内燃機関の予知保全に向けてクラウド基盤を構築

お客様概要

ヤンマー株式会社
お客様名 ヤンマー株式会社 中央研究所
ご担当部署

基盤技術研究部 知能情報グループ グループリーダー 大林 正之様
基盤技術研究部 知能情報グループ 奥山 昌紀様
電子制御開発部 開発支援センター 石本 慎太郎様

導入製品 Impulse
導入時期 2017年1月-3月

ヤンマー株式会社ホームページ


Impulseを導入したきっかけについて、教えてください。

導入の背景

ヤンマー株式会社中央研究所では、内燃機関や農業機械の予知保全のための技術開発に取り組んできましたが、予知保全の実用化に際しては、
・以前より開発してきた機械学習アルゴリズムの迅速な実装
・開発環境から本番環境へのスムーズな移行
・スケーラビリティの確保
が課題になると考えており、それらの課題に応えることのできるクラウド基盤の整備を検討していました。


導入のきっかけ

そのような背景のもと、クラウド基盤について調査をしていたところ、
ブレインズテクノロジーが、リアルタイム異常検知プラットフォーム「Impulse」をクラウド上でサービス提供していること、またAWSの「AWSパートナーネットワーク」に登録され、予知保全という専門領域で既に実績を持っていることを知り、ご相談させて頂いたことが、導入のきっかけです。


Impulseを選んだ理由について、教えてください。

選定理由

Impulseが、当社が実用化に際して求めていたクラウド基盤の要件を満たした「異常検知プラットフォーム」であったことが、選定理由になります。
クラウドにアップロードされるセンサーデータに対して異常検知を実行できる点はもちろんですが、
プログラミングレスでダッシュボードを作成できる点も当社のニーズに適っていましたし、
当社の研究所で既に開発・保有していたアルゴリズムをImpulse上に展開して柔軟に利用できることも大きな評価ポイントだったと思います。


導入状況について教えてください

アーキテクチャー

AWSのAmazon EC2インスタンスにImpulseを構築、データレイクとしてはS3を、リアルタイムデータ処理部分には、AWS Lambda、Amazon Kinesisを採用しています。
モジュールのイメージ管理には、Amazon EC2 Container Serviceを活用し、スケーラビリティを高めています。

(※)活用している主なAWSサービス:Amazon EC2,Amazon S3,AWS Lambda,Amazon Kinesis,Amazon EC2 Container Service

システム構成図

(システム構成図)

導入効果

PoC(実現性検証)では非常に良好な結果が得られたため、現在、内燃機関用の予知保全の実現に向け、クラウド基盤を先行開発しています。
実際の導入効果としては、機械学習アルゴリズムを導入することにより、「健康状態のリアルタイムな可視化」が可能になっています。
既に数十の内燃機関に対して試行を進めており、今後の更なる展開が楽しみです。


今後の展開を教えてください。

IoT分野の機械学習

内燃機関、農機、建機、小型船舶などの製造・販売を行うヤンマー株式会社の中で、中央研究所はグループの研究開発のコアセンターとして2000年2月に開所し、エネルギー変換及び食糧生産に関する様々なテーマに関する研究開発を担っています。
その中で、IoT分野では機械学習を活用した課題解決のアプローチ方法の1つとして、Impulseを活用したクラウド基盤、異常検知プラットフォームを積極的に活用・展開していきたいと考えています。


御社から見たブレインズテクノロジーとは?

ブレインズテクノロジーは、コストパフォーマンスに優れたクラウド基盤をご提供いただいています。
技術力の高いエンジニアの方々と密接にコミュニケーションを取りながら、スピード感を持って開発を進められる点も有難いと感じています。

Top