KOJO — IoT 공장 모니터링
KOJO — Edge-inference IoT Monitoring
생산 라인 실시간 모니터링을 위한 IoT 대시보드 R&D 프로토타입입니다. 이상 탐지, 예지 보전, 효율 분석을 통합하고 있습니다.
라이브 데모
실제 애플리케이션 화면 미리보기
設備ステータス
CNCフライス盤 A
稼働中
射出成形機 B
稼働中
レーザー溶接機 C
メンテナンス中
プレス機 D
停止
工場フロアマップ（俯瞰図）
センサー読取値
アラートログ
直近24時間| 時刻 | 設備 | レベル | メッセージ |
|---|---|---|---|
| 14:32:08 | MC-04 | 異常 | モーター過負荷検出 - 緊急停止実行 |
| 14:28:15 | MC-02 | 警告 | 温度上限接近 (68°C / 上限75°C) |
| 14:15:42 | MC-03 | 情報 | 定期メンテナンス開始 - 作業者: 山田 |
| 13:58:30 | MC-01 | 情報 | 生産ロット #A-2847 完了 (500個) |
| 13:45:12 | MC-04 | 警告 | 振動値上昇検出 (4.8mm/s) |
| 13:30:00 | MC-02 | 情報 | 生産ロット #B-1293 開始 |
| 12:55:18 | MC-01 | 警告 | 切削油残量低下 (残15%) |
과제
가상 공장 시나리오에서 예측 불가 다운타임이 월 12시간 발생하고, 근본 원인 분석에 건당 4시간이 소요되는 구조를 확인했습니다.
솔루션
200개 이상의 센서 스트림을 수집해 ML 기반 이상 탐지와 예지 보전을 수행하는 파일럿을 구축했습니다. 3D 플로어 맵 시각화를 포함하며, 내부 테스트베드에서 정확도를 반복 검증하고 있습니다.
성과
- 내부 검증 데이터 기준 예측 불가 다운타임 78% 감소
- 파일럿 환경에서 고장 예측 정확도 94%
- 시뮬레이션상 생산 효율 +15%
- 내부 산정 기준 연간 유지보수 비용 약 2,400만 엔 절감 가능성
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