スマート 製造のための IoT データ ハブを構築

ソリューション概要

最近の工場は複数のマシンとウィジェットに依存しています。それぞれがデータを生成し、複雑なプロセスを管理するために調整します。メーカーは、エラーをトラブルシューティングし、 操作効率を向上させるために、これらのシステムがどのように動作するかを理解する必要があります。

MongoDB Atlas業

このソリューションの原則を、次のような他の業界に拡張することができます。

• 自動車 : 効率的な工場を開発し、複雑な在庫を管理して自動車生成を最大化できます。

• 通信 : IoT を使用して、モバイルや接続されたデバイスを通じてより競合的なサービスを提供できます。

• ヘルス管理: 医療組織内と個人デバイスの両方で必須のヘルスチェック サービスを提供できます。

参照アーキテクチャ

MongoDB を使用せずに

多くの製造環境では、 リレーショナルデータベースを使用して独自のソフトウェアを実行中独自のシステムがあります。しかし、データ量が大きくなり、データ構造が高度になるにつれて、関係データベースの管理は困難になり、アーキテクチャは複雑化します。そのため、異なるシステム間でデータを転送し、新しいアプリケーションに接続することが困難になります。

図 1. MongoDB を使用しないリファレンス アーキテクチャ

MongoDB で

MongoDB は柔軟なドキュメントモデルによってデータ管理を簡素化し、アプリケーションの要件に合わせてデータを整理できます。また、必要な方法でデータを取得するための表現クエリAPIも提供します。

図 2. MongoDB を使用したリファレンス アーキテクチャ

データモデルアプローチ

工場内のセンサーは複数のマシンの時系列データをストリーミングし、次のデータ ポイントを取得できます。

• 製品タイプ

• 空気温度（K）

• プロセス温度（K）

• 回転速度（rpm）

• トルク（Nm）

• 工具摩耗（分）

MongoDBとその柔軟なドキュメントモデルでは、1 つの時系列コレクションを使用して、すべての受信センサーデータを保存できます。例、次のようにセンサーデータを保存できます。

{
   "device_id": 1,
   "sensor_id": 12345,
   "start_date": ISODate("2023-01-31T10:00:00.000Z"),
   "end_date": ISODate("2023-01-31T10:59:59.000Z"),
   "measurements": [
{
   "timestamp": ISODate("2023-01-31T10:00:00.000Z"),
   "temperature": 298.1
   "speed": 1551
   "torque": 42.8
   "failure": “No failure”
},
{
   "timestamp": ISODate("2023-01-31T10:01:00.000Z"),
   "temperature": 302.4
   "speed": 1410
   "torque": 65.7
   "failure": “Power failure”
},
...
{
   "timestamp": ISODate("2023-01-31T10:42:00.000Z"),
   "temperature": 298.8
   "speed": 1455
   "torque": 41.3
   "failure": “Tool wear failure”
}
],
"transaction_count": 4223,
"avg_temperature": 300.7
}

MongoDB集計フレームワークを使用して、 時系列データ を簡単にクエリできます。例、ドキュメントをセンサー日付ごとにグループ化し、平均などの集計結果を返すことができます。

ソリューションのビルド

図 3. ソリューションの概要

このソリューションでは、 MongoDB AtlasとAzure IoT Edge を使用してスマート ビルド ハブを構築する方法が示されています。このユースケースでは、シミュレートされたセンサーは CNC マシンからAzure IoT ハブにデータを送信します。次に、データはフィルタリングされてMongoDB Atlasに送信されます。MongoDB Chartsを使用するアナリストなどのデータ消費者は、そのデータにアクセスして使用できます。

このワークフローを複製するために、ソリューションはセンサーデータを使用して、マシン障害の原因を予測する機械学習モデルを訓練します。このソリューションを実装するには、GitHubリポジトリ の手順を参照してください。

キーポイント

• IoT アプリケーションの開発: MongoDB Atlasで関連する IoT データを収集し、それを使用して機械学習モデルを訓練し、ビジネスアプリケーションを実行します。

• IoT データのスケーリング: ドキュメントベースのデータベースとして、 MongoDB はIoT アプリケーションによって生成された大量のデータを効率的に管理します。

• さまざまなデータ型の処理: MongoDB の柔軟なドキュメントモデルはさまざまなデータ構造を処理するため、複数の IoT デバイスと ML モデルのデータを単一のデータベースに保存できます。

著者

• ダイアナ・アニー・ジェノシュ、MongoDB

• Utsav Talwar, MongoDB

• Dr. Humza Akhtar, MongoDB

詳細

• IoT データを利用したアプリ駆動型インテリジェンス

• Atlas Vector Search を活用した自動車診断の実現

• リアルタイム音声ベースの AI 診断