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！

LPWANやBlueTooth５に対するルネサスさんの取り組みを聞いてきた！

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。

"Connected World" 有線・無線通信ソリューション

を聞いてきたので、その内容をメモメモ

---

Connected World 有線・無線通信ソリューション
・アジェンダ
　　コネクティビティの変化
　　無線ソリューション
　　有線ソリューション

・コネクティビティの変化
　スマートファクトリーでの変化
　リアルタイム性：産業用Ether、電力線通信
　スマートインフラ
　　電気：Bルート、Aルート
　　ガス・水道：サブギガ、LPWAN
　スマートホーム
　　あらゆるものをつなぐ；BlueTooth→BlueTooth５

　身のまわり
　広域
　産業用
　既存設備

・無線
　広域プライベート　LPWAN
　ロケーションフリー、メンテナンスフリー

　クラウド連携からプライベート通信まで
　LPWAN：数十キロ→直接見回り情報をGWにおくる
　　IoT
　ロケーションフリー：ぱっと設置すれば、電池交換なしで

　ルネサスの考えるIoT無線通信ワールド
　　　エンドポイント　Bluetooth
　　　コレクター：いったん集める（EAI)
　　　GW
　　　こういき　　　　LPWAN(LoRa）


　BLE（４．１）
　　モジュール、簡単API
　　RL78／G1D
　　組み込み、単体でも使える
　　ファームウェア書き換え　UARTで制御
　　　基本プロファイルのほか、UARTを置き換える仕掛けも

　ビーコンスタック
　　通常BLEスタック
　　ビーコンBLEスタック→消費電力４０％減：電池レス

　BlueTooth5
　　２Mbps：通信時間減る
　　ロングレンジ：数百メートル
　　アドバタイジングステーション
　　　　ネゴシエーションとかも
　フル仕様対応で用意

　サブギガ
　　トランシーバーとRL78
　　Wi-SUN　エコネット、スター、マルチホップ
　　フィールドウェイ（屋外用）開発中

　LPWAN
　　キャリア系
　　ノンライセンス
　　　　LoRa：着目→プライベート通信、低消費・・・
　LoRaWAN
スポンサー、現在開発中（夏くらいサンプル？）

■有線
　・産業用Ether TSN
　・既存　PLC

　同期、スケジューリング　TSN
　既存　PLC

・ルネサスが考えるリアルタイム産業用ネットワーク
　　同期化TSN　数ナノSecで
　　個別最適を全体最適へ
　PLC：ビルディングに：省配線→壁を越える
　　音声信号も流す

・TSN
　たいむ　せんしてぃぶ　ねっとわーく
　同期
　　エンドデバイスで時刻さ吸収
　たいむあうぇあすけじゅーりんぐ：決められたタイムで
　ふれーむ　ぷれ　えんぷション

　R-INエンジンにTSNをいれる

■NB-PLC
・PLC(電力線通信）
　ぷろぐらまぶるろじっくこんとろーらーではなく
　ACやDCに載せて通信

　新規の配線不要

　NB（なろーばんど）とWB（わいどばんど）
　NB-PLC:スマートメーターに採用
　　びたび、りーどそろもん
　　とーんまっぷ
　　ホッピング

　つながる
　　DSPベースのソフトウェアモデル
　　ノイズ対策
　　通信経路制御

　２大規格G3-PLC,PRIME

　ルネサスのBA向け
　ロードマップ
・最後に

ルネサスさんの昨日の話がきれいにまとまっている－私のメモとは雲泥の差(^^;)－４／１４追加

のでメモメモ（基調講演部分）

ルネサス、新コンセプト「Renesas autonomy」で自動運転向けソリューションを加速
https://headlines.yahoo.co.jp/hl?a=20170412-00000083-impress-ind

私のメモだと、読んでわかんないですもんね・・・（＾＾；）

４月１４日追加
自動運転と組み込みAIを強調：
ルネサス、DevCon 2017基調講演ダイジェスト (1/3)
http://eetimes.jp/ee/articles/1704/12/news135.html

ルネサスはスマートホームにもe-AIという話を聞いてきた

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。

ルネサスが注力する「Smart Home」とは

を聞いてきたので、その内容をメモメモ

---

■ルネサスが注力するSMART HOME
・あじぇんだ　４つ
　１．生体情報活用：ヘルスケア
　２．スマート家電
　３．基盤技術
　４．スマートホームで目指す世界

・生体情報
　ヘルスケアの潮流；病院から家庭、診断から予兆へ
　　少子高齢化
　　体の情報を自分自身で知る
　生体情報測定の動向とルネサスの取り組み
　　ライフログ
　　正しくセンシング
　　時系列データの解析→本日のトピック：e-AI

　高精度な脈拍測定：ルネサスなら動きながらも測定できる
　　ノイズキャンセル：周波数を除く
　常時生体情報モニターを可能にするセンサーの進化
　　オシロメトリック法による血圧測定→常時は難しい
　　カフレス血圧推定の試み　伝播速度の差

　センサーデータを用いた状態の推定
　　３軸センサー

　特徴抽出と疾病の創刊＝疾病予兆検出へ

　ヘルスケア機器用の教師データを得るために
　　被験者の抽出：疾患予備軍・健常者を含めたグループ
　　データの変化と疾病

　未病予兆推定→e-AIへのインプリ
　　　機械学習：サーバーで
　　　　学習済みAI
　　　e2-Studio
　　　　学習プログラム

　ヘルスケア機器でのe-AIの必要性
　　ものすごい通信トラフィック
　　体調の急変：リアルタイム性

　生体情報をモニタリングするリファレンスデザイン
　　→リファレンスボード

　頸部脈拍で睡眠時も健康管理→遠隔見守り・介護

　医療安全・セキュリティを標準搭載

　生体モニタリングによる健保との予兆ビジネス

・スマート家電で快適住居空間の創造
　スマート家電の市場トレンド
　白物家電
　　エネルギー・セービング
　スマート家電
　　つなぐ、先進的HMI、セキュリティ
　スマートホーム
　　ヘルスケアと融合し、住み心地を追及
　　新しいセグメントやユーザーの出現

　ヘルスケアとの連携で進化するスマート家電

　スマート家電に向けたルネサス技術ロードマップ
　　　　HMI：音声合成、画像認識の要求
　　スマホ
　　りっちな表示
　　音声合成・音声認識
　　感じて伝える

　RZ/A　音声合成・音声認識
　RZ/G　顔認識ソリューション：NECのNeoFace採用

　ジャスチャー認識
　　カメラ：高価なソリューション
　　近接センサーでジェスチャー認識

　スマート家電に向けたセキュリティの取り組み

　デバイスベースからプラットフォームへ
　　複数タスクの切り替え・スケジューリング

・ルネサスソリューションを支える基盤技術
　消費電力１／１０のMCUを実現するSOTB技術
　　→詳細は別セミナーで　１MHｚ　１０μA→環境発電で動作可能に
　　　ハーベスティング

　無線　Runesas注力領域
　　BLE,ZIGBEE,サブギガ　LoRa
　　→LoRaアライアンス参加

・スマートホームで目指す
　ヘルスケア・ホーム融合によるスマートホームの実現

・ステージデモのご紹介

DeepDreamを使うと、ディープラーニングで怖い画像を作れるのはわかったけど・・

単純に以下から落としてくればよいの？
(Python入ってるとして）

google/deepdream
https://github.com/google/deepdream

notebook？多分違いそうな気が・・・

こんなことを考えるに至った理由

【Google】Deep Dreamを使った作品はまさに次世代のデジタルドラッグ !?
https://robotstart.info/2017/04/11/digital-drug-by-deep-dream.html

がこわすぎたから・・・

サービスロボットの国際規格 ISO13482について、聞いてきた！

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。

サービスロボット事業の必要条件 ISO13482

を聞いてきたので、その内容をメモメモ

---

・スマート社会を支えるサービスロボット
　人の作業・生活の効率化・　快適化を実現
→安全
・講師紹介　２名
　ISOの説明と認証
　ルネサスの取り組み

■サービスロボット国際規格ISO１３４８２解説
・JQA（日本品質保証機構）の紹介
　ISO900認証
・ロボットの分類と今後の見通し
　プログラマぶる、自立性
　　産業用ロボット　１０２１８
　　サービス
　　　パーソナル「１３４８２
　　　　福祉
　　　医療用
　　　　リハビリ
　　　　手術用
　　協調型ロボット

ホーム、インフラ、ファクトリーがネットワーク
　今後ロボットも

・協調型：安全性
　ネットワーク：セキュリティ

・ロボットの安全基準
　幅を持たせている
　　　リスクアセスメント
　　機能安全の対応

１３４８２の適用範囲　３つ
　　モバイルサーバント
　　フィジカルアシスタント
　　パーソンキャリア
適用外
　医療、産業、おもちゃ、軍事
　空をとぶ、水中

注意するところ危険源８５項目

ロボットの安全規格（１３４８２）紹介
　ロボット固有の特徴とユースケースに応じて安全基準が異なる
　IEC61508の安全関連系はISO13482にも利用可能

認証活動
　３つの観点
　　ISO１３４８２を満足しているか？→手戻りを少なくしながら
　　設計活動が管理されているか
　　設計図面どおりに量産されているか

　認証取得のうれしさ
　　安全性を簡単に示せる
　　差別化
　　証跡管理
　　安全対策
　　ユースケースが明確・ステークホルダー

課題
　　概念検討：１３４８２ならではの理解の仕方
　　リスクアセスメント：ルール書ききれていない
　　設計・実装：どうやって実現？どういう判断？
→機能安全に対応

文書化・エビデンス収集
→開発期間の長期化

安全性の実現、かつタイムリーな市場投入のためには、
さまざまなソリューションを活用することも有効な手段

■サービスロボット実現のためのセーフティソリューションのご紹介
・サービスロボットの要素技術
　ロボット実現の３要素
　　制御
　　センシング
　　駆動
　→第４機能安全

・サービスロボットの駆動系と安全機能の具体例
　危険を監視：安全機構：規格で定義

・機能安全システム開発の課題とルネサスの提案
　ゼロベースで開発作業を始めると時間と
　　開発サポート
　　マイコン診断：セーフティパッケージ
　　素材提供：リファレンスキット
　　認証済みツール：認証済みコンパイラ
→産業向け機能安全サポートプログラム
　セーフティパッケージ
　　　SIL3認証済み自己診断ソフトウェアにより、そのまま組み込み可能
　RX用Cコンパイラ
　　IEC61508　SIL3認証

・ソリューション活用の効果
　開発期間が大幅短縮

・サービスロボット向け各種ソリューションのご提案
　　制御
　　センシング
　　駆動
　は、ホームページ、展示を見てね！

・むすび
　

TensorFlowで学習したディープラーニング結果を、MPUに組み込める方法を説明：ルネサス

さらにその後で、
TensorFlowで学習したディープラーニング結果を、
GR-PEACHに入れて推論させられるプログラム開発環境が
　無償で提供される（５月に限定的、その後正式に）
という話も聞いてきたんだけど、

まずは、今日４月１１日

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

にいってきたので、まずは基調講演をメモメモ。
ただ、はじめの１５分くらい遅れていったので、途中から・・・

---

■基調講演
（途中から）

今日
e-AIで求められること
・リアルタイム
・セーフティ
・セキュリティ
・ローパワー

クラウドからエンドポイントへ
・クラウドからだと０．５秒かかる
e-AIだとすぐに返せる
・不要なデータを送らないですむ
　e-AIだと送らないですむ：通信削減

０．５秒の世界
・e-AIは０．０５秒
　６０Kmの車だと２８ｍ走ることになる
　ドローンだと時速７０K　６０ｍ
　人工衛星は３．９K
→大きな差

セーフティ：不安を軽減するために
・アメリカ：自動運転ほしがっているが、不安
　品質の不安：機能安全
　AIの不安：認識間違い（ぴかぴかのくるまは空ではない）

　ブラックアウトしてしまうと命にかかわる

セキュリティ：エンドポイント
・ハッキング、誤ったデータによる誤動作
　サイバー攻撃
　OTA　新しいアルゴリズムを無線で書き換え→チップで検証

　ハッキング難しい

AI処理の増加：厳しい電力制約で動くe-AI
・クラウド：発電所から
・e-AI：バッテリー
・ウェアラブル：ボタン電池、バッテリーなし、ソーラーパネル

AI処理の増加：厳しい発熱制約で動くe-AI
・サーバー：空冷
・ウェアラブル：低発熱

る寝さすの課題解決力
リアルタイム：ハードウェアアクセラレーション
セーフティ：高品質・高信頼性
セキュリティ：暗号化
ローパワー：ローパワーマイコン・パワーマネジメント

パワーマネジメント：インターシル
・似ている
・みなさん、一緒にやろうとコミット

■Powerd up and ready to go
インターシル：アナログと電源の技術革新で長い歴史
・５０年間
・買収を通じて拡大
・業界初：ユニークな技術

高効率電源システム設計が製品開発の成功を支援
・電源設計：エネルギー
　　→差別化、
・多くのシステム設計者は電源の専門家ではない
　　パワーの要件変わる
　　自分自身の教育：次の波→柔軟性を提供

インターシルの後半な製品ラインナップ
・エンドアプリケーション：MCU,SOC
　両者が一緒になって的を絞ったソリューション
　車載用：ルネサスMCU

中核となる技術：電力効率を向上
・多層変調：高い電力効率
　大きく電力を使うASICとかで差別化
　回路・差別化されたソリューション

インターシル：高信頼性のエンド市場
　→０欠陥

シンプルな設計を実現するターンキー電源システム
・ターンキーソリューション；モジュール型
　ディスクリートも

製品の市場投入を加速する包括的なソリューション
・高度なシステムソリューション
　リファレンスデザイン

広範なアプリケーションをカバーする相互補完的な製品ラインナップ
・USB-TYPEC　リファレンス

展示コーナー
・バッテリーマネージメント

センシング＆プロセッシング

クラウドインフラ

モーターコントロール

ともに成功を目指し

■（話戻る）
エンドポイントのフットプリント
ADAS：自動運転→信頼性、安全性
　MCU　No1シェア
　車載マイコン　No1
　インダストリアル　No1（スマートファクトリーはNo1）
　コンシューマー　No3（家電はNo1）
→巨人がきている

Big IDEAS For Every Space

■Big IDEAS FOR SMART SOCIETY
　インダストリアル分野
・２年半ぶり２回目
　デバイスからソリューションへ
・超スマート社会　SOCIETY5.0への期待
　スマートホーム　CAGR 8.6％
　スマートファクトリー　CAGR １０％
　スマートインフラ　CAGR ５．９％
→組み込みAI　e-AI

ルネサスの実績

AI組み込みの意義
　組み込み機器の構成要素
　　センシング
　　インテリジェンス
　　コントロール
　　　↓
　　リアルタイム動作
　　自律動作
　　情報秘匿
　　　↓
　e-AIによる効果
　　現場での認識・判断
　　熟練者の知恵再現
　　人を超える認識力
　　知恵のアップデート

ルネサスe-AIソリューション（本日発表）
・e2-studio拡張　Deep Learning AIの組み込み
・Webコンパイラにもプラグイン

　クラウドで学習した学習済みAI
　e2-Studio
　　トランスレーター
　　チェッカー

e-AIの特徴
・既存プログラムにも従来装置にもアドオン（機能拡張）
・セキュアアップデート機能具備で機能進化

ルネサス
　るーとおぶとらすと

　　機密性、完全性、可用性を担保

ルネサスの組み込みセキュリティソリューション
・OTA（おーばーざえあー：アップグレード）

セキュリティはビジネス基盤

セコム・セコムトラストシステムズとルネサス協業（本日発表）
・動画
　SECOM:集中させるので、端末側もインテリジェント、信頼性
　セキュリティ　くみあわせて

スマートファクトリーの実現
・RZ/T1　ベルトコンベアに適用
　　止まらない工場

　人以上の異常類型化

産業向けルネサスマーケットプレイス（本日開設）
　エコシステムパートナー拡大中
　　１５社のパートナー

スマートホームの実現

　生体情報測定と個人差を学習・判断

　生活データ外部通信不要
　無意識で常時測定判断

スマートインフラ
　構造物の状態をセンス・ゲートウェイ連携
　　無線＋PLCで堅牢な無停電システム
　　ゲートウェイ：リアルタイム診断
　　クラウド：e-AIの更新

　緊急時、公共通信途絶時に自律

サービスロボット事例

　画像、姿勢を認識し、、自律走行を実現
　　画像認識
　　音声認識
　　姿勢制御
　　　RZ-G・RZ-A

サービスロボット向けセーフティ
ロボット安全規格：ISO１３４８２（IEC61508準拠）

ルネサスはすめてのMCU/MPUでe-AIをサポート
　SOTB:１０分の１くらいの低消費電力
　DRP

e-AIをハーベスティング電源で実行

e-AIを高速実行するオフロードエンジンDRP
・POCを２０１７年内に
　DeepLearning推論に
　　１００倍の電力効率
　　複数のAI実行可能

新たなパートナー連携
　NEC,NSWなど

ルネサスはe-AIで超スマート社会の実現をリードします

■BIG IDEA for GREAT CARS
・ソリューションプロバイダーへの変革
　展示会に
　　いままでプロダクトアウト
　　お客様に近くなろうとデモ
　　最近は実写によるシステム提案
　動くデモたくさん

皆様に支えられ重なる震災を乗り越えられたことに感謝
→No1の責任

試練を乗り越え成長軌道へ、そしてグローバルへ
　７割が海外（欧米５４％）

自動車業界の変化
・自動車業界の変化と３つのキーワード
　　エコカー（電動化）
　　コネクティッドカー（クラウド）
　　自動運転

　自動車業界ビジネスモデルの変化：車が走るすまほ
　　　自動車業界の変化

　将来自動車における２つの潮流
　　オーナー・カー
　　　Level2／３
　　サービスカー
　　　Level4/5　無人運転

サービス主導
　　車メーカーの意図
　　ITプロバイダーの意図

オーナーカーとサービスカーの技術進化

エコカー；電動化
・幅広いインバータ・ソリューション
　　３．９リッター

今後の電動モビリティ社会への貢献
・場所を選ばない

コネクティッドカー
・エンドツーエンド
　クラウドサービス連携ソリューション

コネクテッド・カー時代に向けたゲートウェイ
・コミュニケーション（セキュリティ）ゲートウェイ

自動運転
・自動運転カーのデモ（レベル４／５に向けたソリューション）
　２０１７バージョンCES：故障、ハッカー対策：安全に止まる
　２０１８バージョンCES：開発中
　　レーダー　５～１２、Lider２～６　カメラ
　　コグニティブ

　２０００億円はADAS事業

・スマートカメラ・レーダー分野

次世代に向けて
・自動運転に向けたグローバルパートナー
　　TTTech　ビデオレター
　　ウォータールー大学
　自動運転に向けパートナーシップを拡大（２００社以上）

自動運転時代の市場要求まとめ
・エコカー、コネクテッドカー、自動運転
　オーナーカー、サービスカー
→堅牢な自動運転
Renesas Autonomy
　エンドツーエンドのトータルなソリューション
　　センシング　判断　操作

■総括
・苦しかった時代の支援に感謝
・ルネサスはエンドポイントにインテリジェンス
　ルネサスの朝鮮はパートナーの皆様とともに
　ダイヤモンドスポンサー
　　IAR、あくせんちゅあ、ADOC
・１０００社以上のパートナー企業と連携
・BIG　IDEAS FOR EVERY SPACE

ルネサス エレクトロニクス「レベル4」の自動運転車を披露

自動運転車がシステム異常時にも安全な場所まで走るには
http://monoist.atmarkit.co.jp/mn/articles/1704/10/news029.html

「AI開発ガイドライン（仮称）」のための総務省が設置した産官学会議からPFNが離脱！！

AIベンチャーの雄が総務省の開発指針に反対する理由
http://itpro.nikkeibp.co.jp/atcl/column/14/346926/040600923/

UMLとゴール指向の図を描くオープンソースのありか

とりあえず、今やったところまでメモ

（１）ソフト名
　ゴール指向の図を描くのはRE-Tools
　だけど、これはUMLを描くフリーソフトStarUMLが無いと動かない。

　自分はKAOSを使いたかったんだけど、KAOSについては
http://www.utdallas.edu/~supakkul/tools/RE-Tools/kaos.html

　に書いてある。NFRやi*、UMLは、上記サイトの左側を見て！

（２）インストールのしかた
　つまり、StarUMLをインストールし、その後RE-Toolsをインストールする
インストールの仕方は

http://www.utdallas.edu/~supakkul/tools/RE-Tools/download-installation.html

にある。要するに

（２－１）StarURLインストール
　以下からダウンロード
http://sourceforge.net/projects/staruml/

（２－２）RE-Toolsインストール
　以下からダウンロード
http://sourceforge.net/projects/re-tools/

（２－３）RE-Toolsを入れたフォルダからContributors.xmlを削除
　C:の「Program Files (x86)」の下の「StarUML」にある


（３）起動したら
　インストールしたら、起動する。

　ダイアログがでてくるけど、OKでいい。

　クラス図を書くのなら、そのまま右側のパレットからclassを選んで適当に書いてくれ

　classをクリックして選択、どっかをクリックすると、クラスの図がでる
　そしたらダブルクリック。名前が入力でき、その右側が属性、さらに右でメソッドが
　入力できる。

　・・・って、そうじゃない、KAOSの話。
　もし、上の操作をしてしまったら、File→New Projectを実行
　新しいプロジェクトにしないと、以下の操作ができない

（３－１）他のダイアログもそうだけど「model」→「Add」を実行
　そのあとは何でもよさそうだけど、とりあえず、Analysis Moduleでも選んどく？

（３－２）Model→Add Diagram→Formal Goalを選択

（３－３）こうすると、振る舞いゴール(Behavioral Goal）がでてきて、クリックするとかける。


続きはtypeとTitleをどうかえるのか
→右クリックでTagged Vaaluesなんだけど、話が長くなるので、ここまで
　

ネット接続された「食器洗い機」に致命的な脆弱性

第三者に皿を洗われる危険性！！

ネット接続された「食器洗い機」に致命的な脆弱性！第三者に皿を洗われる危険性
http://www.gurum.biz/archives/68636818.html