っていうのがApigee Edge（あぴじーえっじ）で、
富士通は、それをAPI ManagerとしてクラウドK5で提供しているみたいよ！
富士通のAPI Managerの講習会行ってきた！
はじめは、トラフィック制御ぐらいかなあ～と思ったら、
こういう画面
（http://d3grn7b5c5cnw5.cloudfront.net/sites/docs/files/SpikeArrestInProxyEditorPreFlow_v2a.pngより引用）
で、 GUIで、
・JSON変換とか、データベースから値をとってくるとか、認証とかそういう
部品を登録して（左上）
・それを、APIが呼び出されてから、帰るまでの間のどこで使うかをドロップして（右上）
・各部品を修正する
というのをやってAPIをつくることができるものみたい。
だから、もちろん既存APIのトラフック制御や認証ができるけど、
それ以外に、新規に、会社にあるDBから値をとってきて、HTMLで出力するみたいな
テンプレートエンジンみたいなことも出来るみたい！
で、ついでに統計情報とかも見れる感じ。
富士通のAPI ManagementはApigee Edgeなので（っていうか、上の図はApigee Edgeのもの）
Apigee Edgeもおなじことができる（富士通以外でも売っている）
GUI操作＆下にHTMLなどをちょっと書けばAPIが作成できるので、
開発の人だけでなく、エンドユーザーがAPI作って
開発の人が要らなくなるかも！！
「参考文献」
API Facade Pattern
https://pages.apigee.com/api-facade-pattern-ebook.html
富士通は、それをAPI ManagerとしてクラウドK5で提供しているみたいよ！
富士通のAPI Managerの講習会行ってきた！
はじめは、トラフィック制御ぐらいかなあ～と思ったら、
こういう画面
（http://d3grn7b5c5cnw5.cloudfront.net/sites/docs/files/SpikeArrestInProxyEditorPreFlow_v2a.pngより引用）
で、 GUIで、
・JSON変換とか、データベースから値をとってくるとか、認証とかそういう
部品を登録して（左上）
・それを、APIが呼び出されてから、帰るまでの間のどこで使うかをドロップして（右上）
・各部品を修正する
というのをやってAPIをつくることができるものみたい。
だから、もちろん既存APIのトラフック制御や認証ができるけど、
それ以外に、新規に、会社にあるDBから値をとってきて、HTMLで出力するみたいな
テンプレートエンジンみたいなことも出来るみたい！
で、ついでに統計情報とかも見れる感じ。
富士通のAPI ManagementはApigee Edgeなので（っていうか、上の図はApigee Edgeのもの）
Apigee Edgeもおなじことができる（富士通以外でも売っている）
GUI操作＆下にHTMLなどをちょっと書けばAPIが作成できるので、
開発の人だけでなく、エンドユーザーがAPI作って
開発の人が要らなくなるかも！！
「参考文献」
API Facade Pattern
https://pages.apigee.com/api-facade-pattern-ebook.html
６月２１日
データサイエンティスト協会 セミナー2017 第2回
に行ってきた！ので内容メモメモ
■おしらせ
・Data Science Awardについて
■会場について
・内田洋行 ゆびきたすきょうそうひろば きゃんばす
築４６年のビルだけど、リノベーションした
■基礎から学ぶ！
インダストリアルＩｏＴの実現に必須の
センサ計測とエッジコンピューティング
・会社紹介
ラボビュー
一社だけでは実現できないインダストリアルＩｏＴ
ＮＩは計測制御装置のプロフェッショナル
高い接続性
産業界での協業事例 ＩＩＣ TestBed
・予知保全の動向と課題
インダストリアルＩｏＴ
コンシューマーＩｏＴ
予知保全への期待が高い
モニタリングには２種類あり、目的が異なる
プロセスモニタリング：プラントマネジメント
生産設備のモニタリング：予知保全
・設備不具合の大半は回転機械の振動問題
モーターの故障モード
ベアリング、ステーター
各種センサーを用いた予知保全
加速度（振動）センサー
・課題
業界を超えた協力体制の必要性
センサー計測時の課題
・莫大な量のデータを処理しきれない計測器とクラウド
激増するＢｉｇＤａｔａ
→センサーから取得するデータ
→アナログデータ：BigAnalogData
AEセンサー：１７Ｍバイト／秒
赤外線：１８ＭＢ／秒
→ネットワークのトラフィックが耐えられない
レスポンスが間に合わない
・エッジコンピューティングによる重要データの抽出がカギとなる
１．莫大なデータを演算処理し、意味ある情報に変換
２．データ管理
周波数分析・ピークＴｏピーク
・産業向けのデータサイエンティストが
特徴抽出を計測装置内で行い、データ量を絞る
センサー 計測 特徴注抽出 特徴量 特徴選択・次元削減
ＡＲ機能で保全
スマートポンプデモにおけるエッジコンピューティングの例
→必要最低限のセンサーからとってくる
人間じゃできないようなもの
・ＯＴやとして困っていること
お客様は計測はこれから。しかし機械学習について質問されてしまう
現状把握（計測）→解析→手動→自動
いきなり自動から
故障モード→故障していない
ベースライン計測が行われていない
計測データと熟練エンジニアの保全実施タイミングの比較調査を推奨
■製造現場におけるＡＩＸＩｏＴ導入と利活用
・ＩＴ業界から見た時代の理解
大容量分析 ＩｏＴ
既存の
マイニング・ＢＩ 超リアルタイム
通信はやくなった
・ＩｏＴによる価値創造プロセス
→まずは集めろになってしまった
Analyzing Engine
データ：扱いきれない
入れると何か出てくる・・・エンジン
知識創造プロセスの変化
新たな社会価値創造の機械
産業構造の変革・業界再編
→新しい仕事の創造
・ＡＩとＩｏＴとビッグデータ
ＩｏＴ→ビッグデータ活用→ＩｏＴ
ＡＩ
・人工知能（ＡＩ）技術
人間の知的活動をコンピューター化した技術
ＡＩはなんでもできる？？かしこくなる？？
・産業保安に関する国の動き（高圧ガス保安、電力保安）
・ＡＩにおける重要な要素
当たりやすさＸわかりやすさ
なぜ
最後に精度の維持
→予測精度は低下：チューニングをだれがするか
現場の人：自分でできる（数学がわからなくても）
・扱うデータ；必要とするデータ
データの質
統計解析 Deep Learning
機械学習
データの量
教師ありの機械学習：異常データがないときがこまる
機械学習：答えもそこそこ→ＡＩと人間の協調
２．生産設備／
安全運転
コスト低減
競争力
ノウハウの活用（継承）
３．高度化
ソリューションの実現を支えるＮＥＣのＡＩ技術群
ＷＩＳＥ
インバリアント分析
ラピッド機械学習（ブラックボックス）
４．事例
射出生成機：エッジで処理
燃焼器拝観欠損によるＧＴトリップ
・ＡＩの活用による「製造業の高度化」
チップの中で
エッジ
■パネルディスカッション
・ＳＯＭＰＯ デジタル ラボ
動画
新しいサービスを作る
・データは素材、ＡＩは道具に過ぎない
ＩｏＴ：あつめてくるところ
・重要の判断、勘所
→どかんとおくって、どかんと処理
→実際には帯域で送れない
すぐに反応しないといけない場合
選び方→どういうふうに故障するか？
ド素人がみてもわからない？
そう
エッジコンピューティング
→脊髄反射
計測器内で高度な演算してしまう
・ＡＩ：知的活動→「学んで」判断する
精密診断→どこにあるかわかる
ＩｏＴ：データをどう取ってほしい
→ノイズ。載ってるとわかるデータ
やりすぎても困る
サンプリング・精度
動画像と振動データ
・分析する人は、どこにいるべき
分析
プロジェクトマネジメント
コーディネーター：
コンサルよりも上位
つなぐ役割
→飲み会の幹事
コミュニケーション上の問題：人間力
ペアを組む
仲介者・営業を入れる
・成功するポイント・失敗するポイント
現場が入ってきたとき
トップからのリクエスト・人を減らせ：ＡＩ入れるからお前首
→拒否られる
→新しい仕事を作る
業界を超えたコラボレーション
センサーのプロ、計測や、
現場との理解
熟練：とけこむ・飲んで何ぼ
クラウド：セキュリティポリシー
データサイエンティスト協会 セミナー2017 第2回
に行ってきた！ので内容メモメモ
■おしらせ
・Data Science Awardについて
■会場について
・内田洋行 ゆびきたすきょうそうひろば きゃんばす
築４６年のビルだけど、リノベーションした
■基礎から学ぶ！
インダストリアルＩｏＴの実現に必須の
センサ計測とエッジコンピューティング
・会社紹介
ラボビュー
一社だけでは実現できないインダストリアルＩｏＴ
ＮＩは計測制御装置のプロフェッショナル
高い接続性
産業界での協業事例 ＩＩＣ TestBed
・予知保全の動向と課題
インダストリアルＩｏＴ
コンシューマーＩｏＴ
予知保全への期待が高い
モニタリングには２種類あり、目的が異なる
プロセスモニタリング：プラントマネジメント
生産設備のモニタリング：予知保全
・設備不具合の大半は回転機械の振動問題
モーターの故障モード
ベアリング、ステーター
各種センサーを用いた予知保全
加速度（振動）センサー
・課題
業界を超えた協力体制の必要性
センサー計測時の課題
・莫大な量のデータを処理しきれない計測器とクラウド
激増するＢｉｇＤａｔａ
→センサーから取得するデータ
→アナログデータ：BigAnalogData
AEセンサー：１７Ｍバイト／秒
赤外線：１８ＭＢ／秒
→ネットワークのトラフィックが耐えられない
レスポンスが間に合わない
・エッジコンピューティングによる重要データの抽出がカギとなる
１．莫大なデータを演算処理し、意味ある情報に変換
２．データ管理
周波数分析・ピークＴｏピーク
・産業向けのデータサイエンティストが
特徴抽出を計測装置内で行い、データ量を絞る
センサー 計測 特徴注抽出 特徴量 特徴選択・次元削減
ＡＲ機能で保全
スマートポンプデモにおけるエッジコンピューティングの例
→必要最低限のセンサーからとってくる
人間じゃできないようなもの
・ＯＴやとして困っていること
お客様は計測はこれから。しかし機械学習について質問されてしまう
現状把握（計測）→解析→手動→自動
いきなり自動から
故障モード→故障していない
ベースライン計測が行われていない
計測データと熟練エンジニアの保全実施タイミングの比較調査を推奨
■製造現場におけるＡＩＸＩｏＴ導入と利活用
・ＩＴ業界から見た時代の理解
大容量分析 ＩｏＴ
既存の
マイニング・ＢＩ 超リアルタイム
通信はやくなった
・ＩｏＴによる価値創造プロセス
→まずは集めろになってしまった
Analyzing Engine
データ：扱いきれない
入れると何か出てくる・・・エンジン
知識創造プロセスの変化
新たな社会価値創造の機械
産業構造の変革・業界再編
→新しい仕事の創造
・ＡＩとＩｏＴとビッグデータ
ＩｏＴ→ビッグデータ活用→ＩｏＴ
ＡＩ
・人工知能（ＡＩ）技術
人間の知的活動をコンピューター化した技術
ＡＩはなんでもできる？？かしこくなる？？
・産業保安に関する国の動き（高圧ガス保安、電力保安）
・ＡＩにおける重要な要素
当たりやすさＸわかりやすさ
なぜ
最後に精度の維持
→予測精度は低下：チューニングをだれがするか
現場の人：自分でできる（数学がわからなくても）
・扱うデータ；必要とするデータ
データの質
統計解析 Deep Learning
機械学習
データの量
教師ありの機械学習：異常データがないときがこまる
機械学習：答えもそこそこ→ＡＩと人間の協調
２．生産設備／
安全運転
コスト低減
競争力
ノウハウの活用（継承）
３．高度化
ソリューションの実現を支えるＮＥＣのＡＩ技術群
ＷＩＳＥ
インバリアント分析
ラピッド機械学習（ブラックボックス）
４．事例
射出生成機：エッジで処理
燃焼器拝観欠損によるＧＴトリップ
・ＡＩの活用による「製造業の高度化」
チップの中で
エッジ
■パネルディスカッション
・ＳＯＭＰＯ デジタル ラボ
動画
新しいサービスを作る
・データは素材、ＡＩは道具に過ぎない
ＩｏＴ：あつめてくるところ
・重要の判断、勘所
→どかんとおくって、どかんと処理
→実際には帯域で送れない
すぐに反応しないといけない場合
選び方→どういうふうに故障するか？
ド素人がみてもわからない？
そう
エッジコンピューティング
→脊髄反射
計測器内で高度な演算してしまう
・ＡＩ：知的活動→「学んで」判断する
精密診断→どこにあるかわかる
ＩｏＴ：データをどう取ってほしい
→ノイズ。載ってるとわかるデータ
やりすぎても困る
サンプリング・精度
動画像と振動データ
・分析する人は、どこにいるべき
分析
プロジェクトマネジメント
コーディネーター：
コンサルよりも上位
つなぐ役割
→飲み会の幹事
コミュニケーション上の問題：人間力
ペアを組む
仲介者・営業を入れる
・成功するポイント・失敗するポイント
現場が入ってきたとき
トップからのリクエスト・人を減らせ：ＡＩ入れるからお前首
→拒否られる
→新しい仕事を作る
業界を超えたコラボレーション
センサーのプロ、計測や、
現場との理解
熟練：とけこむ・飲んで何ぼ
クラウド：セキュリティポリシー
アクセス
トータル
ランキング
