iot/ioeとcamssで描く未来とエクサの戦略 · •2. iotとcamssの描く未来 –2.1...

Copyright © 2012-2013 by EXA CORPORATION. All rights reserved.

IoT/IoEとCAMSSで描く未来とエクサの戦略

～ Internet以来のICT大変革期に向けて～

松本昌幸

CTO

2015年7月15日 (8月7日改訂版)

Copyright © 2012-2015 by EXA CORPORATION. All rights reserved. 2

本日の内容

•1. はじめに – ITの発展を簡単に振り返る

•2. IoTとCAMSSの描く未来 – 2.1 クラウドの明日

– 2.2 IoTの発展とクラウドの関係

– 2.3 Deep Learningで勢いづく人工知能(AI)

•3. エクサの戦略 – 3.1 クラウドに関する着実な取り組み

– 3.2 IoT に関連する類似実績を一部紹介

– 3.3 IoT新時代に向け、技術者育成を加速

•4. おわりに – 明日のシステムインテグレーション


1. はじめに

ITの発展を簡単に振り返る

この２つのCPU、Intel 8086とMotorla MC68000を載せたコンピュータがパソコン時代の幕開けを告げた (IBM PCとApple Macintosh)

両写真とも©Konstantin Lanzet -

CPU collection Konstantin Lanzet

CC 表示-継承 3.0


いにしえの先進的マシン：

1988年キャノンのNAVI登場！ジョブスも絶賛！!

•NAVI ：タッチパネルのPC、電話、FAX、カレンダー等 – モノクロ、CPU、メモリーなど性能低く、価格は高く、大きい

キャノン PERSONAL STATION NAVI (1988) ( デジアナライフデイ・バイ・デイ subaru57.exblog.jp より引用)

http://subaru57.exblog.jp/


19年後の2007年、ジョブスによって、

NAVI は iPhone に生まれ変わった！

"Original iPhone docked" by Andrew from London, UK - 16GB iPhone. Licensed under CC 2.0 表示-継承

このiPhoneが、 Smart Phone革命を引き起こし、搭載するセンサーの 1) 高性能化、 2) 小型化、 3) 低価格化をもたらすことになった。言い換えると、Smart Phoneによって、IoT発展・浸透の下地ができあがった。


NAVIがiPhoneに繋がる様に、

世の技術は螺旋（らせん）形で発展する

•昔に消え去ったかに見えたものが、新たな顔で再登場する – かつての未来指向技術が、表舞台から消えても洗練を続ける

•時が来ると、破壊的なブレイクを起こす – 欠けていた一片が揃って、魅力的な技術/製品へ完成度が上がる

– これが既存のものを破壊する新結合、すなわちイノベーション！

アイデア面白い、でもしょぼい

いいけど何か足りない、残念

素晴らしい、欲しい、買った！


そこで、明日の技術動向を探るために、

コンピュータ学会誌で少し前の時代を振り返る

• IEEE(国際電気学会)コンピュータ学会誌 "Computer" では、毎年、"Outlook(未来技術の展望)"特集号を発刊

– 必ず、32年前、16年前を振り返る記事がある

– それに倣って32年前1983年頃、16年前1999年頃の技術的関心を探る

今年(2015)のOutlook 特集号

32年前(1983年)

16年前 (1999年)

Outlook


1999年 Y2K問題の年に、Internetバブル始まる

•Internet関連技術が出揃う

– Web/HTML、サーバーサイドJava、光回線網、OSS

– Java登場は1995年

•Think Computing(AI)も前進していた

– ニューラルネット、音声認識、ジェスチャー認識等

– ソフト、ハード、データが揃わず実用化に今一歩

•IT利用形態が大きく変化

– 企業内データ処理からユーザーとの対話、ネットワークの広域化などが進行


1983年頃の先端技術を探ると、…

•1980年頃の注目技術： – 画像認識、ニューラルネット、AI、パソコンなど

•1980年代、AIが二度目のブームになっていた – 熟練工などの叡知を知識ベースにして共用利用

– Lisp専用機、第五世代コンピュータプロジェクトなど

•PCの黎明期、IBM、Appleは激しい闘い – 1981年 IBM PC登場

– 1984年 Apple Macintosh 登場

V.S.

両画像ともWikipediaより


Macは1984年スーパーボウルの敵対的CM でデビュー

• 超管理社会を描いたオーウェルの近未来小説「1984年」がモチーフ – 管理社会の支配者Big Brother(IBM PC)を、斧で破壊に向かう女性(Mac)

（Youtubeで視聴可能: https://www.youtube.com/watch?v=lGRtO-k4PAc）

– 「1984年」の超管理社会も、これからIoTが不幸な方向に行けば実現可能

Wikipediaより引用


2014年12月 IBMとAppleが恩讐を越えて提携へ…

• IoTの浸透するネット社会は、笑顔溢れる世界を目指したい

– 超管理/超監視社会ではなく…

Tim Cook

Ginni Rometty

(Photo: © Apple/Paul Sakuma)


２．IoT と CAMSS が描く未来～ IoEに続く道(ディープラーニングも含め) ～

IoT(もの)

国内勢 Saleforce.com

Google

Amazon AWS

Microsoft Azure

クラウド

IBM SoftLayer+BlueMix

+

…

CAMSS

⇒ 未来

IoTの主役? Edison RF IDタグ


将来像：何でもネットワークに繋がり、ネットワークの先にはクラウドがある

NTT Com. Cloudn

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Internet/Clouds

IBM SoftLayer

Oracle Cloud

KDD IKCPS

産業の場

エネルギー開発、生産、管理

生活の場(介護、医療) 交通・機械などなど…

モバイル


ネットワーク化/クラウド化、そしてサービス化へ

•「人」「もの」、加えて「エネルギー」もネットに繋がる – PoE(Power over Ethernet)、通信回線が電力も供給

•関連：PLC(電源ラインで通信)、Smart Grid(電力供給を最適に)

– Internet of Things(IoT)からInternet of Everything(IoE) へ

•クラウドはサービスの提供を受けて使うもの – クラウドはネットもストレージも、ソフトで構築、制御、監視

– セキュリティーも、社内システムからクラウドに移管の流れ (タンス貯金より、銀行預金に類似した考え方)

• ITは所有から、サービスの享受へと移っていく – ものの価値から、サービスの価値を評価する時代

– ITサービスは、そのサービス体験(Experience)で評価される •CX(お客様体験)、UX(ユーザー体験)、PX(患者体験)などなど…


IT視点でネットワーク化社会を見直すと、

CAMSS とIoTが鍵を握る

NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

この資料の中心は、クラウド、IoT、AI




NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

AI(Analytics) この資料の中心は、クラウド、IoT、AI




NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

AI(Analytics)

Mobile





NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

AI(Analytics)

Mobile

Social





NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

AI(Analytics)

Mobile

Security Social





NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

AI(Analytics)

Mobile

Security Social

社内Cloud (on premise)

Hybrid Cloud





NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

AI(Analytics)

Mobile

Security Social


Hybrid Cloud

クラウド間連携 (Inter-Cloud)





NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

AI(Analytics)

Mobile

Security Social


Hybrid Cloud


IoTが浸透



2.1 クラウドの明日


企業ITシステムの変遷

クラウドの利用開始からインタークラウドへ

レガシーシステム～2010年

（自システムを利用）

シングルクラウド～2014年

(クラウドの利用へ)

インタークラウド今、始まりつつある

（各クラウドのよさを組合せる）

大企業、官公庁


中小企業、ベンチャー

中小企業、個人商店

プライベートクラウド

パブリッククラウド

Saleforce Google

AWS Microsoft

Azure

パブリッククラウド

SoftLayer

ハイブリッドクラウド

インタークラウド

プライベートクラウド

中小企業、ベンチャー



パブリッククラウド利用の浸透とともに

ハイブリッドクラウド向けソリューションもある


Google

Amazon AWS

Microsoft Azure

Clouds


• IBM Blue Box

• vmware vCloud Air

その他、各社が力を入れてソリューション投入している


パブリッククラウド利用の浸透とともに

ハイブリッドクラウド向けソリューションもある


Google

Amazon AWS

Microsoft Azure

Clouds


ハイブリッドクラウドプライベート

クラウド • IBM Blue Box

• vmware vCloud Air

その他、各社が力を入れてソリューション投入している


各社パブリッククラウドの特徴が鮮明になれば、

優れたところを組み合わせるInter-Cloudへ

•クラウド境界を意識させない利用性、運用性、耐障害性 – ID認証連携+SSO(Single Sign On)が必要

– 運用負荷（統合監視、故障原因解析など）も求められる

– 耐障害強さ（ネットワークの冗長性




NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ







NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ


Hybrid Cloud







NTT Communications

Saleforce.com

Google

Amazon AWS

Microsoft Azure

Clouds


Oracle Cloud

IIJ

Inter-Cloud (クラウド間連携)


Hybrid Cloud





クラウド間連携での検討ポイント：

クラウド間でID情報や統合ID管理の連携が重要

•連携するクラウド間(下図ではクラウドAとクラウドB)で、 – ID情報の連携の仕組み

– アプリケーション認証の仕組み

– ID更新の運用プロセスの構築も重要

ID情報 ID情報

プロビジョニング

プロビジョニングAPI

アプリA アプリA

アプリA

認証サーバーアプリS アプリS

アプリS

ID情報

認証アサーション

ユーザー

①認証

②利用 ②利用

クラウドＡクラウドB


2.2 IoT(モノ)の発展とクラウドの関係


Google

Amazon AWS

Microsoft Azure

クラウド

IBM SoftLayer

？？

？

モノ、 (各種スマートデバイス、

センサー、カメラ等) モノ、

(各種スマートデバイス、センサー、カメラ等)

モノ、 (各種スマートデバイス、センサー、カメラ等)


IoTの発展で、ネットワーク活用領域が広がり、IoE(Internet of Everything)に拡大する

図はCisco社の「Internet of Everything の衝撃」から作成

1. 情報のデジタル化(P2M)：メール、Web、Google

2. ビジネスプロセスのデジタル化(P2M)：サービス間連携など

3. 人の繋がりのデジタル化(P2P)：SNS、モバイルなど

4. 社会全体のデジタル化：IoT（Things）からIoE（Everything）へ

社会と経済インパクト

1. 情報のデジタル化

• E-mail • Web • 検索

1995

2. ビジネスプロセスのデジタル化

• Eコマース • サプライ

チェーン

2000

3. 人の繋がりのデジタル化

• クラウド • モバイル • ソーシャル • IoT

2010

4. 社会と産業全体のデジタル化

• IoE

2015～

P2M P2P M2M IoT IoE

この話はこの赤枠が中心


ここでは、IoT(Internet of Things)で気になる３つのことを中心に説明

•モノとクラウドをどう繋ぐか

•モノから流れ続けるデータをどう捌くか

•そのデータから何をどうやって知るのか

もの

クラウド

もの

もの …


行く手を阻む障害の解消が見え、

IoTの発展に向けて環境が整ってきている

•クラウドも高性能化、ネットワークも高速化

– SoftLayerは他社比で速い

– 高速光ネットワークが一般に普及 •モバイル通信の次世代LTEは1Gbps@2020

•低消費電力と電力供給も道筋ができている

– BLE(Bluetooth Low Energy)をiPhoneが搭載

– Ethernet給電、そしてワイヤレス給電も開発進行中

•データ送受信プロトコルの標準化も進展

– MQTT有力、HTTPより軽くデータ量1/10近い

– MQTT押しはIBM、Cisco、他にCoAP、AMQP等


IoTに、クラウドの処理性能は十分か？

•Web系の大量セッション処理： ◎

– キャンペーンWeb、ECサイトなど

– スケールアウトが有効に働く

•高速数値計算処理： ○ or △

– 流体解析、CG映画のレンダリングなど

– SoftLayerのベアメタル、GPGPUなどの活用も

•リアルタイム処理：× (課題あり！）

– 機器制御、自動運転車、訓練シミュレータなど

– msec、μsecの応答が必要でクラウドでは難しい

– IoTではモノの制御にリアルタイム処理性能が必要


IoTに、今のネットワーク性能は十分か？

•データ転送速度が高い？

– バッチ型大量データ転送は、この性能が重要

– お金次第でどうにかなる

•帯域保証しているか？

– 音声/ビデオ電話などの品質確保に必要

– Internet は努力目標で保証しない、これもお金次第

•遅延時間（Latency）が小さいか？

– リアルタイム応答系システムでは、遅延は致命傷

– モノの制御(IoT)、例えば自動運転には最重要

– クラウドではここに限界がある（課題！）


IoT Dataは、流れ続けるBig Data !

•企業活動が生み出すデータ(企業の基幹システムなど)




•人々が生み出すデータ(Facebook、LINE、Youtubeなど)





•機械が生み出すデータ(各種センサー、監視カメラなど)


Edge Gateway

Edge Gateway

IoT Data は川のように、データを集約しながら流れていく、クラウドでのデータ収容には限界が来る

Clouds

交通モニターデータ

医療/健康データ

エネルギー生成・消費データ

Edge Gateway Edge

Gateway

モバイル機器データ

Cloud Gateway

Cloud Gateway

雷雨雷雨


Edge Gateway

Edge Gateway

IoT Data は川のように、データを集約しながら流れていく、クラウドでのデータ収容には限界が来る

Clouds




Edge Gateway Edge

Gateway


Cloud Gateway

Cloud Gateway

雷雨雷雨


Fog Computing

Fog Computing

IoTはネットの周縁部(Edge)で分散処理をする、これをFog Computing または、Edge Computingという

Clouds




Fog Computing Fog

Computing


Cloud Gateway

Cloud Gateway

陽光陽光


クラウド集中からフォグによる分散処理へ、

IoTはフォグコンピューティングに利点あり

•データ集約に伴う問題を解決できる

– クラウドに送るデータを最小化

– 関連の法律、政治、個人情報の問題を回避

•リアルタイム応答性能を確保できる

– ネットワークの遅延も最小化可能

•Fog での IoTデータ高速処理技術も進化

– IoTに、Deep Learning技術の組み合わせる

– 監視などでは、人間をしのぐことも可能


2.3 Deep Learningで勢いづく人工頭脳(AI) ～IoT + Deep Learning が世界を変える～

Googleのニューラルネットワーク、

自己教示学習（教師無し学習）で猫の認識に成功

(上の図は同ネットワークがリバースで生成した猫画像)


2011年 IBM Watsonに始まる

第３次 AI(人工知能)ブームは本物か？

•2011年 IBM Watson、Jeopardy王者2人を破る！ – Wikipedia データ等を知識DB化する、質問応答システム

– テキストマイニングと、解答順位付け

•Watsonの商用利用が始まりつつある – 日本のメガバンクで導入が進んでいる

– がん治療で患者毎の最適化も発表された

– 料理を考える Chef Watson も登場

•2011年日本に「東ロボくん」誕生 – 最終目標は2021年に東大合格を目指す

– 国立情報学研究所の研究プロジェクト

– 2014年秋、代ゼミ全国模試偏差値47.3 •私大の多くは合格レベルに達してきた


2012年画像認識でDeep Learning(DL)が大ブレーク

•DLは多層化ニューラルネット、特徴量構造を自動抽出する – アルゴリズムの改善：活性化関数や過学習回避方法の発明

– ハードウェアの改善：GPU(Graphics Processing Unit)活用で高速処理

– データ入手の改善：Internetに大量の機械学習用データがある

•2012年 Googleが、教師無しのDLで猫の認識に成功！ – 9層のエンコーダー、1000万枚のYouTube切り出し画像で無教師学習

– 猫や人の顔に反応するニューロンを自動生成した

– 機械自身が、教師なしで猫の認識に成功と大きなニュースになった

•2012年トロント大も、DLで画像認識コンペILSVRCに圧勝 – ILSVRC(ImageNet Large-Scale Visual Recognition Challenge)は、画像

120万枚を1000クラスにカテゴリ識別することで、認識精度を競う

– トロント大学はDL活用で、二位以下に10pt差を付け圧勝(次ページ) •余談：音声認識へのDL利用は前年の2011年に大きな成果が出ていた


ISVRC画像認識コンペでエラー率が大幅低下すなわち、機械の画像認識力が大幅に向上している

0

5

10

15

20

25

30

2010 2011 2012 2013 2014 2015

エラー率

年度

エラー率

(%)



0

5

10

15

20

25

30

2010 2011 2012 2013 2014 2015

エラー率

年度

エラー率

(%)

Deep Learinig 特徴量設計など



0

5

10

15

20

25

30

2010 2011 2012 2013 2014 2015

エラー率

年度

トロント大学チーム Deep Learnig + GPU で

10ptの改善を実現し圧勝！

エラー率

(%)




0

5

10

15

20

25

30

2010 2011 2012 2013 2014 2015

エラー率

年度



GoogleとMicrosoftが激しく競い5%以下に突入エ

ラー率

(%)




0

5

10

15

20

25

30

2010 2011 2012 2013 2014 2015

エラー率

年度



GoogleとMicrosoftが激しく競い5%以下に突入エ

ラー率

(%)


人間の認識エラー率 5%

Deep Learningで画像認識のエラー率が人間のエラー率5%を下回ってきている（人間以上の認識力を獲得しつつある）


Deep Learningは急速進化、IoT連携で応用拡大

•Deep Learningの競争は、アルゴリズム、データ、研究者 – ニューラルネットの規模拡大で大規模並列演算も必要

– データを多く持つものも強い(Google Photo、Facebookなど)

– Google、DeepMind買収でDL研究者(12名)を獲得 •全世界で、優れたDL研究者は50名程度と言われている

•他にDNNresearch社、Vision Factory、Dark Blue Labsなどを買収、IBMもAlchemyAPIを買収、Facebook、Baiduも参入して買収合戦

•Deep LearningがIoTと結び付くと、応用分野は幅広くなる – ロボット、交通、医療、教育、警備など、…

•画像以外にも、音声、手書き文字、翻訳など

– 例1) 警備保証：精度高く、眠らなくても働ける…

– 例2) 資源探査：リモート探査、地質化学探査

– 例3) 自動運転：ニューラルネットの訓練を3D仮想空間で積み、実車にそのネットを移植


Deep Learningをビデオシーンの認識に適用

• パデュー大学のComputer Vision 研究プロジェクト

– ビデオ映像をDeep Learning で解釈、スマートフォン・カメラにも応用

– 2014年3月18日のニュースリリース（下図はそこから引用） • http://www.purdue.edu/newsroom/releases/2014/Q1/smartphone-to-become-smarter-

with-deep-learning-innovation.html

• 機械が人間以上に精度のよい監視をする時代になる

– 使い方次第で、「1984年」の超監視社会も実現可能か？


3. エクサの戦略

•クラウド(CAMSS)、IoT/IoE、それを担う技術者の育成…


クラウド、IoT/IoE関連のエクサ基本姿勢

•CAMSS、IoT/IeE領域は上流工程からの参画を狙う – コンサル部隊のリードから、営業、技術一体での取り組みを進める

– 課題の共有から最適解を探り、プロトタイピング、PoCなどを含めて最終ゴールを議論する

•新領域は技術力、連携力、加えて高速学習力を培う – IoE/IoTは、IT領域の拡大、SI範囲も広くなり、一社で総てを担うこ

とが難しく、連携が生命線

– 技術者は根幹基礎力を身につけ、新領域を高速学習し、突き抜ける力が必要になる

•実績とそのコア成果の共有と、先進試作の推進 – IoTは'0年代のユビキタス関連システムと技術要素が近い

– インタークラウド、Big Dataなど試作実績から発展の流れを作る

以下に、その実績、試作、育成の一端を紹介する


3.1 クラウドに関する着実な取り組み

•2010年から独自クラウド

- スモールスタートで一部のお客様に提供

•SaaS提供も2011年から開始

– ITアセット管理：SAMaaS® on SoftLayer

– ソーシャル監視：Sociogram® on EXA Cloud

•インタークラウドも早期に実現

– Amazon AWS、MS Azure、Google、社内連携

– SoftLayerをEXA Cloud で監視（監視は十八番）


61

2010年 Amazon, Google, MSと社内システムの連携を検証

インタークラウドで類似画像検索アプリを構築

各種端末

Windows Azure Amazon S3

画像・類似度計算結果

置き場 (大容量)

多数の端末からの

リクエストに応答

App EngineとS3の制御役

社内Hadoop 分散アプリ

高負荷の類似度計算

Firefoxとスマートフォン

(iPhone、Xperia等)



Google App Engine

Firewall


ハイブリッド/インタークラウド時代は、

クラウドの統合監視/統合管理は必須

•運用者は、パブリック、オンプレ、社内サーバーの監視を一つで統合監視したい

– 既存の監視プロセスにクラウド監視も含めたい

•パブリッククラウドの監視機能は定食コース

– 個々のアプリケーション監視には対応していない

•エクサの強みは統合監視/統合管理

– 大製造業、某大グループ企業、大手キャリア

– SoftLayerを、エクサクラウドで監視実績あり


ハイブリッド/インタークラウドの統合監視に繋がる、

サーバー/ネットワークの統合監視システム

サーバ監視システム各種

ネットワーク監視システム各種

CTI システム構成情報

CMDB

工事情報 CMDB

ポータルシステム

業務システム

バックアップシステム

Internet

管制員

お客様お客様

ログ管理

サービスデスクシステム

統合監視システム (Netcool)

EXA担当部

監視対象のサーバーとネットワーク


統合管理システムで数台のコンソールに集約


3.2 IoT に関連する類似実績を一部紹介

•2003年購買支援のスマート売り場案件

•2004年駅コンコースの歩行者感応式投影

•2006年宅内ネット家電のユーザー支援

•2008年 Android フォトフレーム

•2009年 iPhone アプリケーション開発


システムの概要：ビデオカメラと、無線ICタグ、

赤外線センサー、

温度計/湿度計などのセンサー群から、

人の動きと場の状態を感知し、

プリセットしたルールをベースに、

そのとき、その場所、その人に

最適な情報を提供するシステム。

•システム開発をエクサが担当

•スポット情報をメタ情報化

•ルール発火により情報配信

•コンピュータビジョン技術

•動線の可視化システム

◆’０年代初頭ではコスト高だった

◆ ビデオからの情報が有効だった

2003年 IoT類似事例

センサー群活用のショッピング支援システム (1/2)

ステーキ肉とお野菜をセットで買うとお

得です！

野菜牛肉

RFIDタグ

RFIDタグなどを利用した一般店舗、展示会への情報配信システム

ビデオカメラディスプレイ

ネットワーク無線アンテナ

ビデオカメラ


RFIDタグなどを利用し、ユーザー行動を把握する

システムの概要：

RFIDタグで人の動線をトレースし、リアルタイム、または集計データから表示する動線の可視化システム。

2003年 IoT類似事例：センサー群活用のショッピング支援システム (2/2) 購買者の動線を可視化（リアルタイムと集計データに対応）

Active RFIDタグ

アンテナ



歩行者に反応するプロジェクションマッピング

システムの概要：各種センサーからの入力に感応して変化する

コンテンツを、同期制御したマルチスクリーンに

投影表示するシステム。人の動きに反応して映像が変化する。 (民放各局、週刊ASCII等で紹介)

エクサの技術：・システム開発をすべて担当

・ビデオ入力した動画像を解析するComputer Vision技術・2D、3D、蓄積ビデオ、ライブビデオ、Web画面

など、各種コンテンツを自在に同期制御

◆15年前、プロジェクタが暗すぎた

◆ビデオからの情報は活用できる

公共空間のスマートサイネージシステム


69


ネットワーク家電の遠隔支援システム

システム概要：家電機器から情報収集し、ネットワーク構成や、家電機器構成、稼動状況などを可視化

exaの技術：・N/W機器監視に関するノウハウ・マルチメディアシステム開発力・DLNA、UPnP、SIP、IPv6 などの要素技術

◆屋内位置情報技術がネック

◆DLNA対応が進んでいなかった

一般家庭のユーザをネットワーク経由で手助けするシステム


最新取り組みを紹介するEVF2015 セッション

◆関連セッション

•A-1 上質の顧客体験…、UX観点とデザインスプリント手法

•A-3 IoTはDemoFirstでしょ！アイディアをすぐデモに…

•A-4 BigData分析による設備の予防保守

•C-2 …エクサのクラウドインテグレーションサービス

•C-3 …金メダルを取るための新Webプラットフォーム戦略

•D-2 オープンソースで実現するプライベートクラウド…

•D-3 今だからこそ考えるエンタープライズ・モバイル…

（資料は順次公開していきます、ぜひ参照下さい）

次のパージで超圧縮紹介


堀扶：A-3 IoTはDemoFirstでしょ！アイディアをすぐデモに… 「水が減ったら通知がくる水耕栽培プランター」を試作

• 落とし蓋構造の水耕栽培キットを利用

温度・湿度センサー水位センサー光量センサー CPU

利用したセンサー類とCPU

順調に成長した水菜 IoTシステム全体

監視カメラ

http://garden.mybluemix.net/


3.3 IoT新時代に向け、技術者育成を加速

～プロファイリングを提供する技術スキル管理システムEXES～


1) 組織内での位置と成長を確認するダッシュボード

本人室平均本部平均

技術項目の登録数

登録数の５年間の変化

73


2) 成長過程を可視化するタイムライン表示

• 1)業務(赤)、2)研修(緑)、3)自己研鑚(青)を時系列で表示

74




75




76


3) 個人別に各スキルレベルを可視化

レベル１から７を、瞬時に棒グラフ化


4) プロファイル検索 (1/3)

効率的育成のため、潜在能力をもつ技術者を探す

•新技術分野で活躍する技術者を育成したい – 新規分野の研修を開催しても受講者が伸びない

– 新技術分野向きの対象者を探し出して、受講を促したい

•活躍しそうな技術者のプロファイルを定義する – 潜在能力をもつ技術者プロファイルで検索し、候補者を育成

– 例えば、「CAMSS研修の受講候補者プロファイル」 = ネットワーク技術＆モバイル技術 & プログラム技術者 & …

• 第一版はできたが、拡張性に課題を残した – SQL文が複雑になり、難読で維持管理がしにくい

– 機械学習＋クラスタリングで半自動を試みるも精度が出ず

– グラフデータベース技術の活用で目処がたってきている • グラフデータベースの一つ Neo4i で検索表現をシンプル化

78


4) プロファイル検索(2/3)

プロファイル検索で研修候補者をあぶり出し、受講を進める

• 例：「アーキテクト研修」の受講候補者のプロファイルを定義

– 「プログラム製作経験者」&「OOP技術者」&「DB技術者」

79


4) プロファイル検索(2/3)

プロファイル検索で研修候補者をあぶり出し、受講を進める

• 例：「アーキテクト研修」の受講候補者のプロファイルを定義

– 「プログラム製作経験者」&「OOP技術者」&「DB技術者」

80


4) プロファイル検索(3/3) プロファイル精度向上をねらい、グラフデータベース活用へ

堀田 Sensor

金澤

IoT関連プロファイル

AI関連プロファイル

モバイル系プロファイル

安川

先進技術者プロファイ

ル

目的のカテゴリー保有技術要素

EDISON

iOS

Android

深層学習

認識技術

先進技術者


４．おわりに～明日のシステムインテグレーション～


IoT＋CAMSSの時代は、SIの領域が拡大する

•アプリ領域はサービス領域に拡大

– サービスをインテグレーションすることが必要

– ビジネス・モデリング力も要求される

•システム設計にデーターの流量考慮が必要

– 止まらないデーター流量から設計する

– クラウドとフォグの役割分担など

•IT基盤技術領域が新たな方向に拡大

– センサーへのPoE給電、RF給電も対象領域へ

– インタークラウドからフォグ（エッジ）へ


IoTとCAMSSの世界は価値創造が問われる

•エクサは、新たな領域の技術者を育て続け、総合的エンジニアリング力の向上を通して、お客様と共に価値創造を図ります

本日はありがとうございました。

iot/ioeとcamssで描く未来と エクサの戦略 · •2. iotとcamssの描く未来 –2.1...

Documents

iot/ioeとcamssで描く未来とエクサの戦略 · •2. iotとcamssの描く未来 –2.1...