重要なイベントを感知する必要があります。次に、豊富なコンテキストでデータから洞察を抽出する必要があります。最後に、オペレーターに警告したり、見積もりを提供したり、機器の操作を変更したりする場合でも、迅速な結果を達成する必要があります。

IoT の実装が成功すると、分析ライフサイクル全体にわたって次のサポート機能が接続されます。

• 動的データ分析。これは、先ほど説明したイベント ストリーム処理部分です。イベント ストリーム処理は、非常に高いレート (1 秒あたり数百万単位) で大量のデータを非常に低いレイテンシ (ミリ秒単位) で分析し、関心のあるイベントを識別します。
• リアルタイムの意思決定/リアルタイムのインタラクション管理。関心のあるイベント（車の位置、方向、目的地、環境の変化など）に関するストリーミング データが推奨エンジンに送られ、適切な決定やアクションがトリガーされます。
• ビッグデータ分析。 IoT デバイスからインテリジェンスを得るには、まず、Hadoop などの分散コンピューティング環境で大量のデータを迅速に取り込んで処理する能力が必要です。より多くの反復を実行し、すべてのデータ（サンプルだけでなく）を使用できるようになると、モデルの精度が向上します。
• データ管理。 IoT データは少なすぎたり、多すぎたり、複数の形式が存在する可能性があり、それらを統合して調和させる必要があります。信頼性の高いデータ管理により、どこからでも IoT データを取得し、クリーンかつ信頼できる状態にして、分析に備えることができます。
• 分析モデルの管理。モデル管理は、登録から廃止まで、分析モデルのライフサイクル全体にわたって重要なガバナンスを提供します。これにより、モデル管理の一貫性が確保され、モデルの進化を追跡し、時間の経過とともにパフォーマンスが低下しないようにすることができます。

IoT や AI について考えるとき、そのポイントは明らかです。

• まず、IoT を導入する場合は、AI も導入します。
• 次に、AI を導入する場合は、IoT と組み合わせることで得られるメリットを検討してください。
• 結局のところ、どちらも個別に価値がありますが、組み合わせると最も効果的です。

モノのインターネットは、AI が学習する必要がある大量のデータを提供します。 AI は、このデータを IoT デバイスが対応できる意味のあるリアルタイムの洞察に変換します。重要なのは、まだ始めていない場合は、すぐに始めることです。試用中の場合は、ビジネス ニーズに合わせてソリューションを実際に展開および拡張できることを確認してください。すでにビジネスニーズに合わせて AIoT をご利用の場合は、ぜひ成功事例をお聞かせください。