富士通ＩｏＴ「ユビキタスウェア」、ビッグデータ分析「ODMA」、プラットフォーム「MetaArc」

今日（１１月５日）富士通IoT・ビッグデータ活用フォーラム2015に午後から行ってきた！
ので、自分の聞いてきたセッションの内容をメモメモ

---

■ＩｏＴが進化させる安心・安全な職場と社会のイノベーション
→富士通ＩｏＴソリューション「ユビキタスウェア」ご紹介

ＩｏＴ時代の到来
・２０２０年のネットワーク社会
　　ネットワークにつながるモノ５００億（３倍）
　　データは１０倍

富士通がお客様と取り組むヒューマン千トリックＩｏＴ
・どんなげんばにも人がいて、デジタル情報を管理

これからのＩｏＴをリードする富士通ならではの技術
・ヒューマン千トリックえんじんによる”人”を中心としたセンシング技術と
　安心・安全を支える高度かつ使いやすいセキュリティ技術をＩｏＴに活用
　ケータイで培った技術
　　センサー
　　　・ゴルフスィング
　　　・はっきりボイス
　　セキュリティ
　　　・虹彩認証

・ＩｏＴ導入の課題
　技術・運用
　　多種多様なセンサーからのデータの取り扱い
　システム構築
　　さまざまな用途の開発：横展開難しい
　お客様
　　データを効率的＆セキュア

→ユビキタスウェア
　　一般的なセンサー
　　ユビキタスＩｏＴセンサーコア
　　　　センサーデータを意味情報へ変換→イベント等に変える

ＩｏＴソリューション導入プロセス
　１．センサーデバイス開発
　２．ネットワーク・クラウド構築
　３．アプリケーション開発

　ユビキタスウェアの場合
　　ユビキタスウェア選択
　　Ｇａｔｅｗａｙ構築
　　ＩｏＴプラットフォーム構築
　　データ見えるか

富士通のＩｏＴビジネス領域
　→垂直統合
　トータルコーディネート

　現場
　　人・もの・センシング
　　　　ユビキタスウェアモジュール
　　センサーデバイス
　　　　ユビキタスウェア搭載デバイス
　　ネットワーク
　　　　Ｍ２Ｍ－ＧＷ
　　　　ユビキタスウェアＧＷ
　　　　ＡｒｒｏｗＳ
　可視化分析予測
　　クラウド
　　　　ＩｏＴプラットフォーム
　　ビッグデータ分析
　　　ＯＤＭＡ
　　　ＳＰＡＴＩＯＷＬ
　　業務アプリケーション

・実証実験

ユビキタスウェア商品構成

ヒューマン千トリックＩｏＴを実現する”ユビキタスウェア！
　価値データに変換するアルゴリズム

　ユビキタスウェア
　　センサー活用ミドルウェア
　　コアモジュール（デバイスで組み込み可能）


ユビキタスウェアの主な特徴
　ミドルウェア＋コアモジュール
　　転んだ・姿勢検知
　　熱ストレス
　　移動方向推定

機能の強み
　富士通独島のアルゴリズムの強み：特許取得
　　姿勢特定
　　補数計測
　　移動時方位推定

　転倒検出
　　加速度＋気圧＋時間→転んだ

ユビキタスウェアの主なソリューション
　　安全・労務管理ソリューション：眠気検知
　　業務効率化ソリューション
　　見守りソリューション：安否確認

事例紹介

安全管理
活用例１：工事作業の現場状態把握による安全性向上
　　　フィールドマネジメントの現状：熱中症、転倒、転落
　　　作業現場での利用イメージ
　　　特徴機能：独自技術によるバイタルセンシング

活用例２：農機具転倒検知

活用例３：ドライバー安全運転支援
　　　独自アルゴリズム
　　　FEELthmシステム構成
　　　　デジタコ

業務効率化ソリューション
活用例４：院内サービス効率化
　　移動経路推定技術（ＰＤＲ)
　　測位ソリューションの提供価値：リアルタイム位置・動線分析

でも

　　測位ソリューションの特徴
　　　ＢＬＥで、ＧＰＳとのシームレスも可能
　　測位ソリューションの付加価値
　　システム構成例：屋内外位置測位

活用例５：点検業務向け施設の保守保全ソリューション
　　腕にはめるキーボード
　　現場のＩＣＴ化を実現するウェアラブル
　　　現場で確実に使える
　　　　　屋内でも屋外でも見やすい画面
　　　　　防水・ぼうじん
　　→保守の話が多い
　　現場運用に適したシステム構成
　　ヘッドマウントディスプレイの提供価値
　　　　マニュアル参照
　　　　ＡＲ表示
　　　　映像記録
　　　　遠隔支援

見守りソリューション
活用例６：さまざまなセンサーや生活オンによる高齢者の見守り
　　→音による分析
　　　安否確認：生活の音がない・異常音
　　　仕様車は普段通りに生活するだけ

活用例７　酪農・畜産分野への展開
　　酪農・畜産分野への展開例
　　　体調不良、発情検知、分娩検知

活用例８　飼い主とペットをつなぐソリューション
　　ペット見守りトータルソリューション
　　　動作解析

ユビキタスウェアビジネスの広がり
　ハード単体だけでなく、ＳＩ・現場・業種アプリ開発など、ソリューションでのビジネス展開

年末、１～２月に出てくる
→実証実験を考えさせてください。

---

■製造現場データの見える化と分析によるスマートなものづくり

富士通が考える次世代のモノづくり
・ビデオ
　ものをつくらないものづくり：スマートなものづくり
　　　ノウハウ；クラウド
　　　サイバーフィジカルシステム

１．製造業の動向
・どいつ　Industry4.0
　中堅中小企業をつなぐ
　サイバーフィジカルシステムでつなぐ
　生産現場

・あめりか　industrial Internet
　出荷から次の商品のＩｏＴ,ビッグデータ
　強者連合のエコシステム：中心ＧＥ
　　火力発電１％かいぜんで２００億ドル

・日本
　ロボット革命実現会議
　ロボット革命イニシアチブ協議会ＲＲＩ（２０１５・５・１５）

　つながる工場ＩＶＩ：法政大　西岡先生
　　→ゆるい繋がり


２．富士通のものづくり
　富士通自信も製造業の一員
・これまでの数々の活動からＦＪＰＳ（富士通生産方式）を構築
　トヨタＹＰＳ＋ＩＣＴ
・富士通のモノづくり：マスカスタマイゼーションの世界に入っている
　　個体認識（３．６くらいは行っている）
ＦＪＰＳのポイント
　バーチャルプロダクト：仮想製品
　デジタルモックアップ技術
　バーチャルファクトリー
　　シミュレーション＋３Ｄプリンター
　　ＶＰＳ（ＤＭＪ），ＧＰ４，ラピットプロトの融合
　　富士通版つながる工場→バーチャル領域はできている
　　バーチャルとリアルをつなぐサイバーフィジカル
　　ＣＰ連携技術ーＶＲ

３．富士通の次世代モノづくりへの取組み
・ＩｏＴ
　具体的な取り組みマップ（６テーマ）
　スマートなものづくり実現のアプローチ
　バーチャルを工場の現場に写像

　（１）仮想大部屋会議
　（２）知識・学習エンジンによる設計／検証自動化
　　　　設計ミスによる手戻りを抑制
　（３）ものづくりナビ＋自律型製造システム
　　　　どこのロボットでも動く
　（４）人による現場改善の自動反映
　（５）ものづくりの動的アロケーション

・富士通の考える次世代モノづくり
　　判断
　　制御
　　蓄積・予測
　　可視化

４．じせだいものづくり向け可視化・分析ソリューション
　Operational Data Management & analytics予兆監視モデル(ODMA)
・富士通のＩｏＴ関連製品での位置づけ
　ビッグデータ分析：ODMA

・ソリューション概要
　リアルタイムに分析し、予測予兆
　現場に伝える判断まで一貫して提供

・データ活用における「お客様の課題」
　　・設備・機器の稼働における課題
　　・設備からのデータ収集・蓄積・活用状況

・アプローチ
　　データ活用ノウハウＸビッグデータのストリーミング処理技術

・ソリューションの構築
　データをすぐに活用できるよう、基盤や分析ライブラリを統合
　　　テンプレート
　　　共通化・部品
　　　センシングデータ

・ストリーミングデータ処理基盤
　　　Java,Python R,
　Fluentd RabbitMQ SparkSQL Spark Streaming Spark MLib Kibana（データ可視化）

・分析ライブラリ：データ分析の難しさ
　従来のアプローチ：過去の故障データを分析し、異常モデルを作成
　→アノマリ検知機能：いつもと違う状態を機械学習
　　　→相関のずれを検知

・ソリューションの適用効果
　　従来：事後対応
　　今後：ゼロダウンタイム

５．取組事例
　スマートな見える化

・富士通アイネットワークシステムズ
　ＰＢＸを作っている
　スマートな見えるか（全体俯瞰図）
　タイムラインツール：線と線の間があく→非効率→分析ツールで改善ポイント把握

・島根富士通（実証実験中）
　ビーコン、出荷アラーム

スマートなモノづくりに向けて

---

■デジタル革命を支える富士通のデジタルビジネスプラットフォーム「ＭｅｔaＡｒｃ］

１．デジタルビジネスプラットフォームMetaArc
・デジタル革新の時代
・デジタル革新に向けたお客様との取り組み
　約３００件　ＰｏＣ／ＰｏＢ
・業界横断の取り組み
　Ｆｉｎｔｅｃｈ、農業
・富士通の次世代クラウド基盤
　ＳｏＥとＳｏＲの連携
・MetaArc：MetaとArcの造語
　Meta：こえて
　Arc：つなぐ
・MetaArc
　クラウドサービス、
　プライベートクラウドプロダクト
　プラットフォームサービス
　マルチクラウドインテグレーションマネージドサービス
　アライアンスパートナーサービス

２．デジタルビジネスプラットフォームの中核となるクラウドサービスＫ５
・Ｋ５　なれっじのＫ，５大陸の５
　販売日９月２９日、提供尾１２月１日～
　オープン技術：ＯｐｅnStack,CloudFoundry
　　＋
　富士通のノウハウ

　ＰａａＳ
　ＩａａＳ
・Ｋ５の差異化ポイント
（１）ハイブリッドニーズにこたえる安心安全な４＋１のモデルを提供
（２）お客様と培ったＳＥのナレッジを搭載したＰａａＳ
（３）社内実践で磨き上げたサービスを継続的に提供

ハイブリッドニーズにこたえる安心安全な４＋１のモデルを提供
・４＋１
　１パブリッククライド
　２バーチャルプライベートホステッド
　３デディケーテッド
　４デディケーテッドオンプレミス
　　＋
　５プロダクト販売

　１，２はパブリッククラウド（２は中間）
　３，４　プライベート

・安心安全を支える技術
　　リージョン：日本リージョン東・西、海外　ＤＲ対策
　　アベイラビリティーゾーン
　　リアルタイムリプリケーション
　ドメイン。セキュリティグループ→OpenStackを商用に耐えられる形にして

・セキュリティ
　富士通クラウドCERTが強力支援
　　前寂性診断、モニタリングと検知

・オープン技術をとりこんだ自社開発クラウド

・お客様と培ったＳＥのナレッジを搭載したＰａａS
　　基幹（既存）システム＋ＡＰＩ＋新規ビジネスのためのシステム

・基盤業務基盤サービス
　ロジックとデータが一体化したサービス開発手法
　　　ロジック
　　　モデリング
　アプリケーションの実行環境をパッケージ化

・新規事業の早期立ち上げ
　クラウドネイティブ基盤サービス
　１．好みの言語でアプリけションを開発
　２．アプリケーション
　３．配備

・インフラ構築作業からの解放
　システム自動構築サービス
　　構成要素作成／再利用→マーケットプレイス（ＷＬ－ＰＫＧ）→システム配備・運用操作

・エコシステムの形成を支援
　ＷｅｂＡＰＩ管理サービス
　Powerd By apigee（あぴじー？）
　　トラフィック制御
　　課金；マネジメント

・社内実践で磨き上げたサービスを継続的に提供
　　社内システムを次世代クラウドへ
　　　予算管理システム　９月本稼働
　　　運用工数３０％半減、ＶＭ数を半減
　　ハードからソフトへシフト
　　　仮想コネクタ、仮想ルーター、FWaaS
・サポートサービス支援システム
　サポートサービス支援システムを８月に本稼働
　利用部門の要望にこたえ、ＷｅｂAPIでインターフェースを統一
　　→柔軟なデータ格納形態を持つ

・社内実践によるリファレンス化

３．デジタルビジネスプラットフォームでのＩｏＴ・ビッグデータの取り組み
・MetaArcのIoT/BD向けサービス

・事例１；医療
　人それぞれの体調変化をとらえ、健康を早期に改善
　予防医療　ＣＥＰ
　予兆を検知する未来健康社会基盤（仮称）
　　世界最大量のデータを蓄積

・モバイル活用基盤　MobileSUITE
　１２月１日提供開始

・事例２：Ａ社新聞社様　モビリティ
　スマートデバイスでの記事入稿でニュースの速報性を向上
　コンテンツやアプリの暗号化Ｐｕｓh技術

・ＩｏＴプラットフォーム
　２０１６年２月２９日　新機能提供開始
　エッジ処理：センサー→不正データがでる：コントロール
　広域分散技術　ダイナミックリソースコントローラー；特許５５件

・事例３：interactive shoes hub
　センサーシューズプラットフォーム（仮）
　　足の動きをセンシング
　センサーデータが扱い易ければ、アプリケーション開発は容易になるか
　　富士通の重点領域
　　　パーソナルデータ
　　　オープンデータ
　　　ビッグデータの長期格納
　センサーシューズプロト　Ｖｅｒ４（２０１５年８月）　　
　蓄積センサーデータ解析
　取得センサーデータから行動推定
　データ利活用案
　　　トレッキングツアーでの活用
　　　リハビリテーションでの活用
　ビッグデータとしての利活用

全体スケジュール
・２０１５年１２月～　順次提供
　上期　５月　対外発表
　下期　サービス提供（今：一般トライアル期間中）
　１２月から正式提供
　いま東、４Ｑに西、海外は１６年のおおよそ７月、ヨーロッパから

Ｋ５を１１月末まで無料で試用提供
正式提供でも１カ月は無料

---

アンケート回答への記念品はレタス

機械学習やAIは、予測のほか、「分ける」使い道がある-Redhatは、儲け損ねているかも？

昨日の、Redhat forumのまとめ

ＲｅｄＨａｔのＩＯＴ，ＡＩや、富士通、CISCOのOpenStackリファレンスモデル等
http://blog.goo.ne.jp/xmldtp/e/6bc1d70dd607e1e04f59c3107ac8e99f

見てもらうとわかるけど、RedhatはAIや機械学習を予測に使っている。
しかし、大きな分野として、「分ける」という使い道があり、
これがRedhatのルールベースの前段に繋がってきて、おおきな利益の源泉になりそうなんだけど、
そこについては、全く触れていないので、ここに書いておきたいと思う。

---

■機械学習、連続量は「予測する」、カテゴリは「分ける」のに良く使う

【連続量と離散量】

　機械学習に限らず、データは、連続量と離散量がある。

　離散しているものには、整数のように、永遠に続くものもあるけど、
「男、女」、「子供、大人、老人」のように、有限の離散量もある。

この有限の離散量は、カテゴリーデータとして機械学習、統計等の世界では扱う
（まあ、連続量でも「快晴、晴れ、曇り」のようにカテゴリー化して
　扱うこともあるけど・・・）



【連続量は回帰で予測する】

連続量の場合、どういう量になるかというのが、数式で表せる。

そこで、どういう量になるかを予測するという回帰、重回帰が、
機械学習のテーマとなる。
（予測の場合、表面的に見える観測可能な数値を扱うのが、回帰、重回帰、
　潜在的な因子まで考えると、共分散構造分析となる）

なお、離散量でも、整数のような永遠に続くものは、回帰、重回帰
などで扱ってしまう。



【離散量のカテゴリーは、分けることが重要】

一方、カテゴリーデータは、基本的に「どのカテゴリに入るか」が重要。

　　故障しているのか、正常なのか、
　　病気なのか、病気でないのか
　　青なのか、赤なのか、黄色なのか、
　　犬なのか、猫なのか、鳥なのか、
　　この投資は、すべきなのか、すべきでないのか・・・

どこに入るかが重要。

このとき、どのカテゴリーに入るの分かるのが判別分析で

　　SVM：カーネルトリックを使うと基準が分からなくなる
　　決定木：基準を明確にして分類

などがある。さらに、分ける→分かった＝認識した！
となると、画像認識、音声認識もこの分野の延長となり

　　ニューラルネット：弱点を補強して多段を可能にしたDeepLearning

となる。また、カテゴリーをテキトーに分けてくれる

　　クラスタリング：とくにk-meansの教師なしが有名

となる。

ちなみに、Yes/Noの場合、どっちに転ぶかを、確率的に表した
ロジスティック回帰というのがあるから、カテゴリーで回帰が無いわけじゃ
ないけど、カテゴリーは分けるほうが大事。

　SVMとかクラスタリング、決定木など機械学習っぽい言葉が並ぶのは
こっちのほう。

---

■「分ける」機械学習がルールベースを発展させる

【ルールベースは２段階に分かれる】

この分けるというのが、ルールベースに関係してくる。
ルールベースは、

　　「何々という条件が起こったら」→「何々せよ」

という２段階に分かれている。たとえば

　　雨が降ったら→傘をさせ
　　株で儲かりそうだったら→株を買え
　　在庫が切れそうだったら→発注しろ

つまり、条件部→実行部にわかれている。
そして、実行部はてつづきなので、定義しやすい
（例：株を買う手続きはできる。
　　　問題は、「いつ株を買ったら儲かるか」が難しい）

【条件部分は、「成立する／しない」に分けられる】

ここで、条件部について考えると、　　

　　雨が降ったら＝雨が降っている／振っていない
　　株で儲かりそう＝儲かりそう／もうからなさそう
　　在庫が切れそう＝切れそう／切れなさそう

と、条件が成立する／しないのカテゴリーに分けられる。
よって、いままで記述できなかった「雨が降ったら」や
「株で儲かりそう」だったら、というのも、機械学習で
分けることで、対応でき、そうすれば、ルールベースに
載ることが分かる。

【つまり、ルールベースの条件部に機械学習が使える】

たとえば、センサー情報と天気情報を合わせて、
決定木にかければ、

　　どのセンサーが、どうなったとき、雨

というのがわかる。

それを使って、雨が降ったら、どうするというルールベースが
組めることになる。人手で考えなくても（決定木の場合、
理由が分かるので、人があとで確認することも可能）

---

■Redhatは、儲け損ねているかも？

Redhatは、JBOSS BRMSというルールエンジンを持っているので、
これと、AI・機械学習をくみあわせ、

条件部分は、機械学習で判断
条件→実行部をJBOSS BRMSで定義

とすれば儲かるのに、そういう発表が無かった・・・

・・・う～ん、Redhatは、儲け損ねているかも？

SJIS-winとかcp51932とか、ＰＨＰでの機種依存文字変換をまとめてみる

①（まる１）とか（はしごだか）とか、ＳＪＩＳ、ＥＵＣでは
サポートされていない、機種依存、環境依存文字を、ＰＨＰで
mb_convert_encodingで単純に"SJIS","EUC-JP"で変換すると、
文字化けする（ＵＴＦ－８はＯＫ）

そこで、SJIS-winとかcp51932とか、送るんだけど、
それについてまとめる。

---

■お題

以下の文字をＵＴＦ－８（ＢＯＭなし）で保存する
（ファイル名utf8n.txt）

これを表示する

---

■ＳＪＩＳ編
【内容】
以下のＰＨＰファイルをSJISで保存する
（ファイル名sjis.php)

<?php
$str = file_get_contents("utf8n.txt");

echo mb_convert_encoding($str, "sjis-win","utf-8");
echo mb_convert_encoding($str, "cp932","utf-8");
echo mb_convert_encoding($str, "sjis","utf-8");

?>

【結果】

---

■ＥＵＣ編
【内容】
以下のＰＨＰファイルをＥＵＣで保存する
（ファイル名euc.php)

<?php

$str = file_get_contents("utf8n.txt");



echo mb_convert_encoding($str, "eucJP-win","utf-8");

echo mb_convert_encoding($str, "CP51932","utf-8");

echo mb_convert_encoding($str, "EUC-JP","utf-8");



?>

【結果】

---

■参考までに

どのようなエンコードがサポートされているかは、

サポートされる文字エンコーディング
http://php.net/manual/ja/mbstring.supported-encodings.php

に書かれている。

また、上記のＣＰの番号とコードの関係は

Microsoftコードページ932
https://ja.wikipedia.org/wiki/Microsoft%E3%82%B3%E3%83%BC%E3%83%89%E3%83%9A%E3%83%BC%E3%82%B8932

の下のほうに書かれている。

また、Excelで、ＣＳＶファイルを読み込むとき、