IoTでただちに利用可能な機械学習

ステマにするつもりはないのですが(笑 読者が殆どいないブログななのに!)、自社サービスのIoT Platformで、4月からMLの推論部分がエッジでも利用できるようになっていました。

デモする必要もあったので、作成した動画が以下です。
Cumulocity IoT Edge Machine Learning Example

MLモデルは、以前Udacityレポートで使用したRandomForestClassifierモデルをPMML出力して使いました。XGBoostのPMML出力ファイルもあったのですが、アップロードに失敗したのでRandomForestClassifierを採用しています。PMMLのバージョンなどが関係しているのかもしれません。

デバイスからのデータは、トレーニングに使用したデータのテストデータをデバイスシミュレータとして作成したPythonのコードからアップロードしています。
ちなみに、データの元はKaggleのものを使用しました。以前、分析したものがこちらです。

こうした物流トラックのユースケースでは、資産の稼働率が高く、点検などの予防保全活動では追いつかないほど故障が発生てしまうことがあるそうです。故障が発生してしまうと、そのトラックは使用できず、あらたな手配が必要となります。つまり、故障件数が多くなると様々なコスト増につながります。予防保全から、一歩先に進め、IoTによる予知保全が求められる領域の一つです。

動画では、

Device Simularot(Pythonで実装)から1秒ごとにデータ送信
-> IoT Platformで受信
-> Stream Processor (Apama)で受信データを処理
-> IoT Machine Leaningマイクロサービスで推論
-> 異常時データが検知された場合、IoT Platformにイベント通知

といった様子をデモしています。実際の故障ではなくでも、怪しい場合も警告を上げられるので、故障予知はできているかもしれません。

コメント

タイトルとURLをコピーしました