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？

多く業界において、適切な対応時間は数時間や数日ではなく、数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対応策を見極めることは、ますます困難になっています。

ストリーミングデータ分析を活用すれば、IoTデバイスからの得られる過去データと、リアルタイムで急速に変化するライブデータの両方にアクセスし、分析して対応することが可能になります。これにより、設備に関連する問題の有無を判断し、将来的なトラブルを未然に防ぐことができます。

資本集約的な環境においては、問題が深刻化する前にそれを察知できることが求められます。温度が高すぎる、あるいは圧力が低すぎるといった、機器の故障の兆候があるかどうかを把握する必要があります。この情報を分析し、そこから学び、行動に移す必要があります。そこでストリーミング分析が活躍します。

リアルタイムのストリーミング分析を活用すれば、重要なビジネスイベントが発生したその瞬間、つまり最も重要なタイミングでそれを予測・検知することができ、リスクを最小限に抑え、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

ビッグデータや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するようになっています。IoTだけでなく、市場、モバイルデバイス、クリックストリーム、社内トランザクションシステムからも、リアルタイムで生成されるデータストリームが増加しています。リアルタイムのストリーミング分析を活用することで、以下のことが可能になります：

• あらゆる種類のイベントストリームとイベントデータを無制限に監視する高度な分析を設計、開発、展開する
• 多数のソースから同時にパターンを検出・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対応を自動化する
• 圧力や温度の変化など、機器の故障の兆候となる可能性のある重要なイベントパターンを特定する

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前川製作所(MAYEKAWA)は、コンプレッサーにセンサーを取り付け、圧力、温度、振動、エネルギー使用量などのデータを収集しました。ストリーミング分析を活用することで、同社はフィールドサービスチームに予知保全の予測情報を提供できるようになりました。これにより、フィールドサービスチームは、メンテナンスの問題にその場しのぎで対応したり、厳格なスケジュールに従ってサービス訪問を行ったりする代わりに、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るようになりました。このサービス改善により、ダウンタイム、エネルギー消費、および運用コストが削減され、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ポイント

ストリーミング分析プラットフォームを選ぶ際は、重要なタイミングで分析結果に基づいて行動できるよう、それが真に「リアルタイム」であるかを確認しましょう。次の点を考慮して検討してください：

• 組織内の幅広いユーザーが分析結果にアクセスできるか？
• ソフトウェアの設定やファームウェアの更新をエッジ端末に手動で適用する必要はあるか？
• データ収集パイプラインに接続し、実用的な洞察の遅延を低減できるか？
• 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と連携できるか？
• 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・構築するために多くのソフトウェアエンジニアが必要になるか？

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に対する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ール式かつ統合された世界最高水準の機能セットを提供します。IoTデバイスから得られるヒストリカル（履歴）データと、変化の激しいリアルタイムデータの両方にアクセスし、分析・対応することで、設備に関連する問題の有無を特定し、将来的な問題を未然に防ぐことができます。

セルフサービス型分析

Cumulocityなら、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、現場のエンジニア、アナリストが自ら分析を構築し、業務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、機械から送信されるライブデータ内のパターン一致を検出し、適切なアクションを実行するモデルを設計できます。「ドラッグ＆ドロップ」するだけで、生産ラインや工場現場で発生している事象に対して、リアルタイムでどのように対応するかを定義できます。

分析ブロックライブラリを使用すると、以下のことができます：

• 閾値超過を特定する
• 平均と標準偏差を算出する
• 重み付き線形回帰勾配を算出する
• 欠損データを検出する
• 更に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

設定済みのスマートルール

ウィザード形式の設計済みスマートルールを使用すれば、ルールを迅速かつ簡単に作成できます。これらは運用担当者を念頭に設計されているため、コーディングなしでアラームやイベントを設定できます。

機械学習モデルの導入

機械学習モデルを活用し、重要なプロセスにおいて統計的に導き出されたアクションを用いて、手動プロセスを自動化システムで補完または置き換えることができます。アプリケーションが分散環境、クラウド、オンプレミスのいずれ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、モデルの実行、最適化、スケーリングが可能です。これには、Keras、Caffe、またはTensorFlow®を使用して構築された深層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、オンプレミスサーバーなど、適切な場所でストリーミング分析機能を活用し、データをバックエンドに送信して追加処理を行う前に、ローカルレベルで分析およびフィルタリングを行います。クラウドからエッジに至る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るだけで、あらゆる場所にデプロイ（展開）できます。

高度なユースケース向けのコーディング

Cumulocityストリーミング分析は、最も複雑で高度なストリーミング分析のユースケースにも対応できるカスタムアプリや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包括的なツールセットを利用できます。