ストリーミング分析とは？

ストリーミング分析の目的とは？

多くの業界において、適切な応答時間は時間や日単位ではなく、秒単位で測定されます。しかし、より短い間隔でより多くのデータが生成されるにつれ、適切なタイミングで適切な行動を取るべき事象を特定することがさらに困難になっています。

ストリーミングデータ分析により、IoTデバイスからの履歴データとリアルタイムの高速ライブデータの両方にアクセス、分析、行動することで、機器に関連する問題があるかどうかを判断し、将来の問題を防ぐことができます。

資本集約的な環境では、問題が発生する前に問題を発見できることが重要です。温度が高すぎる、圧力が低すぎるなど、機器故障の可能性を示す兆候があるかどうかを知る必要があります。この情報を分析し、学習し、行動する必要があります。そこでストリーミング分析が活躍します。

リアルタイムストリーミング分析により、重要なビジネスイベントが発生した瞬間、最も重要な時に予測・検出することができ、リスクを最小化し、利益を最大化することが可能になります。

ストリーミング分析の活用事例

ビッグデータと高速データが急増する中、企業はリアルタイム分析に依存しています。IoTをはじめ、市場、モバイルデバイス、クリックストリーム、内部トランザクションシステムから、ますます多くのデータストリームがリアルタイムで生成されています。リアルタイムストリーミング分析により、以下のことが可能になります：

• あらゆる数のイベントストリームとあらゆる種類のイベントデータを監視する高度な分析を設計、開発、展開する
• 多数のソースからのパターンを同時に検出・分析する
• イベントが発生した瞬間に、または予測モデルを使用する場合はその前に対応する
• 人間の介入なしに、インテリジェントなアクションを即座に実行する自動応答を行う
• 機器故障の兆候を示す可能性のある圧力や温度の変化など、重要なイベントパターンを発見する

ストリーミング分析の実践例

産業用冷却・加熱システムメーカーのMayekawaは、圧力、温度、振動、エネルギー使用量、その他の情報に関するデータを収集するためにコンプレッサーにセンサーを装備しました。ストリーミング分析を使用することで、同社はフィールドサービスチームに予知保全予測を提供することができました。現在では、アドホックベースでメンテナンス問題に対応したり、厳格なカレンダーに従ってサービス訪問を実施する代わりに、フィールドサービスチームは実際のシステムアラートに基づいてオンデマンドで対応できます。改善されたサービスにより、ダウンタイム、エネルギー使用量、運用費用を削減し、顧客満足度が向上しました。

ストリーミング分析をマスターするための重要な考慮事項

ストリーミング分析プラットフォームを選択する際は、重要な時にインサイトに基づいて行動できるよう、本当に「リアルタイム」であることを確認してください。以下を確認しましょう：

• 分析は組織内の幅広い人々がアクセスできるか？
• エッジにソフトウェア構成やファームウェア更新を手動でプッシュする必要があるか？
• 実用的なインサイトの遅延を減らすためにデータキャプチャパイプラインに接続できるか？
• ビジネスの他の部分に利益をもたらすサードパーティ製品を接続できるか？
• サポートと管理の観点からデバイスを完全に制御できるか？
• 分析ソリューションを設計・構築するために大勢のソフトウェアエンジニアが必要か？

リアルタイムストリーミング分析の利点

Cumulocityプラットフォームは、リアルタイムデータでの高速分析と機械学習に最適化された、エンドツーエンドでモジュラー、統合された世界クラスの機能セットを提供します。IoTデバイスからの履歴データとリアルタイムの高速ライブデータの両方にアクセス、分析、行動することで、機器に関連する問題があるかどうかを判断し、将来の問題を防ぐことができます。

セルフサービス分析

Cumulocityでは、誰でも簡単に接続できるビルディングブロックを使用してストリーミング分析を定義できます。コーディングは不要です。運用技術者、工場フロアエンジニア、アナリストが独自に分析を構築して、運用効率をより迅速に改善できます。

直感的なインターフェースを使用して、機械からのライブデータでマッチングパターンを探し、適切なアクションを取るモデルを設計できます。「ドラッグアンドドロップ」するだけで、生産ラインや工場フロアで起こっていることにリアルタイムで対応する方法を定義できます。

分析ブロックのライブラリを使用して、以下のことができます：

• 閾値違反を特定する
• 平均と標準偏差を計算する
• 重み付き線形回帰勾配を計算する
• 欠損データを発見する
• Analytics Block SDKを使用して独自のカスタム分析ブロックを作成することも可能です

プリセットスマートルール

ウィザード駆動の事前設計されたスマートルールにより、ルールを迅速かつ簡単に作成できます。これらは運用ユーザーを念頭に置いて設計されているため、コーディングなしでアラームとイベントを設定できます。

機械学習モデルの展開

機械学習モデルを活用して、重要なプロセスで統計的に導出されたアクションを使用する自動化システムで手動プロセスを補完または置き換えます。アプリケーションが分散環境、クラウド、オンプレミスのどこで実行されていても、専用のITリソースを割り当てることなく、モデルを実行、最適化、スケールできます。これには、Keras、Caffe、またはTensorFlow®を使用して構築されたディープニューラルネットワークモデルも含まれます。

エッジおよび/またはクラウドで利用可能

エッジデバイス、クラウド、またはオンプレミスサーバーで、適切と思われる場所でストリーミング分析機能を使用して、バックエンドでのさらなる処理のためにデータを渡す前に、ローカルレベルでデータを分析・フィルタリングします。クラウドからエッジまで同じストリーミング分析エンジンを使用するため、ストリーミング分析アプリを一度開発すれば、どこにでも展開できます。

高度な使用事例のためのコーディング

Cumulocityストリーミング分析は、最も複雑で詳細なストリーミング分析使用事例にも対応するカスタムアプリと動作を作成するためのコーディング環境を提供します。開発者は高度なストリーミング分析プロジェクトを作成するための完全なツールセットを利用できます。