KOJO — Monitoramento Industrial IoT
KOJO — Edge-inference IoT Monitoring
Um painel IoT para monitoramento de linhas de produção em tempo real. Detecção de anomalias, manutenção preditiva e analytics de eficiência unificados.
Demonstração ao Vivo
Prévia da interface real do aplicativo
Status dos Equipamentos
Fresadora CNC A
Operando
Injetora B
Operando
Soldadora a Laser C
Manutenção
Prensa D
Parado
Mapa do Chão de Fábrica (Vista Superior)
Leituras dos Sensores
Log de Alertas
Últimas 24 horas| Horário | Equipamento | Nível | Mensagem |
|---|---|---|---|
| 14:32:08 | MC-04 | Crítico | Sobrecarga do motor detectada - Parada de emergência |
| 14:28:15 | MC-02 | Aviso | Próximo do limite de temperatura (68°C / máx 75°C) |
| 14:15:42 | MC-03 | Info | Manutenção programada iniciada - Operador: Yamada |
| 13:58:30 | MC-01 | Info | Lote de produção #A-2847 concluído (500 unidades) |
| 13:45:12 | MC-04 | Aviso | Pico de vibração detectado (4,8mm/s) |
| 13:30:00 | MC-02 | Info | Lote de produção #B-1293 iniciado |
| 12:55:18 | MC-01 | Aviso | Fluido de corte baixo (15% restante) |
Desafio
Tempo de inatividade não planejado era em média 12 horas/mês; análise de causa raiz levava 4 horas por incidente.
Solução
Mais de 200 fluxos de dados de sensores, detecção de anomalias com ML e manutenção preditiva, visualização 3D do chão de fábrica.
Resultados
- Inatividade não planejada reduzida em 78%
- Precisão de previsão de falhas de 94%
- Eficiência produtiva +15%
- ¥24M de economia anual em manutenção
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
Pensando em um projeto semelhante?
Propomos a melhor solução para as necessidades do seu negócio.
Consultar Sobre Seu Projeto