建設業界での IoT とデータ分析IoT and data analytics in the construction industry

このシナリオ例は、多数の IoT デバイスからのデータを包括的なデータ分析アーキテクチャに統合して意思決定を向上および自動化するソリューションを構築している組織に関連します。This example scenario is relevant to organizations building solutions that integrate data from many IoT devices into a comprehensive data analysis architecture to improve and automate decision making. 潜在的なアプリケーションには、建設、鉱業、製造、または多数の IoT ベースのデータ入力からの大量のデータが関係するその他の業界のソリューションが含まれます。Potential applications include construction, mining, manufacturing, or other industry solutions involving large volumes of data from many IoT-based data inputs.

このシナリオの建設機械メーカーは、IoT と GPS の技術を使用してテレメトリ データを送信する車両、機器、ドローンを製造しています。In this scenario, a construction equipment manufacturer builds vehicles, meters, and drones that use IoT and GPS technologies to emit telemetry data. この会社は、動作状態と機器の正常性の監視を改善するため、データ アーキテクチャの最新化を考えています。The company wants to modernize their data architecture to better monitor operating conditions and equipment health. オンプレミスのインフラストラクチャを使用している会社の従来のソリューションを置き換えるのでは、時間と労力の両方がかかり、予想されるデータ量を処理するのに十分なスケールにできません。Replacing the company's legacy solution using on-premises infrastructure would be both time intensive and labor intensive, and would not be able to scale sufficiently to handle the anticipated data volume.

会社は、クラウド ベースの "スマート建設" ソリューションの構築を望んでいます。The company wants to build a cloud-based "smart construction" solution. 構築現場の広範囲のデータ セットを収集し、現場のさまざまな要素の操作とメンテナンスを自動化するものでなければなりません。It should gather a comprehensive set of data for a construction site and automate the operation and maintenance of the various elements of the site. 会社の目標は次のとおりです。The company's goals include:

  • 建設現場のすべての機器とデータを統合して分析することで、機器のダウンタイムを最小限にし、盗難を減らす。Integrating and analyzing all construction site equipment and data to minimize equipment downtime and reduce theft.
  • リモートで自動的に建設機器を制御して、労働力不足の影響を軽減し、最終的に作業員を減らして、経験の浅い作業員でもうまくいくようにする。Remotely and automatically controlling construction equipment to mitigate the effects of a labor shortage, ultimately requiring fewer workers and enabling lower-skilled workers to succeed.
  • サポート インフラストラクチャの運用コストと必要な労働力を最小限に抑え、生産性と安全性を高める。Minimizing the operating costs and labor requirements for the supporting infrastructure, while increasing productivity and safety.
  • テレメトリ データの増加をサポートするため、インフラストラクチャを簡単に拡大できるようにする。Easily scaling the infrastructure to support increases in telemetry data.
  • システムの可用性を損なうことなく、国内でリソースをプロビジョニングすることにより、関連するすべての法的要件に準拠する。Complying with all relevant legal requirements by provisioning resources in-country without compromising system availability.
  • オープン ソースのソフトウェアを使用して、作業員の現在のスキルへの投資を最大化する。Using open-source software to maximize the investment in workers' current skills.

IoT Hub や HDInsight などのマネージド Azure サービスを使用すると、お客様は、包括的なソリューションを迅速に構築して展開しながら、運用コストを抑えることができます。Using managed Azure services such as IoT Hub and HDInsight will allow the customer to rapidly build and deploy a comprehensive solution with a lower operating cost. データ分析のニーズが他にもある場合は、Azure で使用可能なフル マネージドのデータ分析サービスの一覧をご覧ください。If you have additional data analytics needs, you should review the list of available fully managed data analytics services in Azure.

関連するユース ケースRelevant use cases

その他の関連するユース ケース:Other relevant use cases include:

  • 建設、鉱業、または機器製造のシナリオConstruction, mining, or equipment manufacturing scenarios
  • 保管と分析のためのデバイス データの大規模なコレクションLarge-scale collection of device data for storage and analysis
  • 大規模なデータセットの取り込みと分析Ingestion and analysis of large datasets

ArchitectureArchitecture

建設業界での IoT とデータ分析のためのアーキテクチャ

このソリューションのデータ フローは次のとおりです。The data flows through the solution as follows:

  1. 建設機器はセンサー データを収集し、Azure 仮想マシンのクラスターでホストされている負荷分散された Web サービスに、建設結果データを定期的に送信します。Construction equipment collects sensor data and sends the construction results data at regular intervals to load balanced web services hosted on a cluster of Azure virtual machines.
  2. カスタム Web サービスは、建設結果データを取り込み、やはり Azure 仮想マシン上で実行されている Apache Cassandra クラスターに格納します。The custom web services ingest the construction results data and store it in an Apache Cassandra cluster also running on Azure virtual machines.
  3. さまざまな建設機器の IoT センサーによって別のデータセットが収集され、IoT Hub に送信されます。Another dataset is gathered by IoT sensors on various construction equipment and sent to IoT Hub.
  4. 収集された生データは、IoT Hub から Azure Blob Storage に直接送信されて、表示と分析にすぐに利用できます。Raw data collected is sent directly from IoT Hub to Azure blob storage and is immediately available for viewing and analysis.
  5. IoT Hub 経由で収集されたデータは、Azure Stream Analytics ジョブによってほぼリアルタイムで処理され、Azure SQL データベースに格納されます。Data collected via IoT Hub is processed in near real time by an Azure Stream Analytics job and stored in an Azure SQL database.
  6. アナリストとエンド ユーザーがセンサー データと画像を表示および分析するには、スマート建設クラウド Web アプリケーションを使用できます。The Smart Construction Cloud web application is available to analysts and end users to view and analyze sensor data and imagery.
  7. バッチ ジョブは、Web アプリケーションのユーザーによってオンデマンドで開始されます。Batch jobs are initiated on demand by users of the web application. バッチ ジョブは、HDInsight 上の Apache Spark で実行されて、Cassandra クラスターに格納された新しいデータを分析します。The batch job runs in Apache Spark on HDInsight and analyzes new data stored in the Cassandra cluster.

ComponentsComponents

  • IoT Hub は、クラウド プラットフォームと建設機器および他の現場要素の間で行われる、デバイスごとの ID によるセキュリティ保護された双方向通信に対する中央のメッセージ ハブとして機能します。IoT Hub acts as a central message hub for secure bi-directional communication with per-device identity between the cloud platform and the construction equipment and other site elements. IoT Hub は、データ分析パイプラインへのインジェストのために、各デバイスのデータを迅速に収集できます。IoT Hub can rapidly collect data for each device for ingestion into the data analytics pipeline.
  • Azure Stream Analytics は、デバイスおよび他のデータ ソースからの大量のデータ ストリームを分析できるイベント処理エンジンです。Azure Stream Analytics is an event-processing engine that can analyze high volumes of data streaming from devices and other data sources. また、データ ストリームから情報を抽出し、パターンやリレーションシップを特定することもできます。It also supports extracting information from data streams to identify patterns and relationships. このシナリオの Stream Analytics は、IoT デバイスからのデータを取り込んで分析し、結果を Azure SQL Database に格納します。In this scenario, Stream Analytics ingests and analyzes data from IoT devices and stores the results in Azure SQL Database.
  • Azure SQL Database には、IoT デバイスやメーターからの分析されたデータの結果が格納されており、アナリストやユーザーは Azure ベースの Web アプリケーションを使用してそれを表示できます。Azure SQL Database contains the results of analyzed data from IoT devices and meters, which can be viewed by analysts and users via an Azure-based Web application.
  • Blob ストレージには、IoT ハブ デバイスから収集された画像データが格納されています。Blob storage stores image data gathered from the IoT hub devices. 画像データは、Web アプリケーションを使用して表示できます。The image data can be viewed via the web application.
  • Traffic Manager によって、さまざまな Azure リージョンにおけるサービス エンドポイントのユーザー トラフィックの分散が制御されます。Traffic Manager controls the distribution of user traffic for service endpoints in different Azure regions.
  • Load Balancer では、建設機器のデバイスからのデータ送信が VM ベースの Web サービス間に分散されて、高可用性が提供されます。Load Balancer distributes data submissions from construction equipment devices across the VM-based web services to provide high availability.
  • Azure Virtual Machines では、建設結果データを受信して Apache Cassandra データベースに取り込む Web サービスがホストされています。Azure Virtual Machines host the web services that receive and ingest the construction results data into the Apache Cassandra database.
  • Apache Cassandra は分散型 NoSQL データベースであり、後で Apache Spark を使用して処理できるよう建設データを格納するために使用されます。Apache Cassandra is a distributed NoSQL database used to store construction data for later processing by Apache Spark.
  • Web Apps では、エンド ユーザーの Web アプリケーションがホストされており、それを使用してソース データと画像のクエリと表示を行うことができます。Web Apps hosts the end-user web application, which can be used to query and view source data and images. ユーザーは、アプリケーションを使用して Apache Spark でバッチ ジョブを開始することもできます。Users can also initiate batch jobs in Apache Spark via the application.
  • HDInsight 上の Apache Spark は、ビッグ データ分析アプリケーションのパフォーマンスを向上させるメモリ内処理をサポートします。Apache Spark on HDInsight supports in-memory processing to boost the performance of big-data analytic applications. このシナリオの Spark は、Apache Cassandra に格納されているデータに対する複雑なアルゴリズムの実行に使用されます。In this scenario, Spark is used to run complex algorithms over the data stored in Apache Cassandra.

代替Alternatives

考慮事項Considerations

Azure リージョンを広範に使用できることは、このシナリオの重要な要素です。The broad availability of Azure regions is an important factor for this scenario. 1 つの国に複数のリージョンがあると、ディザスター リカバリーを実現しながら、契約上の義務と法律実施要件にも準拠できます。Having more than one region in a single country can provide disaster recovery while also enabling compliance with contractual obligations and law enforcement requirements. Azure のリージョン間の高速通信も、このシナリオでは重要な要因です。Azure's high-speed communication between regions is also an important factor in this scenario.

Azure によるオープン ソース テクノロジのサポートにより、お客様は既存の作業員のスキルを活用できました。Azure support for open-source technologies allowed the customer to take advantage of their existing workforce skills. また、お客様は、オンプレミスのソリューションと比較して少ないコストと運用ワークロードで、新しいテクノロジの導入を加速できます。The customer can also accelerate the adoption of new technologies with lower costs and operating workloads compared to an on-premises solution.

価格Pricing

以下の考慮事項によって、このソリューションのコストのかなりの部分が決まります。The following considerations will drive a substantial portion of the costs for this solution.

  • Azure の仮想マシンのコストは、インスタンスが追加プロビジョニングされのに比例して増加します。Azure virtual machine costs will increase linearly as additional instances are provisioned. 割り当てを解除された仮想マシンについては、ストレージ コストのみが発生し、コンピューティング コストはかかりません。Virtual machines that are deallocated will only incur storage costs, and not compute costs. 割り当てを解除されたマシンは、需要が増えたら再割り当てできます。These deallocated machines can then be reallocated when demand is high.
  • IoT Hub のコストは、プロビジョニングされた IoT ユニットの数と、選択されたサービス レベルによって決まります。サービス レベルにより、ユニットごとに許可される 1 日のメッセージ数が決まります。IoT Hub costs are driven by the number of IoT units provisioned as well as the service tier chosen, which determines the number of messages per day per unit allowed.
  • Stream Analytics の価格は、このサービスに入力されるデータを処理するために必要なストリーミング ユニットの数に基づいて決まります。Stream Analytics is priced by the number of streaming units required to process the data into the service.

同様のアーキテクチャの実装については、コマツの事例をご覧ください。To see an implementation of a similar architecture, read the Komatsu customer story.

ビッグ データ アーキテクチャのガイダンスについては、「Azure データ アーキテクチャ ガイド」をご覧ください。Guidance for big data architectures is available in the Azure Data Architecture Guide.