センサデータ解析におけるJubatus活用事例

センサデータ解析における
Jubatus活⽤用事例例
2014-‐06-‐29

住友精密⼯工業株式会社

宮本

無線センサネットワークとは
Copyright(C) 2014 Sumitomo Precision Products Co.,Ltd All Rights Reserved. CONFIDENTIAL 2
基地局
インターネット
v  たくさんの無線センサノードをばらまく
v  ⾃自律律的にネットワークを構築する
v  センサを使って、周囲の様々な情報を集めネットワーク上へ送る
省省電⼒力力・短距離離通信→マルチホップ
⾃自律律ネットワーク構築→アドホック

SmartDustプロジェクト
v  ⽶米国防総省省DARPAの資⾦金金提供を受けてUCバークレイ
が中⼼心となって⾏行行われたセンサネットワークに関す
る研究プロジェクト
n 1.5mm3以下、5mg以下の超⼩小型センサノードを
MEMS技術を⽤用いて開発することを⽬目標とした
（1999年年頃〜～2001年年）

MOTE
v COTS (Commercial Off-the-Shelf) Dust
n 市販されている部品を使って、低コストで実際に
動作するセンサノードを開発する
n ⽶米Crossbow MICA MOTEの市販へ
u MOTE（塵）：ノード
u MICA（雲⺟母）：センサ基板多重化構造
v 研究領領域の拡⼤大
n 限られたハードウエア上で効率率率よく動作する
ソフトウエア（TinyOSやさまざまなプロトコル）
n それらのセンサノードを使った現実の
アプリケーション

EcoWizard

実証試験⽤用屋外センサノード
Arduino UNO
920MHz無線シールド
920MHz無線モジュール
（WM-Z3000）
無線設定⽤用
スイッチ

センサデータ活⽤用の課題
計測
•  データロガー
•  センサネット
収集
•  EXCEL
•  データベース
⾒見見える化
•  グラフ
•  閾値によるア
ラート
新たな課題⾒見見える化だけで効果があるのか？
閾値をどうやって決めるのか？

ITの進化をセンサデータに応⽤用
センサ
データ
⾒見見える
化
データ
分析
課題解決

センサデータの価値
計測
• センサネット
収集
• データベース
分析
•  機械学習
予測
•  制御
•  アラート
課題解決多点センサデータと結果から学習
単純な閾値ではなく複数の
センサ値から起こる事象を予測
予測に基づいて制御やアラート

事例例：ビニルハウスモニタ
v ビニルハウス内の換気扇が故障して⾼高温状態が
15分程度度続くとハウスみかんが損傷する
v 故障の発⽣生要因
n 換気扇そのものの故障
n 停電
n ⿃鳥などが換気扇にはさまる
v 成⻑⾧長ステージによって
温度度設定が異異なり警告閾値も
それに伴って変える必要がある
n これまでは⼈人⼿手により警告閾値を変更更していた
v 機械学習により異異常を⾃自動検出できるようにしたい

温度センサノード
基地局
0

1

2

3

4

5

6

7

8

9

10
11

12

13

14

15

●基地局
●温度ノード
●電源＆換気異常、重
　油使用量計測ノード
●中継ノード

1号
2号
3号
4号
6号
5号

基地ノード
温度
センサノード
中継ノード
ゲートウエイ
ボイラ
重油油量計
制御盤
パルス入力ノード
3Gルータ
インターネット
クラウドサーバ

各ハウスの温度
ハウス1,2の油使用量

なぜJubatusなのか？
v リアルタイム
n 異異常検出ではリアルタイムは必須である
n 温度度データは1分間隔で計測・収集
v スケーラビリティ
n 将来的に数万のハウスから
1分間隔でデータが集められる
n データベースは分散化しても
機械学習エンジンがボトルネック
になる可能性がある

基本⽅方針
v JubatusのAnomalyを使う
v 異異常値（σ2>5）を除去した温度度データを教師
データとする
n 農家さんに逐⼀一確認して異異常値を除去するのが理理
想であるが簡易易的な⼿手段とした
v 検出したい異異常値を含む温度度データを評価し、
異異常度度を確認する

第1試⾏行行
v 2012年年12⽉月〜～2013年年4⽉月の異異常値を除去した温度度
データを教師データとして使⽤用
v 異異常値を除去していない温度度データを評価
正しく、異異常値に対して異異常度度が上がっている
学習したJubatusが温
度度異異常に対して反応し
ている

第1試⾏行行
v しかし、3⽉月頃のデータをみると…
正常なデータも異異常度度が⾼高くなっている
成長ステージの設定温度の違い

第2試⾏行行
v ⽉月ごとにデータを細分化することで成⻑⾧長ス
テージの設定温度度の違いに対応する
v 2012年年12⽉月の教師データに対して、2012年年12
⽉月の異異常値含むデータを評価
v 2013年年4⽉月についても同様

第2試⾏行行結果
2012年年12⽉月のデータ

第3試⾏行行
v 今年年度度（2013-2014）データが得られたので、
昨年年度度の教師データに対して今年年度度データを
評価する

第3試⾏行行結果
異異常発⽣生しなかった
別ハウス、異異常発⽣生

まだまだある課題
v そもそも⽉月に分けることがベストなのか？
v ハウス毎に分けるのは現実的ではない
n 教師データが多くなるし、それぞれjubaanomaly
を動かす必要がある
n 加温開始時期を基準にすべきではないか
v 成⻑⾧長ステージを意識識したアルゴリズムで解決
してもよいが、多くの環境や作物に対応させ
たい

成⻑⾧長ステージと温度度
加温開始〜～発芽期
発芽後〜～開花前
成熟期
開花〜～⽣生理理落落果〜～果実肥⼤大
温度（℃）
加温日数（日）

センサデータと解析
v EcoWizard最⼤大デマンド予測
n その⽇日の朝9:00のデマンドと最⾼高気温予報から、
最⼤大デマンドを予測する
v ビニルハウス油量量による給油予想
n 油量量計のコストを削減しながら、外気温とハウス
内温度度から使⽤用した油量量を予測し、給油タイミン
グを予測する
v 栽培技術や故障予測、不不良良率率率低減

データサイエンス　ベン図
出典：Drew
Conway

h9p://drewconway.com/zia/2013/3/26/the-‐data-‐science-‐venn-‐diagram

センサデータ解析におけるJubatus活用事例

Recomendados

Recomendados

Mais conteúdo relacionado

Destaque

Destaque (20)

Semelhante a センサデータ解析におけるJubatus活用事例

Semelhante a センサデータ解析におけるJubatus活用事例 (20)

Mais de JubatusOfficial

Mais de JubatusOfficial (17)

センサデータ解析におけるJubatus活用事例