[PR]上記の広告は3ヶ月以上新規記事投稿のないブログに表示されています。新しい記事を書く事で広告が消えます。
製造業におけるコンピュータビジョンは、物理世界（主に工場などの産業現場）から人工システムを処理・理解し、人間が生産に関連するさまざまな作業を行うのに役立つ適切な反応を生成することに焦点を合わせています。
コンピュータビジョンは、製造業などでは、画像に写った特定の特徴を認識し、それが所定のパラメータと一致するかどうかを検証するというルール原理に基づいて警告を発するものである。 しかし、この方法では誤検出が多く、画像や動画などの非構造化データソースを扱う場合、（小さな違いやバリエーションがある場合）非効率になることが多い。
人工知能、機械学習（ML）、ディープニューラルネットワークの最近の進歩は、こうした問題の解決に役立っており、メーカーは、繰り返される視覚パターンを認識して特定の品物と関連付ける自己改良アルゴリズムでコンピュータビジョンシステムを強化できるようになりました。 実際、機械学習によるコンピュータビジョンソリューションは、何百万枚もの画像を用いてトレーニングを行い、それぞれの物体の典型的な特徴を独自に発見し、認識方法を学習し、さらに時間をかけてその性能を微調整することができます。
これにより、高度なプログラミングを必要とせず、より高い精度、より良い文脈の理解、より良い柔軟性、新しい視覚的要素への応答性を実現します。
今日、製造業におけるコンピュータビジョンは、次のような目的で使用されることがよくあります。
ロボットを誘導して、自動化された製品を組み立てる。
品質管理・検査業務の遂行。
倉庫管理とサプライチェーンの最適化。
産業機械の動作の異常を検知する。
作業工程を監督し、スタッフの安全を確保する。
これらのユースケースに踏み込む前に、コンピュータビジョンサービスに投資することの利点と、利用の障害とそれを克服するためのベストプラクティスについて見てみましょう。
製造業におけるコンピュータビジョンのメリット。
新型コロナウイルスの運用や物流の混乱は、この2年間、製造業に大きな負担を与えてきました。
非常に不安定な状況において、産業をより柔軟にするための新たなドライバーの探求は、製造業のデジタル変革、すなわち産業を4.0に変革するための新しい先端技術の導入の大きなきっかけとなりました。製造業の発展を大いに促進するものとして、産業プロセスにおけるコンピュータビジョンの人気が高まっています：
生産性の向上：デロイトとMApIの「2019年スマートファクトリーレポート」によると、コンピュータビジョンを搭載したロボットやその他の自動化システムの導入は製造サイクルを加速し、労働生産性を12％、総生産量を10％向上させるとしています。
コストの最適化：生産性の向上は、コンピュータビジョンを用いた自動化やメンテナンスと相まって、機械のダウンタイムを減らし（マッキンゼーでは最大50％と推定）、全体的な運用コストの削減にもつながっています0機價免預繳iphone13。
品質の向上：マッキンゼーが指摘するように、コンピュータビジョン駆動型ロボットの正確な操作は、製品の品質向上を保証し、品質保証部の全体的な運用コストを10～20%削減します。
労働安全：製造業におけるコンピュータビジョンは、工場の従業員に危険を及ぼす可能性のある故障の特定、作業員の監視、疲労や不快感の兆候の検出などにも利用できます。
コンピュータビジョン市場に対する洞察。
ほとんどの業界分析で、コンピュータビジョンが製造業に与えるポジティブな影響は確認されているようです。 2020年のコンピュータビジョンの世界市場は、組立ラインの自動化や予知保全における技術の普及に基づき、製造業が牽引しました。
また、IBM Digital Transformation Assessment 2021によると、コンピュータビジョンは製造業のビジネス目標を達成するためのキーテクノロジーの1つです（調査対象企業の77％）。 一方、IBMの調査では、製造業における新技術の活用を阻む最も一般的な障壁も明らかにされています。
使用上の障壁とベストプラクティス。
上記の問題をよりよく定義し、製造シナリオにおけるコンピューター ビジョンの展開の課題に対処するのに役立つ一般的なガイドラインを定義してみましょう:
テクノロジーエコシステム：AI駆動型コンピュータビジョンには、データとそれを収集するための基本的な技術インフラが必要です。一般的なプロセス監視に用いられるデータセットは、機械学習アルゴリズムに適していない場合があり、最終的に逆効果になる可能性があるからです。 メーカーのネットワークやシステムのアップグレードには、適切な投資とノウハウが必要です。
投資支援：投資という点では、経営幹部や利害関係者は予算の大半をコンピュータビジョンや関連技術に費やすことに抵抗があるのかもしれません。 実行可能な解決策は、小さくても短期的な成果を確保するために、段階的な実施計画を策定することです。 これらの成果は、投資家や経営者にデジタル化の潜在的な利点を納得させるのに役立つはずです全球短信通訊收費。
従業員教育：自動化を促進する技術は、従業員のキャリアに大きな影響を与えることを従業員に納得させる必要があります。 この点で、コンピュータ・ビジョン・ツールをよりよく使いこなすために、的を絞ったトレーニング・プログラムによってスタッフのスキルを向上させ、確かな技術的専門知識を持つ新しい専門家を採用して、彼らと一緒に仕事をすることを検討してください。
プロセスの調整：新しい技術が既存のビジネスプロセスに完全にマッチするとは限りません。 製造工程を適切に調整し、これらの技術に慣れるために、コンピュータビジョンを徐々に導入していくことを提案しています。 また、これらのソリューションの利用を監督するセンター・オブ・エクセレンスを設立することも重要な要素です。
多くの組織は、最初の障害である正しいユースケースの選択さえも克服できていません。 ここでのルールは、お金第一主義に従うこと、つまり、コンピュータビジョンから最も恩恵を受けるアプリケーションの領域を選択することです。 例えば、品質検査でも製品追跡でも、ボトルネックだらけの工程を選択することです。
精選文章：
Internet of Things ホームオートメーション - スマートホームとモノのインターネット。
次に進む前に、Internet of Thingsを使ったホームオートメーションについて詳しく見ていきましょう。 Internet of Thingsは、機器をインターネットに接続する技術の総称である。
このシステムは、データ収集に依存しています。 このデータは、インターネットを通じて他の機器の監視、制御、送信に利用されます。 これにより、特定の状況下で特定の操作を自動的に起動させることができます。 簡単な例として、スマートなケトルを考えてみましょう。 ケトルは一定の温度に達すると自動的に電源が切れるようになっています。 また、同時にユーザーへの通知も可能です寬頻上網plan。
次に、同じコンセプトを家庭全体と既存のすべてのデバイスに適用してみましょう。 これが、Internet of Thingsが牽引するスマートホームです。 これらのアクションは、手動でデバイスにアクセスしてアクションを起こす必要がなく、ボタンを押すだけで実行することができます。 現在、ほとんどのスマートIoTホームオートメーションデバイスは、アプリや音声コマンドで操作することができます。
さて、これらのアクションを起こす必要さえなかったらと想像してみてください。 つまり、スマートホームは、アクションを起こすべきタイミングを把握し、自動的にアクションを起こすのです。 これがホームオートメーションとInternet of Thingsの未来です。
今後、どのようなものが出てくるか、その可能性を紹介します。
1.スマートライティング。
現在、スマート照明が流行しています。 オン/オフや強弱のスケジュールを組むことができます。 しかし、将来的には、これがさらに進む可能性があります。 Internet of Thingsでは、照明があなたの他の動作に反応することができます。
例えば、ホームシアターに照明が対応することも可能です。 映画を見始めると、消灯したり暗くなったりします。 さらに、映画の種類に反応することもあります。 例えば、ホラー映画を見ていると照明が判断すれば、完全に消灯して、その場にふさわしい雰囲気を提供することができます。
2.ドア
将来的には、ドアもスマートになっていくでしょう。 入ったり閉じたりすると、開くだけだと想像してください。 これは、スマートデバイスや顔認識によって実現されるかもしれません。 そうすれば、家の中の他の場所も入室と同期させることができます转台 优惠。
例えば、入場すると照明がつく。 また、帰りたいときは、スイッチを切ることもできます。
3.Windows
Windowsもスマートにすることができます。 太陽が昇ると自動的にブラインドが開き、日が沈むと閉じることを想像してください。 雨が降ったら自動的に閉じることも可能です。 上記のホームムービーの例で考えてみましょう。 映画を見るたびに、カーテンが落ちる。
4.サーモスタット
アプリで自宅のサーモスタットを遠隔操作できるようになりました。 将来的には、このようなことも必要ないかもしれません。 サーモスタットは、あなたが家に近いかどうかを識別することができます。 そして、室温と外気温をチェックし、あなたに合った温度を設定します。 さらに、シャワーや運動など、何らかのアクションを起こすタイミングを判断し、それに合わせて調整することも可能です。
5.庭園
将来的には、庭も「モノのインターネット」によってスマート化される可能性があります。 IoTセンサーが配置されています。 このセンサーが土壌の乾燥を感知すると、灌漑システムが作動します。 草の高さが一定以上になると、ロボットモアが自動的に作動することも可能です。
6.家庭での日常生活。
ほとんどの家庭で、すでにスマートデバイスとの接続が可能になっています。 スマートソケットは、機器の電源を自動的にON/OFFすることができます。 スマートな目覚まし時計は、目覚めたときに音楽を流したり、ニュースを教えてくれたりします。 音声アシスタントは、照明、家電、サーモスタット、アラームなどを一日中コントロールすることも可能です。
将来的には、家族全体に広がっていくことでしょう。 朝のルーティンを考える。 目覚める前にブラインドを開けておくと、眠気を吹き飛ばすことができます。 目覚める前から、コーヒーマシンが朝の一杯を準備し始めます。 浴室はシャワーのお湯を沸かします。 朝のマグカップを用意すると、立体的なサウンドが朝の曲を奏ではじめます。 また、テレビの電源が入り、お気に入りのニュースチャンネルが表示されます。 もちろん、サーモスタットは快適な温度に調整されます。
もちろん、いずれも一朝一夕に実現するものではありません。 IoT化されたスマートホームには、主にコスト面での障壁があります。 また、プライバシーも大きな問題です。 そして、多極化したIoTデバイスをシームレスに接続することが難しいという現状の技術的な制約があります。
精選文章：
「Internet of Industry」の機能や役割を見出すとすれば、インターネットの矛盾や問題点を正すことが最も重要なポイントであることは間違いないと思います。 インターネットの時代になっても、業界そのものは変わらず、プレイヤーがやってきたことは、商品とユーザーのインターフェースの効率化という問題を、ディスインターミディエーションというアプローチで解決してきたことは周知の通りです。 明らかに、インターネットのために、この開発モデルは必然的にボトルネックに遭遇するだろう、特にdisintermediationのアプローチはもはや効率を向上させることができない場合、この開発状態はより明白になるであろう。
「産業のインターネット」時代が到来したとき、インターネットとは全く異なる新たなディスインターミディエーションのモデルが登場することになる。 インターネットとは全く異なる新しいモデルであるディスインターメディエーションは、もはやディスインターメディエーションだけに頼るのではなく、業界の効率化を図り、ユーザーのニーズに応えるために、より多くの業界変革が必要になってくるでしょう。 これは、実はインターネットの開発モデルの修正でもあるのです。 このような修正を通じて、産業とインターネットの発展は、真に健全な発展段階に入ることができるのです4g 電話。
業界の上流と下流のドッキングがインターネットプラットフォームのマッチングとドッキングに依存しなくなった時、業界の需要と供給の結合がインターネット技術のサポートに依存しなくなった時、インターネット発展の矛盾と問題は解決されるだろう。 これが業界インターネットの本当の姿であり、業界インターネットが本当に頑張るべきことなのです。 産業用インターネットがインターネット発展の究極の姿であると盲信するだけなら、あるいはインターネットプラットフォームを拡大したいという野心を満たすために、いわゆるS2Bビジネスモデルを利用するだけなら、いわゆる産業用インターネットは本来の機能・役割を果たすことはできないでしょう。 インターネットの矛盾や問題点を是正してこそ、インダストリアル・インターネットが真に本来の機能と役割を果たすことができ、インダストリアル・インターネットは真の意味で自らの発展サイクルに入ることができるのです。
精選文章：
センサーデータを理解する。
また、センサー技術は、多くの変数がデータセットに影響を与えるため、自動的なアプローチは困難であり、物体認識の課題となっています。 問題は、それぞれの変数に対してアルゴリズムを完全に設計することができないことです。
この問題を解決するために、センサー技術によって生成される大量のデータをよりよく管理するために設計された人工知能システムがベースになっています。 実際の応用例としては、車線逸脱警報システムや交通標識の認識などがあります。
センサーとそのデータに人工知能を適用することで、3つの成果が得られます。まず、画像に対象物が写っているかどうかを判断すること。 そして、画像中の1つまたは複数の物体を検出し、その位置を特定する物体認識です。 最後に、実際の輪郭を埋める「オブジェクトセグメンテーション」。
しかし、オブジェクトの分類からセグメンテーションに至るまで、処理の複雑さは増していきます。 企業は、複数の変数がデータセットに与える影響に適切に対処するために、より直感的なアプローチを採用する必要があります。
ニューラルネットワークの役割。
人工知能とは、機械が環境を感知し、変化に適応するために学習する技術の総称である。 機械学習とは、人工知能の一種で、明示的なプログラミングを必要とせず、統計的な手法で機械の性能を向上させるものである。 より直感的に言えば、ディープラーニングは機械学習のサブセットである。 ディープニューラルネットワーク（DNN）により、大量のデータを処理することができる。
このようなニューラルネットワークは、センサー技術における物体分類の要となるものです。 複数のニューラルネットワークを用いることができるが、センサデータに影響を与える特性は共通している。
まず、すべてのニューラルネットワークを学習させる必要があります。 オブジェクトを分類、識別、セグメント化するためには、異なるオブジェクトのクラスをどのように扱うかをネットワークに指示する必要があります。 ネットワークは、すべてのオブジェクトを正しく分類、識別、分割できるようになるまで、既知の画像と適切にラベル付けされたオブジェクトで学習されます。
ニューラルネットワークの利用は無謬ではありません。 ニューラルネットワークの解析結果は、物体が正しく認識される確率のパーセンテージを示します。 確率が高いほど、AIは特定の文章を識別する能力が高いということになります。 しかし、ビジネスプロセスにおける確率の判断は、100％正確であることは少ないため、非常に重要である。
ニューラルネットワークのモデルには、さまざまな特性があります。 例えば、ネットワークモデルの中には、非常に高速に学習できるが、物体解析の確率が比較的低いものがある。 ニューラルネットワークの学習は、複雑で時間がかかるものほど信頼性が高くなります。 したがって、この技術を導入する組織は、スピードと信頼性のどちらを重視するかを決めなければならない帶號碼轉儲值卡 。
点群の作成
画像や動画、点群などでも、異なるニューラルネットワークモデルが必要になります。 点群とは、空間上の3次元形状や物体を表すデータ点の集合のことである。 点群の作成には、レーザースキャン技術も使われている。 各点には大量のデータが含まれており、他のデータソースと統合したり、3Dモデルを作成するために使用することができます。
データ資料の特定の要求に応えることができる特別なニューラルネットワークモデルがあります。 例えば、イギリスのNetwork Rail社の研究プロジェクトでは、18のオブジェクトクラスの識別を含む約90kmの点群データを作成しました。
このプロジェクトの主な課題は、使える要素を得るために複数のスキャンジャーニーをつなげなければならないため、データの登録でした。 ニューラルネットワークのオブジェクトの分類の質は、オブジェクトの種類によって異なる。 例えば、ニューラルネットワークは送電塔や陸橋を簡単に識別できるが、表面の違い（壁の種類など）は信頼できない。
点群は、CAD（コンピュータ支援設計）システムなど、他のマッピングと組み合わせたハイブリッドシステムにも利用できます。 特に、ニューラルネットワークと組み合わせることで、土地利用を判断するための自動測量を容易にすることができます。 ハイブリッドシステムは、点群技術だけよりも信頼性が高い。
より良い結果を出すための決断支援。
これらのAIを使った技術には、どれも異なる利点があります。 しかし、物体分類、点群、ハイブリッドモデルに共通するのは、AIによる支援機能であることです。
人工知能は、人間が重要な判断をより早く、より深い洞察力をもって行うことを支援することができます。 実際には、人間が社会的、政治的、あるいはビジネス的な文脈を推論することができるため、両者の長所を兼ね備えていますが、センサーが収集した内容に基づいてデータ駆動型の意思決定を行うことで、意思決定プロセスを強化することができるのです。
センサーは大量のデータを生成します。 このデータには、ビジネスプロセスを強化するための、業界横断的な実用的な洞察が含まれています。 しかし、結果として得られるデータはあまりにも大きく、これらの洞察をタイムリーに提供するためにスタッフだけに頼ることはできません。これを解くには、ニューラルネットワークAIのアプローチによって人間の意思決定プロセスを強化することが必要です。 この技術が導入されれば、ビジネスや行政に変革をもたらし、先駆者はセンサーへの投資を最大限に活用できるようになるでしょう。
精選文章：
マルチクラウドやハイブリッドのデプロイメントを実行する。
複数のクラウドプロバイダーによる運用が一般化しています。 しかし、マネージドサービスを利用する場合、複数のクラウド環境を維持することは難しいのが現実です。 例えば、AmazondynamoDBを使用している場合、他のクラウド事業者は同様のソリューションを提供することができません。
つまり、業界のトレンドは、各ワークロードを特定のクラウド上で（マルチAZまたはマルチリージョンアーキテクチャで）実行しつつ、異なるワークロードを異なるクラウド上で実行できるようにすること、つまり、一部のサービスを2つの異なるクラウドプロバイダ間で分割できるようにすることなのです。 この場合、シャットダウン時にすべてのシステムが停止しているわけではありません。
あるいは、社内にDRサイトを持つというのもよくある話です。 お客様がワークロードをクラウドに移行する際、ディザスタリカバリサイトとして利用する傾向があり、何か問題が発生した場合でも、重要なサービスをローカルで稼働させることができるようになります。 これは、企業がクラウド成熟の初期段階にあり、ホスティングサービスを使用していない場合に有効な方法です。
バックアップの作成
上記のソリューションはいずれもBCpには理想的ですが、データが暗号化されたり削除されたりした場合には機能しないため、信頼できるディザスタリカバリ戦略が必要です。 そのため、自社サービスの複数導入に加え、企業のRpOやRTOの要件を満たすために、信頼性の高いバックアッププランが必要になる場合があります。
バックアップを自動化し、別々のアカウントやゾーンに保存するのに役立つ、AWSBackup やクラウドバックアップサービスなどのサードパーティ製のバックアップソリューションが数多く利用可能です。 バックアップアカウントを金庫のように保護して、攻撃に対抗し、データを暗号化する必要があります。
このような攻撃があった場合、バックアップアカウントのデータを使ってサービスを復旧させ、お客様へのサービスを継続できるようにします。
クラウド環境におけるBCp、DR計画の最も一般的な構築方法について説明します。 これらのアプローチを実行するためのツールについて説明します。
Infrastructure-as-codeの活用。
環境の自動構成を可能にするIAC（Infrastructure as Code）。 使用するパラメータを設定したら、マスターファイル、つまりリストに保存します。 これからは、テストやディザスタリカバリなど、さまざまな場面で自動的に環境を再構築することができます。
容器にはシュリンケージルールが使われています。
容器を使用する場合、様々な測定に基づいた収縮ルールを実装することは非常に有効です。 上方向に縮小して同じブロックを追加したり、外側に縮小して例を再現したりすることができます。 拡張ルールを実装することで、コンテナベースのアプリケーションを簡単にバックアップおよびリストアし、重要なワークロードをすべて時間内に取得することができます。 理想的には、コンテナやインスタンスレベルでシュリンクするのが最も効率的です。
DNSリクエストを迂回させる。
ある場所のサーバーがシャットダウンした場合、サービスが稼働している他の場所を経由してすべてのリクエストを再ルーティングできます。 CloudflareなどのDNSプロバイダーは、システムがシャットダウンしたことを検出し、地理的な場所に基づいて自動的に再ルーティングを実行するように構成することが可能です。
同様に、コンテナ スケジューラーを設定して、さまざまな再ルーティング ルールを定義し、自動化することができます。 可用性を確保するために、自動スケーリングも実装し、AmazoneCSを使用してリクエストの再ルーティングも実装しています攜號轉用儲值卡2021。
表示灯を複数個所に設置する。
もうひとつの推奨される事業継続戦略は、パイロットライト（基本的に待機時負荷のレプリカ）を異なる地域で稼働させることです。 災害時には、すべてのデータがそこに保存され、すぐにセットアップできるようになっています。 製品イベントの後、インフラが展開され、リソースが拡張され、製品がすぐに稼働する必要があります。
ダウンタイムがないのであれば、ホットスタンバイの運用を検討してもよいでしょう。 AWSによると、ホットスタンバイのアプローチでは、本番環境のコピーが別の場所に減らされているが、完全に機能していることを確認する必要がある。 作業負荷が常に別の場所にあるため、この方法は表示灯の概念を拡張し、回復時間を短縮することができます。
コストはかなりかかりますが、ホットスタンバイはインフラのセットアップが不要なため、表示灯よりも早く起動・稼動します。
精選文章：