IoT のシナリオを変える Azure SQL Edge

Copyright © Tokyo Electron Device LTD. All Rights Reserved.
IoTのシナリオを変える
-Azure SQL Edge
2021年6月11日
クラウドIoTカンパニー
エッジクラウドソリューション部
石井大樹

What is “Azure SQL Edge”？

Copyright © Tokyo Electron Device LTD. All Rights Reserved. 4
What is “Azure SQL Edge”？
⚫ IoTデバイスならびにIoT Edgeデバイス向けに安価かつ軽量化された
リレーショナルデータベースエンジン
⚫ SQL Server や Azure SQL Databaseと同じエンジンに基づいて構成されているため、
Transact-SQL(T-SQL)を用いて既存のシステムアプリケーションをエッジで実行可能

Azure SQL Edge
⚫ フットプリントが小さく、エッジ向けに最適化され、AI が組み込まれている
プラットフォームの選択肢 AI の組み込み
エッジ
時系列の組み込み
データセンター/
クラウド
アプリを一度開発すれば、
任意の場所に展開可能
フットプリントが
小さいエンジン
(500 MB)
組み込みの
時系列ストリーミング
および分析
待ち時間の短い分析の
ための機械学習モデル実行
ターンキー管理
1 つの管理画面で
展開 & 更新
オールインワンのローカルストリーミング、
ストレージ、分析
SQL
時系列
ARM64 x64
ONNX

Azure SQL Edgeのサポートプラットフォーム
⚫ Azure SQL Edgeの提供エディション
⚫ 開発専用の「Azure SQL Edge Developer」
⚫ 運用環境向けの「Azure SQL Edge」
⚫ サポートされているオペレーティングシステム
⚫ Ubuntu 18.04 LTS(推奨) or Ubuntu 20.04 LTSを実行しているDockerホスト
⚫ ハードウェア環境
⚫ 64ビットプロセッサ環境および、少なくとも1個のプロセッサと1GBのRAMがホスト上に必要
※Azure SQL Edgeの初期メモリ占有領域は約450MB

Azure SQL Edgeのサポートプラットフォーム
⚫ デプロイモデル
⚫ Azure IoT Edgeモジュール
⚫ Dockerコンテナー、Kubernetesクラスター
⚫ 利用可能なツール
⚫ SQL Server Management Studio
⚫ SQL Server Data Tools in Visual Studio
⚫ Visual Studio Code(mssql 拡張機能)
⚫ Azure Data Studio
⚫ 公開情報
https://docs.microsoft.com/ja-jp/azure/azure-sql-edge/features

Azure SQL Edgeの機能
⚫ SQL Server 2019 on Linuxでサポートされている機能(データベースエンジンの機能)
※Analysis Services、Integration ServicesなどのSQL Server コンポーネントはサポートさ
れていません。
上記に加えて以下の機能が実装されています。
⚫ Azure Stream Analyticsと同様のエンジンによるSQLストリーミング機能
リアルタイムでのデータストリーミング機能を実現します
⚫ 時系列データ分析のためのT-SQL関数 Date_Bucket
⚫ SQLエンジンでONNXランタイムを使用した機械学習機能

⚫
高度な設備保全イメージ
!
モデルデプロイ
エッジデバイスで故障の
予兆を検知しアラート
On-Premise
Cloud
!
クラウド分析基盤
通信断が発生しても、エッジ側は独立して稼働することが可能。データ欠損の心配も無し！

製造WG 制作デモ

製造WGでの取り組みの背景
⚫ 2020年末時点での製造WG状況、課題
SQL Edgeの検証したいけど、ただやるだけでなくキチンとビジ
ネスに役立つシナリオにして、今後も活用していきたい
エッジ単体でなくクラウド(Azure)との連携、同期もカバーし
たいが範囲が広範
機械学習モデルを作ってエッジ推論などもやりたいけど、データ
の準備やそれに合ったシナリオ検討もしないと
上記課題について3社間で2021年より本格的に検討開始、TED/ISID双方から技術者を出し合い単純なSQL Edge検証に留まらず
ビジネス展開を想定したシナリオの下でエッジ-クラウドをトータルでカバーした検証をすることとなった

製造WG内の役割分担と狙い
⚫ TED、ISID様、MS様とで役割分担を定義
⚫ 両社の強みを活かし互いを補完しあうことでシナジーを生み出すことを狙う
⚫ TED:エッジデバイス(SQL Edge)
⚫ ISID:クラウド(Azure Data & AI)・・・次頁で詳述
担当タスク
ISID様・Azure側検証(ARAiS×OpTApf)
・Azureサブスクリプション払出し、管理
TED ・エッジ側検証
・検証用デバイス手配、管理
Microsoft様・技術アドバイス、打合せ同席
・プロモーション関連の支援

ISIDの強み:ARAiS
⚫ Azure PaaSを使用したIoT/Data/AI処理を実現するISID発のリファレンスアーキテクチャ
⚫ 「データ分析基盤」「リアルタイムAI処理」「AIモデルのエッジへのデプロイ」の3つの役割
参考記事：https://techplay.jp/column/1258

ISIDの強み:OpTApf
何ができるのか？
1. データのクラス分類/判定
2. データの値予測
3. データの要因分析(1.2.から)
4. 画像のクラス分類/判定
5. 画像のオブジェクト検出
データサイエンティストの知見が十分なくても、精度良いAIモデルを作って行くための
トライ＆エラーを加速させ、ユーザーの皆様自身で、AIモデル構築→運用を実現出来ます
OpTApfの強みは？
1. ISIDのデータサイエンティストノウハウ
2. Azureをベースとした高機能
3. 高スケーラビリティ
4. 高カスタマイズ性
5. 低コスト/従量課金
製品URL：https://isid-ai.jp/products/optapf.html

デモシナリオ:製造業様におけるポンプの故障予知、メンテナンス性の向上
⚫ (そもそも)ポンプとは・・・圧力の作用によって液体や気体を吸
い上げたり送ったりするための機械(例:上水道設備での水の
運搬)
⚫ 故障の前兆を見抜くために現地に赴き目視する(振動/発熱
/異音etc)のではなく、ポンプのセンサー値(振動/電流/絶縁
抵抗etc)を分析することで故障予知が可能かトライしたい
⚫ 作成した機械学習モデルをエッジサイドで実行させること
で、現地保守作業の負担を軽減したい
⚫ 目指す姿
⚫ ポンプの故障予知が可能なアルゴリズムの構築(機械学
習モデルを使用)
⚫ アルゴリズムのエッジ適用による、メンテナンス作業の省
力化
AIによる故障予知
(参照)https://www.env.go.jp/chemi/rhm/h29kisoshiryo/h29kiso-07-06-07.html

⚫ 利用データ
⚫ 学習データ:収集済みのポンプセンサーレコード(時系列)
⚫ 説明変数:ポンプセンサー50個+教師ラベル
⚫ 目的変数:正常/異常ラベル
⚫ アーキテクチャ上のポイント
⚫ エッジAIを使用することで、実機に近い工場側で問題を早期に発見
⚫ 説明変数のセットをエッジ上のRDBから呼び出し推論までを一気通貫で実施
⚫ 建物内の人が立ち入りづらい場所を想定した、非同期な機械学習モデルの更新(クラウド-エッジ間の
MLOps)
デモシナリオ:製造業様におけるポンプの故障予知、メンテナンス性の向上

デモシナリオ構成図
IoT Edge（Runtime）
UP Squared(Ubuntu16.04)
SQL Edge
IoT Hub
開発マシン
Visual Studio Code
Python
エミュレーター
MLモジュール
SQL Database
PC
：デバイスへのSQL Edgeリソースのデプロイ(初回のみ)
リソースグループ for TED
：デバイスへのIoT Edgeモジュール(Pythonエミュレーター、機械学習モデル)のデプロイ
：ARAiS×OpTApf連携
MLモジュール
Container Registry
：IoT Edgeのデータフロー
：SQL Data Sync と可視化
Data Sync

今回のシナリオで検討した内容
⚫ Microsoft DocsのAzure SQL Edgeチュートリアルからの変更点
⚫ 前処理等のユースケースを考慮し機械学習モデルはIoT Edgeランタイム上で動作させ、
Azure SQL Edgeに対してデータの読み書きを実施する
⚫ 以下のチュートリアルを応用し、Azure SQL Edge対応させるイメージ
⚫ チュートリアル: Linux コンテナーを使用して Python IoT Edge モジュールを開発してデプロイする
(https://docs.microsoft.com/ja-jp/azure/iot-edge/tutorial-python-module?view=iotedge-
2018-06)
⚫ チュートリアル:Azure Machine Learning と IoT Edge を使用したエンドツーエンドソリューション
(https://docs.microsoft.com/ja-jp/azure/iot-edge/tutorial-machine-learning-edge-01-
intro?view=iotedge-2018-06)
⚫ Azure SQL Edgeの機能検証
⚫ データストリーミング機能を用いたデータベースへのインサート
⚫ SQL Data Syncを用いたデータ同期

設計仕様
⚫ Pythonエミュレーター → MLモジュール
⚫ エミュレーターをPythonカスタムコードモジュールとしてデプロイする(以下は参考情報)
⚫ https://docs.microsoft.com/ja-jp/azure/iot-edge/tutorial-python-module?view=iotedge-2018-06

今回のセンサーデータのサンプル
recordid:{“240”:240,”241”:241,……,”419”:419},
timestamp:{“240”:"2018/04/13 3:30“,”241”:”2018/…”…..,”419”:”2018/….”},
sensor_00:{……},sensor_01{……},…..

設計仕様
⚫ Pythonエミュレータモジュール → Azure SQL Edge
⚫ Pythonエミュレータモジュールのデータフローの一方をAzure SQL Edgeのエンドポイントに向け、
Azure SQL Edgeのストリーミング機能を用いて、テーブルにインサートする

設計仕様
⚫ MLモジュール (＆インサートモジュール)→ Azure SQL Edge
⚫ MLモジュールのデータフローの一方をインサートモジュールのエンドポイントに向け、
インサートモジュールを介して、Azure SQL Edgeのテーブルにインサートする
※ストリーミング機能を並行して複数実行することができないため、別の経路を用いて実施しています。

設計仕様
⚫ Azure SQL Edge → Power BI Desktop、SQL Database＆Power BI
⚫ Power BI Desktopから対象のデータベーステーブルに接続し、データを可視化
⚫ Data Sync Agentを用いて、Azure上のSQL Databaseとデータ共有
さらに、Azure上のSQL DatabaseからPower BIでテーブルのデータを可視化

エッジ側でのデータの可視化について

クラウド側でのデータの可視化について

デモシナリオ構成図
IoT Edge（Runtime）
UP Squared(Ubuntu16.04)
SQL Edge
IoT Hub
開発マシン
Visual Studio Code
Python
エミュレーター
MLモジュール
SQL Database
PC
：デバイスへのSQL Edgeリソースのデプロイ(初回のみ)
リソースグループ for TED
：デバイスへのIoT Edgeモジュール(Pythonエミュレーター、機械学習モデル)のデプロイ
：ARAiS×OpTApf連携
MLモジュール
Container Registry
：IoT Edgeのデータフロー
：SQL Data Sync と可視化
Data Sync

まとめ：今後の取り組みについて

Azure SQL Edgeの利用シナリオ
⚫ 通信環境の整っていない環境でもローカル側でデータベースを保有しているため、独立してシ
ステムを稼働させることができる
⚫ ローカル側でデータベース機能を持つことでデータ欠損を回避することができる
また、クラウド側のデータと整合性を取ることも可能
⚫ 従来であれば、ユーザーごとにデータベース機能の開発や通信不良の際
のオペレーションを計画する要件がありました。
もしくは、それに相当するソリューションを導入する必要がありました。
⚫ Azure SQL Edgeを導入することでソリューションを導入することなく、さら
に追加の開発をすることなく、データベースのテーブルへデータを格納する
ことができます。

今後の展望について
⚫ 現在のIoTシナリオにおいて、データベースを用いた事例やシナリオが少なく、Azure SQL Edge
のニーズについては未知の部分が多い。
⚫ これからさらに機械学習の高度化や複雑化が進み、
膨大なデータを扱う必要性や事例が発生する
⇒一定期間のデータをエッジ側に保持しておく需要も発生する
⇒エッジ側でデータベース環境が必要となる
Azure SQL Edgeの利用をはじめ、
今回のデモシナリオにご興味のある方はビジネス共創ラボ製造WGまでお気軽にお声掛けください！

今後の展開:ISID
⚫ 今回のポンプデータを軸にしたシナリオを他のAzure Data & AIサービスにも拡張
⚫ Azure Purviewを組み合わせたデータガバナンス活用について近日展開予定

【お問い合わせ】
東京エレクトロンデバイス株式会社
クラウドIoTカンパニーエッジクラウドソリューション部
URL: https://esg.teldevice.co.jp/iot/
Mail: esg@teldevice.co.jp
TEL: 045-443-4021
本イベントに関するアンケートは
こちらからお願いします ↓

IoT のシナリオを変える Azure SQL Edge

Recommended

More Related Content

What's hot (20)

Similar to IoT のシナリオを変える Azure SQL Edge (20)

More from IoTビジネス共創ラボ (20)

IoT のシナリオを変える Azure SQL Edge