Product Roadmap
PEOPLE AND TECHNOLOGY will keep moving forward to increase our solution’s value.
See the future of RTLS and IoT.
PEOPLE AND TECHNOLOGY will keep moving forward to increase our solution’s value.
See the future of RTLS and IoT.
屋内・外IoT
IoTソリューションの導入事例が増えるいく中で様々な空間に適用できるソリューションに対する需要も高まっています。特に一般的なスマートファクトリーの事例の場合、作業員、車、フォークリフト、資材などが屋内外を出入りしながら作業が行われており、この場合においても連続的な位置の追跡が求められています。
しかし、Bluetooth技術の場合、到達距離が最大70~100m程度で、広い敷地の持つ工場の屋外作業場にBluetoothゲートウェイを数多く設置するのは投資に対する費用効果の観点からみて効果的ではありません。Bluetooth以外のIoT通信技術であるLoRa、LTE-M、NB-IoTの場合、数kmの距離まで信号が到達するため屋外の広い場所に適用しやすいです。ただし、LoRa、LTE-M、NB-IoTはすべて測位精度が高くありません。
ピープル&テクノロジーの屋内・外IoTソリューションはこの点に注目して開発されました。
屋内では低電力Bluetooth(Bluetooth Low Energy)技術を活用し、屋外では数少ないゲートウェイで広いエリアをカーバー出来るLPWAN(Low Power Wide Area Netowrk)技術であるLoRaを持ち合わせることで実際の業務プロセスの中で屋内外に出入りする場合でも連続的に位置をセンサー信号を追跡できるようにしました。
(LoRa技術に関しては自前で用意するプライベートLoRaネットワークも使えますし、キャリアから提供されるLoRaネットワークサービスも活用出来ます。)
Get IoT solutions optimized for large yards with Indoor outdoor IoT technology! to be released in the first half of 2018!
大型装備積載および組み立て空間、
特に大規模のヤードファクトリー
多数の作業員が室内工程を行う
Structure of general manufacturing and facilities factories
Lots of indoor spaces
Outdoor area connecting between an indoor space and other indoor space
Large scale outdoor space for yard loading
人、モノ(装備、資材)が屋内と屋外を往来する
LoRaを活用してゲートウェイの台数に対して広いエリアをカーバー出来る利点がありますが、その場合GPSを使った位置測位を行うためバッテリーの消耗量を抑えなきゃいけない課題があります。
この課題を解決するために必要に応じてGPSの機能のオン・オフするハンドオーバ技術が必要です。ただし、大容量バッテリーを備えている車や溶接機などの工具を資産として追跡したい場合は現時点でもピープル&テクノロジーの屋内・外IoTソリューションが良い選択肢になります。
2018年第1四半期にベータ版を、2018年上半期に正式版のリリース予定
Indoor outdoor IoT Command Process Flow
Private LoRa Gateway
900MHz ISM Bandwidth
Total 18 channels
City area 2~3km cover, rural side Line of Sight 20km cover (but 10 km is recommended)
Bluetooth + GPS + LoRa Composite Tag
GPS Location info is delivered through LoRa connectivity
Bluetooth is always on ( indoor and outdoor ) for smooth handover tracking
GPS only works in outdoor
BLE scanner
Unified Tracking server
IoTデータインテリジェンス
ピープル&テクノロジーは30箇所を超えるクライアントの事業所にソリューションを導入し、様々なユースケースから生成されるIoTデーターを直・間接的に触れることが出来ました。
IndoorPlus+ソリューションから生成されるデータには次の特徴があります。
ピープル&テクノロジーが確保可能な以上のデータを活用して価値のある次の情報をクライアントに提供するためにIoTデータインテリジェンスアナリティクスを開発しています。
題名 | 分析可能内容 | Value |
---|---|---|
時間帯別、曜日別の密集度・混雑度 |
同病院内で曜日別、時間帯別、区域別にに外来患者の密集度、混雑度はどう変化するか |
1. 外来患者の分布、混雑度合いによって案内要員を再配置 |
季節別、天気別の密集度・混雑度 |
同病院内で季節、天気など外部要因により各区域における外来患者の密集度、混雑度はどう変化するか |
1. インフルエンザの流行を数字で確認(耳鼻科、小児科の混雑度) |
移動経路の最適化 |
同病院内で外来患者のカテゴリ分けして移動経路と所要時間を計算し、最短経路を提案 |
病院のレイアウト、移動経路の最適化 |
病院の医療分科別の比較、どの医療分科に人が集まる傾向があるか |
病院間で同一時間、同一シーズン別に患者の密集度、混雑度などを分析して病院毎の各病科の認知度を測定する。 |
病院で行ったマーケティング活動の効果分析 |
資産別の適正在庫数量の推定 |
同病院内の特定の種類の資産を照会した件数で該当する資産の適正な数の在庫を持っているか判断 |
データに基づいた合理的な判断による購買決定 |
資産の紛失・盗難状況 |
資産毎の移動経路のパターンを分析して紛失起きるケースを調査 |
高価な資産の使用パターンの確認 |
資産のメンテナンス状況 |
車輪が付いている資産の場合、移動距離を計算し、メンテナンス計画を立案 |
車と同じく車輪が付いている資産の場合、移動距離に応じてメンテナンスを実施 |
患者モニタリング |
患者の生体シグナルをモニタリングし手当が必要なシグナルのパターンを検知する。 | |
環境モニタリング |
環境センサーからの情報を活用し、病棟内の環境が患者にとって快適な状態であるかモニタリング |
題名 | 分析可能内容 | Value |
---|---|---|
現場を出て戻るまでの所要時間 |
特定区域にバルブを止めに行くメンテナンス作業をするために、移動した経路と所要時間を把握、各区域別、人員別にメンテナンスに掛かった時間を管理し、メンテナンス業務を最適化 |
1.現場を出て戻るまでの所要時間がメンテナンス作業の速さを表す指標となる |
特定の作業指示を完了するまで掛かった所要時間 |
作業指示の内容によって区域別の滞在時間を測り、各作業指示項目別に所要時間を把握 |
作業指示の項目別の所要時間を予測 |
移動経路の最適化 |
ある区域から目的区域まで移動するために辿る最適化された移動経路を提案 |
移動経路の最適化 |
危険エリアへ立ち入るパターンの認知 |
特定の曜日、時間帯、特定の作業項目毎に危険エリアに立ち入る確率を計算 |
特定のタスクまたは特定の時間帯に危険エリアへ立ち入るケースが多い傾向があるなら、その理由を突き詰めて事故の発生率を下げられる。 |
資産別の適正な在庫数の推定 |
工場内の特定の資産を照会した件数で該当する資産の適正な数の在庫を持っているか判断 |
データに基き合理的な判断で購買を行う |
資産の紛失・盗難の状況 |
資産毎の移動経路のパターンを分析して紛失起きるケースを調査 |
高価な資産の使用パターンを確認 |
資産のメンテナンス状態 |
車輪が付いている資産の場合、移動距離を計算し、メンテナンス計画を立案 |
車と同じく車輪が付いている資産の場合、移動距離に応じてメンテナンスを実施 |
救助要請を受け付けてから救助が終わるまでの状況確認と所要時間 |
SOS機能を利用し救助要請を出してから救助が終わるまでの所要時間を測定 |
もし特定エリアに救助作業が遅延する場合、動線追跡を通して最適化が可能 |
環境モニタリング |
環境センサーからの情報を活用し、病棟内の環境が患者にとって快適な状態であるかモニタリング | |
車両移動経路の最適化 |
最適化された最短経路が存在するが車両がその経路を使わない場合を検知し、原因を調査 | |
車両の速度制御 |
安全面の理由で車両の速度を制限する必用がある場合、その速度制限が守られてない区間を特定し、速度を制限するための減速帯を設置する。 | |
車両の配車 |
物流センターでドッキングと車両の距離が近い場合、優先して配車することで荷物の積み下ろしにかかる時間を短縮出来る。 |
車両の配車最適化で荷物の積み下ろしかかる時間を短縮 |
ピープル&テクノロジーが
IoTデータの分析においても強みを持つ理由
人工知能は膨大なデータを基に結果を作り出すため、今までは確保が容易なテキスト、音声、イメージのデータ分析が人工知能の分析が対象として使われました。
グーグル、アマゾン、通信キャリアのように分析対象となるデータを確保できる企業は人工知能を発展させてきました。
これからは産業用IoT、ヘルスケアIoT、ビルディングIoTなどの領域に目を向けてみます。
多様な産業分野で1秒単位で収集出来る膨大な量のIoTデータをピープル&テクノロジーのIoTソリューションが収集、保存し、分析をし始めています。
実世界から収集した膨大なデータにアクセス出来るピープル&テクノロジーがIoTデータインテリジェンス分野もリードして参ります。
2018年下半期をご期待下さい。
IndoorPlus+アナリティクスがインテリジェンスIoTの新しい時代を切り開きます。