【AWS re:Invent 2022】IoT, AI/ML を活用し、製造業の生産性を向上させる

アイレット 第一開発事業部の中村です。
本日は AI/ML のハンズオンに参加してきました！
朝の8:30から開始だったので、予約もできスムーズに参加できました。

Industrial automated quality inspection

基本情報

概要

Join this workshop to get hands-on experience applying artificial intelligence and machine learning (ML) for industrial use cases. Using a sample product quality image dataset, build and train an ML model with Amazon Lookout for Vision. Once the model has been trained, deploy it to an industrial edge device to detect quality issues on a production line and visualize the results in real time. You must bring your laptop to participate.

このワークショップに参加して、産業用ユースケースに人工知能と機械学習 (ML) を適用する実践的な経験を積んでください。 サンプルの製品品質の画像データセットを使用して、Amazon Lookout for Vision で ML モデルを構築およびトレーニングします。 モデルのトレーニングが完了したら、それを産業用エッジ デバイスに展開して、生産ラインの品質問題を検出し、結果をリアルタイムで視覚化します。 参加するにはノートパソコンを持参する必要があります。

開催日時

• 2022/11/30 8:30-10:30

セッションレベル

• 200 – Intermediate

セッションタイプ

• Workshop

開催場所

• Level 1, Academy 409, Caesars Forum

利用される主なサービス

• AWS IoT Core
• Amazon Lookup for Vision

スピーカー

• Elvis Jones, Sr Manager, AWS
• Jan Metzner, Specialist SA Manufacturing, AWS

まとめ・所感

製造業で取り上げられる課題、アーキテクチャの紹介

• リアルタイムでの可視化
• 最適化
• 品質の確保

• 基本のアーキテクチャ

本セッションの目的

• 状況: 工場で製品を製造
• 要求: 製品の異常を検知したい

作業開始

20分ほど概要の説明を受けて、残りは実際に手を動かします。
AWS からハンズオン用のアカウントが発行されているので、コンソールにログインした後手順通りに作業を進めます。

セットアップ

作業は Cloud9 のインスタンス上で実施します。
保存されている python ファイルや、今回利用する画像（IoT 端末のカメラから送られてくる想定）が用意されています。
例えば以下のように傷のついた製品は NG になりますね！

IoT Greengrass, Lookout for Vision のリソース作成

ドキュメントに沿って設定を進めていきます。
モデルの学習、デプロイまで簡単に進めることが可能です。
私自身、機械学習・AI に関する知識は浅いのですが何も問題なかったです。

MQTT へのサブスクライブ確認

一通り設定が完了したら、最後は実際にデバイスから画像データを送ってみます。
今回は本物のIoTデバイスは用意されていないので、Cloud9 上に保存された python スクリプトを実行し、仮の動作確認を行なっています。

• データ送信

• データ受信

全体を通して

実際の業務ではセッションで使ったような IoT, AI/ML 系のサービスに触れる機会が無かったのですが、機械学習の概論を学ぶことで様々なサービスに応用が効くのではないかと感じました。
ハンズオンもかなり丁寧なステップで、確認しながら作業を進めることができたので初心者にも優しいと思いました。
あまり触れたことのない分野だったので、少し緊張していたのですが全く問題なかったです。
今後もより学びの範囲を広げられるよう、新たな分野にも積極的にチャレンジします！