EtherCATの話を聞いてきた・・・とおもう・・

４月１１日

Renesas　DevCon Japan 2017
https://www.renesas.com/ja-jp/about/events/2017/devcon.html

にいってきた！のつづき。

EtherCATの入門から実践ソフトウェア製品のご紹介

を聞いてきたので、その内容をメモメモ

---

EtherCATの入門から実践ソフトウェア製品のご紹介

・会社概要
・主な業務内容
　　EtherCATスレーブ用SDK
　　EtherCATますたのサポート
　　ドライバパッケージ
　　一般的なソフトウェアの受託
・ほかのネットワーク実績
　　FLNET、PROFINET,PROFIBUS　molexさんとのパートナーシップ

・EtherCATスレーブ用SDKの採用事例
　採用事例
　　電車関連、製造関係、監視関係、宇宙関係
　２０１１～２０１５年は某社さんのCPU多かった
　２０１６年からは７割がルネサスCPU　採用実績１．７倍

・EtherCATの概要
　Ethernet for こんとろーるおーとめーしょんてくのろじー
　ノード間で同期する
　
・メリット
　プロトコル仕様の標準化
　工場内のスリム化：Toyota採用
　工場の生産性向上：

　ESIファイル

・EtherCAT主要機能と構成
　プロセスデータ通信(PDO)
　　サイクリックデータ通信
　　100us程度の同期通信も可能
　　リアルタイム通信は転送を利用

　メールボックス通信
　　非同期
　　以下のプロトコルに対応
　　　CoE
　　　FoE
　　　EoE
　　　SoE

　ディストリビューションクロック
　　ノード間の同期　１マイクロ秒未満の同期性能
　　SYNC0
　　　モーターのモーション制御など

　ほっとコネクト
　　指定したノードについては、実装の有無にかかわらず通信を継続させる機能
　　ステージマシーナリーなどに

　リダンダンシー
　
　ESIファイルとENIふぁあいる
　　　ESI：スレーブ固有仕様をXMLで書いたもの
　　　　　　あらゆるスレーブ製品は１つのESIファイル必要
　　　ENI：コンフィグレーターが生成するファイル

　CiAドライブプロファイル
　　モーター制御で場合によっては必要になる
　　IEC61800-7-201
　　ステートマシンが定義
　　モードが９つ定義

　CiA402は動作状態をStateMachineで管理します
　どのモードでも共通

・Semiプロファイル
　ETG5003で定められている半導体製造装置向け標準規格
　　CDP；共通
　　SDP：特定装置向け

・SDKのご紹介
　難易度上がる
　テストツールのバージョンあがる：試験項目も厳しく
　自力は大変

　EtherCATSlave対応のCPUすべてに対応済み
　CTTを通してリリースしている
　無償評価版がある

・RIN32
　通信ICとして最適
　外からReadWriteできる（DPRAM不要）

　RZ/T1
　EC-1
　　EtherCAT専用

・ソフトウェア開発手順
　　ETGへの加入
　　VenderIDの取得
　　slave　Stackのダウンロード
　　開発環境

　開発
　　EtherCATスレーブインターフェースのカスタマイズ
　　アプリ開発
　　基盤の立ち上げ
　　デバッグ

　テスト
　　機能テスト
　　CTT

・作業分担
　　変数にセットが多い
　　SDKもあるが

・クラスAha同期できる（クラスBもある）
・マスターリダンダンシー

Springでドメイン駆動にすると、SIerが儲かるという話

ちょっと忘れそうなのでメモメモ

■そもそも、SpringBootを使ってWebアプリを作る場合
　従来のようにテンプレートエンジンを使って、画面にタグを入れる方法と、
　SPAでREST－APIを呼び出す方法がある（後者だと、画面に限らず、いろんな
　アクチュエーターから呼び出せる）

■ここでの問題
　サービスの中には、いくつかのサービスをまとめて呼び出したいということがある

　これを実現するのにサービスの入れ子を使いたいけど、
　Terasolunaでは、サービスの入れ子は禁止されている
https://terasolunaorg.github.io/guideline/public_review/ImplementationAtEachLayer/DomainLayer.html#serviceservice
　データ様のいうことは絶対なので（というか、入れ子にされると、
　トランザクション処理が分かりにくくなる）

　なので、サービスの入れ子をしないで、サービスを呼び出した効果を得たい

■この解決として、POJOでロジック

そこで

ドメイン駆動設計 powered by Springを聞いてきた！
http://blog.goo.ne.jp/xmldtp/e/0894cefce0a7fdb1eb55daea8e6d8721

で聞いてきたように、サービスの処理は、POJOで外に出して記述する。
@Service内では、
　　その処理を呼び出し、
　　引数をセットし
　　結果に基づきDB処理（@Repository）
をするように分離する

■SIerが儲かるわけ
　こうすると、ロジックをかく人は、ロジック部分に集中できる。
　そうでない部分は@Serviceはロジック部分へのデータセットと
　その結果を受け取ってデータ更新なので、ある程度機械的に出来る
　なので、ここの部分は、単価安い（プログラマでない）一般派遣
　でもいけるかもしれない。

　一般派遣なら、月単価５０万以下でもありえる。
　そして、ふつうのプログラマは、ロジック部分だけを作成させ、人数を抑える

　そうするとSIerとしては、単価をやすくできるんで儲かる

■でもみずほは・・・
　この手がつかえない。
　たしかSOAPだっけ？
　３０年もたせようとすると、開発中にふるくなってしまうよね・・・

機械学習の成果をリリースするにはとか、GooのAIオシエルの中身とか、聞いてきた

４月１２日

Open Tech Talk@freee
「AI技術を取り入れたサービス作り」
https://connpass.com/event/51435/

を聞いてきたので、その内容をメモメモ

---

■あいさつ
・中の話を出すことになった理由
　レゾナント大学　１６０回以上
　Tech Talk
・重要
　Freeeさんありがとう
　特別の資料があるので、それはださないこと

■Freeeさん
　この中はOK
　クラッシュアカデミーで動画配信

・自己紹介

・アンケート
　　機械学習　すこし
　　これから　８わり

　　エンジニア　たいはん
　　データサイエンティスト　すこし

・Freeeについて
　テクノロジーで効率化、自動化
　クラウドではシェアNo1
　テクノロジーを利用し、記帳・経理作業の自動化

　お金のデータが集まっている

　経営の効率化

　金融機関と連携：審査の機関の短縮
　人事データを一元化する、人事労務freee

　今日のお話
　　アルゴリズム開発ではなく、プロダクト応用について

　どんな課題を解くか

　経営の意思決定サポート
　　　予測・マッチングなどによる経営への示唆

　バックオフィス業務の効率化
　　　分類・突合せ作業などの効率化

　ビジネスデータ識別基盤
　　　紙データを解釈する

　機械学習をプロダクトに導入するためのフロー
　　　データで解決したい課題は明確か？
　　　　　　↓
　　　ルールベースでやってみたか
　　　　　　↓
　　　ルールの複雑度は運用可能なレベルか十分な精度が得られるか
　　　　　　↓
　　　十分なデータがあるか

※機械学習はコスト高い
　　メンテナンスコスト
　ディープラーニングは数万件
　トラディショナルなら数百件でも

・プロダクトの価値を高めるツールとしての機械学習

　予測モデルの予測が外れることを想定したサービス作り
　　税務申告：８割ではX→１００％にしないと：自動化でなく支援のほうがいいときも

機械学習を含む開発プロセスの全体像
　課題設定
　　　解釈
　　　モニタリング
　
　　データ収集
　　特徴量設定　　→こっちのループをまわすことが多い
　　モデリング　　　やってみるまでわからん！
　　評価
　
　※研究開発組織をもっていないとめんくらう
　　データサイエンスの指標

　イテレーションが難しい：検討
　　出しっぱなしになりがち：メンテナンスされなくなる

データドリブン名プロダクトの運用に不可欠なモニタリング
　基本的にデータは生もの
　なにかあった→アクションをまわせる

小さくはじめる機械学習プロダクト作り
　　機械学習を使ったプロダクト作りを始めるために必要なこと
　　　課題を見つけること
　　　ツールの使い方
　　　開発プロセスの違い

まとめ
　機械学習は課題解決の１オプション
　ある程度の投資が必要である
　自ら発信

Freeeはいろいろ募集中。


■AIサービス開発に必要なAI技術以外の話
　ストレッチしましょう！

１．自己紹介

・スモールビジネスAIラボって？
　データドリブンに効率化する
　研究開発

・現在のプロジェクト
　　自動帳簿チェック
　　タグ付けライブラリ
　　請求書と入金のマッチング

・自動帳簿チェック
　　もれ、だぶり、みすに気がつく

・タグ付けライブラリ
　　ゆういな文字を抜き出しタグ付け

・シャープな課題設計
　モデル作ることが仕事？
　　課題を設計することが一番大事
　　　AIとの適正
　　　インパクト
　　　難易度
　　　背景

　AI解けない分野とときやすい分野がある

　課題：現状がぜんぜんわかっていない
　　仮説思考
　　　仮説立案修正
　　　分析・検証
　AIラボはデータだけでなく、足でも調査
　会計事務所を訪問してヒアリング

　マネジメントの難しさ
　　　時間の見積もりは難しい
　　　ちゃんと調査、レポート出す

・スモールスタートする勇気
　シンプルな手段
　　ルールベースからはじめてみる
　　　　クレジットカード明細は９０％

・リリースしよう
　　リリースされないプロダクト
　　顧客の課題を解決：リリースまで持っていくこと大事

　いいモデルを作ることが目的ではない
　　リアクションもらうこと大事
　　　→お客さんが判断する
　　社内でも理解が深まる
　　テンションあがる

まとめ
・シャープな課題設計
・スモールスタートする勇気
・リリースしよう

■　言語深層学習を用いたサービス
　教えてGooにAIオシエル

　教えるさんどう思います？
　　AIじゃないんじゃないの？という意見
　　　→そうじゃないです

教えてGooのAIとは
・自己紹介

・教えてGooとは
　　疑問や悩みを持っている人と経験や知識を持っている人を結びつける
　　Q&Aコミュニティサービス

　　そうとうこうすう　３０００万

　　去年９月　AI回答生成

・おしえるとは
　　文脈を理解、過去のQ&Aデータから回答
　　恋愛相談、一定のスコア
　　一般の回答者と同じ位置づけ

・実際の投稿内容と回答

・体制とスケジュール
　　サービスチーム４人
　　AIチーム２つ

・導入背景
　　教えてGooの課題→実現したい世界
　　　解答がつかない→回答が必ずつく　べすとアンサー６％だけど、数
　　　いつ回答がもらえるかわからない
　　　回答により悩みや疑問が解決するか

　　批判的：回答の質に関係ない　多い
　　肯定的：

■オシエルの中
・自己紹介

・研究の背景
　質問応答技術には２種類
　　Factroid：答えが一意（アメリカの首都は）
　　NonFactroid系：答えが多様（恋愛相談）
　→おしえるはNonFactroid

・先行研究
Tan,M et al　Imporovement representation learning for question answer matting inn-proc ACL16
（１）Word2Vecを用いてそれぞれ質問、回答の単語ベクトル生成
（２）時系列DL（Bi-LSTM)によるQとAの文書ベクトル生成
（３）QとAのベクトルの類似度計測によりマッチング最適化

QA-LSTM　VS レゾナント手法
　QA：１つだけピックアップ
　レゾナント：回答部分の最適化

提案手法によるQAシステム
（１）単語ベクトル学習
　Word2Vecの

（２）回答生成学習

の独自機能を持つ

レゾナント手法の回答生成方法
A　Neural-network Answer Generation Model
３つのアプローチ
１．複雑かつ長文の回答生成実現のため回答の抽象的なシナリオを定義
２．（めもとりそこねた）
３．アテンション入れている

回答生成のための深層学習
・提案ネットワークは以下の２点を同時学習
（１）質問と回答ではなく、質問と回答文のマッチング

アテンションの効果
・結論→理由にバイアス：より親和性の高い回答群

かいはつかんきょう
・Python
・Chainer（ほかのフレームワークを使う担当も）
・CPU；Xeon　E5-2690　V4
　GPU；てすらM40
　めもり５２８G
　GPUで１０倍早い

・机上検証
　データセット
　　単語ベクトルの学習：１６のカテゴリ

　比較手法
　　QA-LSTM
　　AttentiveLSTM
　　　：

運用
１．モニタリング
２．定期的に新しいデータを加えて学習モデルの再学習を実施
３．質問分類の分類数を増やしてより詳細な質問の内容を把握
４．季節に依存した送客→Goo旅行と提携

将来に向けたチャレンジ
・自己紹介
１．文字レベルでの回答生成の取り組み
　既存技術のご紹介
　Sequence to sequence(sec2sec Sutskever et al NIPS 14）の流行
　チャットボットやFactroidQAについては応用されつつある
　Contextual LSTM（Ghosh et al 2016CoRR)
　→トピックモデル

　HRED
　　階層型Encoder Decoder Model（AAAI１６）

　現状のニューラルテキストジェネレーションの問題
　　GoogleのVunyalsらの報告（Vinyals and Le 2015」
　　　チャットボットなど短いぷ当分生成はできる
　　　ファクトロイドQA

　以下ひみつ

　最後に
　エンジニア募集

TensorFlowの学習結果をGR-PEACHに取り入れて推論させる方法とか

４月１１日

Renesas　DevCon Japan 2017
https://www.renesas.com/ja-jp/about/events/2017/devcon.html

にいってきた！のつづき。

人工知能を組み込みシステムに「e-AI」プラットフォーム

を聞いてきたので、その内容をメモメモ

---

学習する組み込みシステムを実現する「e-AI」プラットフォーム
人工知能（AI）がエンドポイントに変革を

e-AI３つのセミナー
・このセミナー：全体像
・なか工場の実証実験
・e2-studioを体験できる　組み込みに特化

エンドポイントのインテリジェント化　組み込みシステムでのAI　「e-AI」

・アジェンダ
　３つの不足能力
　e-AI
　AIの能力と実証事例
　プラットフォームか

３つの能力
　インテリジェンス
　　スマートホーム
　　スマートファクトリー
　　スマートインフラ
　半導体のインテリジェンスから市場の創造・成長がはじまる
　　半導体のイノベーション→IoT→新サービス

　今不足している能力
　　インテリジェンス：E-AIが解決
　　セキュリティ：組み込みセキュリティによるマネージどIoTネットワーク
　　こ・クリエーション：連携・オープンイノベーション

　ルネサスのe-AIへの取り組み　２０１５年１２月発表資料から

・本日発表　すぐに始められるe-AI
　AI市場の驚異的なスピードでの成長
　AI技術の変化の早さ
　　CNN：成果が多数公開
　ディープラーニングフレームワークの例
　　オープンソースだけでなく、組み込み向けも
　AIには２つのフェーズ「学習」と「推論実行」
　　学習：クラウド・高プロセッサ
　　推論：リアルタイム　アクチュエーターに近い環境

　学習と推論環境が異なる

　e-AIコンセプトに大きな反響
　装置メーカーのみでなく、工場やSIerからも問い合わせ
　　→ビジネスの検討も

　今の組み込みシステムで、今すぐ活用できる
　　e-AIソリューション第一弾
　　　３つの新機能
　　３つのプラグイン
　　（１）e-AIトランスレーター：オープンソースの環境をMCU/MPUへ変換
　　（２）e-AIチェッカー：取り込む前にRAM/ROMサイズ、推論時間算出
　　（４）e-AIインポーター：組み込み機器に特化したAIフレームワークにつなぐ

　　Caffe,TensorFlow　　　組み込み機器特化AIフレームワーク
　　　（１）　　　　　　　　（３）
　　　（２）
　　　　　　　　　　e2-Studio　
　ディープラーニング結果をすべての組み込み機器へ
　　→無償で提供

　GR-ぴーち・らいち→Webコンパイラとしての（１）、（２）提供
　　５月末

・e-AIの実証事例
　　産業・ブロードベースエリア中心 15のe-AIソリューション

　AIでやるとはやい。人の能力超えることも
　振動センサーとAIユニットのアドオン：聞き分け学習
　スマートホーム：健康状態を常時

・進化さらに学習をするe-AIへ

　認識→　　　行動予測・異常検知→　　自律行動
　　リアルタイム性　マルチモーダル　　　エンドポイントでの学習

　機械学習・ディープラーニング

　推論

　　人間
　　　かんかく
　　　ちょうかく　　五感　　判断
　マルチモーダル化　AI　　　判断

　エンドポイントの学習：サービスロボット

　注目する新市場：サービスロボット

・ロボットソリューションWeb本日公開

　　認識　RZ-G　DNN
　　制御　RZ-A（GR-PEACH)　DNN+強化学習

　ビデオ

　　組み込みシステムでも学習を続けたい
　　　→デバイスの進化
　　　DRP:FPGAを一瞬で書き換え可能なのを３次元で書き換えられるハードウェア
　　　DRP次のエンジンに

　DRPにセキュリティを融合させた新しい戦い方

　E-AIの資産：ビジネスとして提供
　学習済み資産をプラットフォーム化

　

SugerCRMの分析にIBM Watson Analyitcsを使う話

をGogleのディープラーニングを使って訳してみる。

その前にもとネタ

SugarCRM is Working With IBM Watson to Enhance the Customer Experience
Andrew Staples — March 8, 2017 — 1 Comment
https://blog.sugarcrm.com/2017/03/08/sugarcrm-is-working-with-ibm-watson-to-enhance-the-customer-experience/

以下太字は、上記サイトのGoogle翻訳

IBMは、ワトソンの力を受けて、多くの業界に認知情報をもたらすリーダーです。 IBMの最高経営責任者（CEO）、ジニ・ロメティ氏は、今週初めに、「今年は、腫瘍学や小売から税金の準備、車に至るまで、ワトソンが10億人の人々に触れてくれると期待している」と語った。 IBMと提携する予定です。

SugarCRMでは、2010年からIBMと戦略的パートナーシップを結び、毎日多くのIBMのビジネス・ラインと協力し続けています。また、IBMのビジネス・パートナー・アドバイザリー・ボードのメンバーです。

世界（およびCRM業界）がAIの力をいかに利用するかを理解するにつれて、私たちのチームはIBMと密接に協力して、企業がより良い顧客体験を提供できるようにWatsonの力をSugarにもたらしました。

Sugarは、IBM Banking Center of Excellenceに展開され、WatsonとSugarが金融サービス業界がデジタル混乱を処理し、優れた顧客体験を提供する方法を紹介しています。 IBMチームは、それを見せる素晴らしいビデオを作成しました。 IBMとの長年の関係のおかげで、これは顧客がデモを見て今日購入できるソリューションです。

SugarCRMのWatson Analytics Expert Storybookは、SugarExchangeで利用可能です.SugarCRMの顧客は、売上規模と損失を評価して、取引規模、キャンペーンの有効性、企業の種類別に強みを特定できます。 私たちは昨年、ワトソンの世界でストーリーブックをデビューさせました。

また、SugarCRMは、IBM Watson Customer Engagement（以前はIBM Commerceと呼ばれていたもの）のための2016 IBM Beacon Award for Outstanding Solutionの受領者であったことを非常に誇りに思っています。

IBMとの素晴らしい関係を継続することを楽しみにしています。

------------ここまで------------

Google翻訳凄い！ほとんど意味分かる・・・
・・・って、そっちかい！