KOJO — IoT Factory Monitoring
KOJO — Edge-inference IoT Monitoring
An IoT dashboard for real-time production line monitoring. Anomaly detection, predictive maintenance, and efficiency analytics unified.
Live Demo
Preview the actual application interface
Equipment Status
CNC Mill A
Running
Injection Molder B
Running
Laser Welder C
Maintenance
Press Machine D
Stopped
Factory Floor Map (Top View)
Sensor Readings
Alert Log
Last 24 hours| Time | Equipment | Level | Message |
|---|---|---|---|
| 14:32:08 | MC-04 | Error | Motor overload detected - Emergency stop triggered |
| 14:28:15 | MC-02 | Warning | Approaching temp limit (68°C / max 75°C) |
| 14:15:42 | MC-03 | Info | Scheduled maintenance started - Operator: Yamada |
| 13:58:30 | MC-01 | Info | Production lot #A-2847 completed (500 units) |
| 13:45:12 | MC-04 | Warning | Vibration spike detected (4.8mm/s) |
| 13:30:00 | MC-02 | Info | Production lot #B-1293 started |
| 12:55:18 | MC-01 | Warning | Cutting fluid low (15% remaining) |
Challenge
Unplanned downtime averaged 12 hours/month; root-cause analysis took 4 hours per incident.
Solution
200+ sensor data streams, ML anomaly detection and predictive maintenance, 3D floor-map visualization.
Results
- Unplanned downtime down 78%
- Failure prediction accuracy 94%
- Production efficiency +15%
- ¥24M annual maintenance savings
Measured Impact
推論レイテンシ
18ms
帯域削減
94%
異常検知 F1
0.92
OTA ロールアウト
<3分
What it does
推論
エッジ異常検知
デバイス上で18ms以内に異常スコアを算出。
OTA更新
新モデルを安全にロールアウトし、障害時は自動ロールバック。
可視化
3Dフロアマップ
工場レイアウト上で設備状態をリアルタイム可視化。
メトリクス相関
温度・振動・電流などを時間軸で相関表示。
運用
アラート最適化
P99スパイクとトレンド乖離を区別した多段アラート。
デバイスフリート管理
証明書ローテーションと健康状態管理を自動化。
System Layers
Layered architecture showing components, responsibilities, and data flow.
Layer
エッジデバイス
Rustによる低消費電力ファームウェアとONNX Runtimeでの推論。
Layer
エッジモデル
周波数領域の特徴量に対する異常検知を軽量モデルで実施。
Layer
メッセージング
TLS + クライアント証明書でデバイス認証。
Layer
データ
センサー時系列をTimescaleで効率的に保持し、継続的集約で高速ダッシュボードを提供。
Layer
可視化
3Dフロアマップでリアルタイム状態を把握可能に。
How we built it
Discovery
町工場のヒアリングから代表的な故障モードと計測点を選定。
Deliverables
- 計測要件
- 故障モードカタログ
センサー実験
振動・温度・電流センサーの計測精度とサンプリング周波数を検証。
Deliverables
- データセット
- 計測レポート
モデル設計
Isolation ForestとAutoencoderを比較し、ハイブリッド構成を選定。
Deliverables
- ベンチマーク
- モデル成果物
実装
Rustファームウェアとクラウドバックエンド、可視化UIを並行開発。
Deliverables
- ファームウェア
- Backend
- Web UI
負荷試験
仮想デバイス10,000台を模擬しメッセージブローカのスループットを検証。
Deliverables
- 負荷試験レポート
フィールド試験
協力工場1社でのセンサー設置と2週間運用。
Deliverables
- 運用日誌
改善
誤検知傾向に応じてモデルを再学習し、OTA配布。
Deliverables
- 再学習モデル
Delivery Timeline
- P0Done2026-03-08
プロトタイピング
Jetson Nano上でONNX推論を動かすベースラインを検証。
- P1Done2026-03-26
異常検知モデル
Isolation ForestとAutoencoderをFFT特徴量で比較し、ハイブリッド構成を採用。
- P2In Progress2026-04-14
時系列基盤
TimescaleDB + 継続的集約で長期保管と高速クエリを両立。
- P3Planned2026-05
3D可視化
Three.jsによる工場フロアマップに設備状態を重ねるUIを開発予定。
- P4Planned2026-06
OTA 更新基盤
モデル差分更新と自動ロールバックを含むOTAシステムを構築予定。
Who built it
Roles
- 組み込みエンジニア
- MLエンジニア
Tools & Platforms
Frontend
Backend
Data
Infrastructure
Other
Considering a similar project?
We will propose the best solution for your business needs.
Discuss Your Project