JAZUG_TOHOKU_modeki_20230324_共有版.pdf

Copyright © Tokyo Electron Device LTD. All Rights Reserved.
初心者歓迎！
「Do more with less」を実現する
Azure AI/IoT最前線
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
茂出木裕也 (@ymodek)
(JAZUG 東北 2023年3月24日)

⚫山形県米沢市出身
BIOS開発
組込み系
クラウド
仙台営業所
【受賞歴】
Microsoft MVP for Windows Embedded
2013年～2017年
Microsoft MVP for Microsoft Azure (Internet of Things)
2018年～2023年
自己紹介

Copyright © Tokyo Electron Device LTD. All Rights Reserved. 3
今日のテーマ
・DX推進
・AIの民主化
・リスキリング
・内製化、市民開発者
・ローコードノーコード開発
Do more with less
より少ないコストでより多くの事を実現する

DXの悩みと成功の鍵
リスキリング
DXに必要な人材を社内で育成
１
市民開発者
「ローコード・ノーコード」によるシステム開発の「内製化」
２
DX推進における「ユーザー企業」の悩み
⚫ IT人材の不足
⚫ 「ベンダー企業」任せで、IT対応能力が育たない
DXを成功させるには？
⚫ 自分たちが必要なツールは、自分たちで作る。
(× 社員全員がソフトウェア開発のスキルを身につける、という意味では無い)

IT人材の不足とリスキリングの必要性
「リスキリングに5年で1兆円」政府の号令に中小企業は何から取り組むべきか
https://www.itmedia.co.jp/business/articles/2301/10/news021.html
2030年に最大79万のIT人材が不足 (経済産業省/IT人材需給に関する調査)
https://www.meti.go.jp/shingikai/economy/jinzai_ikusei/pdf/001_03_00.pdf

ユーザー企業もベンダー企業も、今がまさに変革のとき
出典: 経済産業省「DXレポート」
⚫ ユーザー企業
IT人材を社内で育成、システムの内製化へ
⚫ ベンダー企業
ユーザー企業で内製化が進むと仕事(受託)が減ってしまう (ジレンマ)
出典: 経済産業省「DXレポート2.1」

DX推進における、ベンダー企業の役割って何だろう
ベンダー企業は、ユーザー企業のDX支援や、
より高度なDXソリューションの提供へ
⚫ 小さな改善はユーザー企業自身で実施
⚫ 高度かつ大規模な改善は専門家(ベンダー企業)に依頼
DXは単純なデジタル変革ではなくて、
ユーザー企業もベンダー企業も、
「変革=マインドチェンジ」が必要

AI の民主化
(Cognitive
Services)
IoT の民主化
(IoT Central
/ IoT PnP)
ローコード・ノーコード開発
(Power Platform)
最近のトレンドに変化 → 直ぐに使える、作れる系のサービスの需要が増加
無いものは「作る」あるものは「使う」
Azureが提供するAIやIoT向けサービスも、
一昔前と比べてより使いやすく、作りやすくなってきました。
「Do more with less(より少ないリソースでより多くのことを実現す
る)」な時代に向けて、AzureのAI/IoT/PowerPlatformがどのように
進化してきたかを振り返ります！
DX推進、ノーコード・ローコード開発、市民開発者などなど、
最近の気になるキーワードと共に、
「今どき」のAzureで何ができるのかを紹介していきます。
3つの視点で紹介する Microsoft Azure

Azure Datacenter Infrastructure
Microsoft Azure の全体像
主な製品のブロック図、Azure は 100 以上の製品/サービスを提供しています！
Azure
Backup
Site
Recovery
Azure
Monitor
Azure
Policy
Azure
Bluepirnts
Log
Analytics
Azure
Migrate
Databox
Family
Compute Storage Networking
Linux
Virtual
Machine
Compute/Containers Web/Mobile DevOps/Developer
Container
Instance
Functions
Service Fabric
Integration IoT Data Services
Service Bus Event Grid
Logic Apps
API
Management
Management Platform as a Services (PaaS) Security
Infrastructure as a Services (IaaS)
Disk
Storage
Managed
Disks
Windows
Virtual
Machines
Express
Route
Load
Balancer
Azure
Firewall
Virtual
WAN
Network
Watcher
Virtual
Network
VPN
Gateway
Media Services
Content Delivery
Network
Media/CDN
Cognitive
Services
IoT Hub
Stream
Analytics
Role- based
access control
Azure
Digital Twins
Time Series
Insights
IoT Central
IoT Edge
Bot
Services
SQL Data
Warehouse
Azure
Databricks
HDInsight
AI
Machine
Learning Studio
Machine
Learning Service
Azure
Search
Analytics
Data Lake
Storage Gen2
Mobile Apps
Web Apps Logic Apps API Apps
Notification
Hubs
SignalR
Service
Application
Insights
Lab
Services
Azure DevOps
SDK
SQL
Database
Data Factory
Database for
MySQL Cosmos DB
Database for
PostgreSQL
Database for
MariaDB
Database
Migration Service
Azure Cache
for Redis
Azure AD
Key Vault
Security
Center
DDoS
Protection
Multi-Factor
Authentication
Azure ATP
Azure AD for
Domain Services
Azure AD
B2C
Cost
Management
Video Indexer
Content
Protection
Kubernetes
Service
SQL Data
Warehouse
Table
Storage
Microsoft Azure のすべてのサービス一覧 = https://azure.microsoft.com/ja-jp/services/

「AIの民主化」
Azure Cognitive Services
30

Microsoft Azure が提供する AIサービス群
Azure Applied AI Services https://azure.microsoft.com/ja-jp/product-categories/applied-ai-services/
Azure Cognitive Services https://azure.microsoft.com/ja-jp/services/cognitive-services/
Azure Machine Learning https://azure.microsoft.com/ja-jp/services/machine-learning/
Microsoft が「学習させたAI」を
「使う」ためのサービス
⚫ Applied AI Services
特定の用途に最適化されたAIサービス
⚫ Cognitive Services
Applied AI Services のコアエンジンとして機能
する汎用 AI サービス
AIを自分で「作る」ためのサービス
⚫ モデルの構築やトレーニングを行うための開発環境
⚫ (機械学習・ディープラーニング)

Cognitive Services で提供される様々な「学習済み」のAI (一例)
Anomaly Detector
Object Detection OCR Face
Text to Speech
Speech to Text
Translation

Cognitive Services の仕組み – AIを「使う」という選択肢
⚫ 「マイクロソフトが学習させたAIのモデル」を、Web APIで呼び出して利用
⚫ クラウドAIに画像やテキスト等のデータを送信(リクエスト)し、
解析結果を受信(レスポンス)
Microsoft Azure
マイクロソフトが学習させた
様々なAIのモデル
AIで解析したいデータ(画像、音声、文章…etc)
[ { “Class": “OK",
“Score":
0.9997838 },
{ "name": "trek",
"confidence":
0.09037602 } ]
インターネット回線
https通信
https通信
PCやタブレット AIの解析結果

Cognitive Services が変える、これからのAIの活用方法
Cognitive Services では
⚫ 機械学習やディープラーニングなど、
専門的なスキルや知識が必要
⚫ 膨大なデータを用意し、学習させ、
AIモデルを構築
⚫ 効果が出るか、やってみないと分からない
AIを「作る」には「学習」が必要
学習用データ学習(AIの構築)
ここが大変！
“犬”、“猫”
推論学習用データマイクロソフトが学習
ここが不要！
“犬”、“猫”
推論
⚫ AIを作るための知識やスキルは不要
⚫ マイクロソフトが「学習させた」AIを
「使う」という選択肢
⚫ 低コストで「お試し」が可能
AIを自作する必要が無い = 開発期間やコストを大幅に削減
AIを作れなくても「使える」 = 誰でも使える「AIの民主化」

OCR/Read API

AI-OCR を活用した業務改善の例
Before
【AIによる課題の解決】
◼ AIによる作業支援で、ミスを軽減
◼ 入力を自動化し、人手による作業
を大幅に効率化
◼ 解析時の画像や結果を記録し、
トレーサビリティを実現
AI-OCR
目視で確認手入力
After
紙、刻印、ラベルなど
カメラで撮影＋AIで読み取り
紙、刻印、ラベルなど自動入力(RPA)
【人手による作業の課題】
◼ 確認ミス・入力ミスを減らしたい
◼ 作業を効率化したい
AI-OCRを活用して
文字の「読み取り」から「入力」までの作業を自動化

AI-OCR 読み取り＋転送デモ
AI-OCR用撮影アプリ例 (OCR+RPA)
Windowsタブレットのカメラでラベルを撮影し、AIでラベルの文字を解析します。
読み取った文字は、Excelや外部アプリケーションに転送(入力)します。

Computer Vision
リソース作成の流れ

Computer Vision のリソースを作成する

お客様
解析したい画像データ
解析した文字列
https通信
https通信
AI OCR
Cognitive Services AI-OCR 実行の仕組み
ローカルネットワーク
Microsoft Azure
{ “Label": “S/N:
D2V1700620",
“Score": 0.9997838 }
② Get Read Result API を呼び出す (AIの解析結果を取得)
[GET] Get Read Result (読み取り結果の取得)
https://{endpoint}/vision/v3.2/read/analyzeResults/{operationId}
① Read API を呼び出す (AIに解析を依頼)
[POST] Read API (読み取り操作)
https://{endpoint}/vision/v3.2/read/analyze
1
2

参考: AI-OCRの応答フォーマット (JSON)
"text": 認識した文字列
"words":文字列内の単語
"boundingBox": 座標情報(単語の出現位置)
"confidence": 信頼性スコア
Computer Vision API (v3.2) Get Read Result
https://centraluseuap.dev.cognitive.microsof
t.com/docs/services/computer-vision-v3-
2/operations/5d9869604be85dee480c8750

[デモ] Cognitive Services AI-OCR(Read API)で名刺を読み取る

Applied AI Services
Azure Form Recognizer

Form Recognizer フォームの構造を学習してテキストとデータを抽出
https://azure.microsoft.com/ja-jp/services/form-recognizer/
テキストを抽出するだけでなく、
フォーム解析で認識したテキストを
キー・バリュー形式で出力
●キー: ご注文番号
●バリュー: 7339039878

[デモ] Applied AI Services の Form Recognizer で名刺を読み取る

Form Recognizer だと社名や住所も自動判別

手書きの文字認識

チェックボックスの値(状態)も読み取れる

Form Recognizer + Azure OpenAI
Form Recognizer previews document classification, Azure OpenAI integration and lots more
https://techcommunity.microsoft.com/t5/ai-applied-ai-blog/form-recognizer-previews-document-classification-azure-openai/ba-p/3766947
【抜粋】
最新の更新により、Form Recognizer には、ドキュメント分類な
どの新機能、1098 フォーム (いくつかのバリアントを含む) などの新
しい事前構築済みモデル、および Azure OpenAI モデルを使用
してクエリでフィールド抽出を拡張する機能が追加されました。
ドキュメントを効果的に処理するために必要なフィールドが、一般
的なドキュメントモデルではキーと値のペアとして認識されないこと
があります。新しいプレミアムクエリフィールド機能により、Form
Recognizer は Azure OpenAI モデルの機能を活用して、ドキュ
メントの処理に必要な特定のフィールドを識別して抽出できるよう
になりました。

活用事例

採用事例富士通フロンテック株式会社様
https://esg.teldevice.co.jp/iot/azure/case/case09.html
製造業様での AI-OCR 活用例
部品情報登録の作業工数を 1件あたり 10～30秒削減！

パートナー様 SaaS 「モジトリ」 by 福島コンピューターシステム
https://www.fcs.co.jp/service/product_service/kintone/mojitori/

kintone は Power Apps の競合 (ローコード・ノーコードクラウド開発)

モジトリはkintoneの機能を拡張するプラグイン
撮影・認識した文字は
kintoneアプリの指定したフィールドへ
自動入力
読み取りたい文字列のルールは、
モジトリルール(正規表現)で指定

Custom Vision

Custom Vision Service の特徴
https://www.customvision.ai/
• 画像分類器を構築、デプロイ、
および改良できるようにするサービス
• 特定の性質に基づいて
画像をクラス (タグ) に分類
• “独自の”画像分類器を作成できる
• 【提供されている機能】
• 画像分類
• 物体検出
画像をアップロードするだけで「独自の」画像判定AIモデルを作成

Custom Vision なら、誰でも簡単に「独自の」AIモデルを作成できます
①画像データのアップロード
画像データをクラウド(Custom Vision Service)にアップロードし、ラベルを付けます。
ラベル付けした画像で、学習させたいコンセプトを伝えます。
※ラベル = 画像を説明する情報です。タグとも呼ばれます。
クラウド
②学習(トレーニング)
Custom Vision Service は、与えられた画像データとラベルを使って
その画像が何なのかを学習し、AIモデルを作成します。
エッジ
③ AIモデルの実行
学習させたAIモデルは、クラウドやエッジデバイス上で実行できます。

Cognitive Service (Computer Vision) と Custom Vision Service
Computer Vision
(Cognitive)
マイクロソフトが学習させた画像認識AI
自分でカスタマイズできる画像認識AI
Custom Vision
https://azure.microsoft.com/ja-jp/services/cognitive-services/custom-vision-service/

Custom Vision Service - 画像分類
• 対象物の分類 (事前に用意したタグ情報で分類)
• 犬・猫の判定や良品・不良品の判定など

画像分類 AIモデル作成の流れ

例：ブロックの種類を判別するAI

サンプルの画像データを追加(黄色)

サンプルの画像データにタグ情報を付与 (黄色)

同じ要領で、青ブロックの画像データをアップロード

サンプルの画像データにタグ情報を付与 (青色)

アップロードした画像データを使って学習(トレーニング)させる

これで「ブロックの色判別AI」が完成です

Custom Vision ポータルから AIモデルを簡易テスト

AIモデルのテスト結果を確認

Custom Vision Service - 物体検出
• 何が、どこに、何個、写っているかの判定
• 不足部品のチェックなど

物体検出の学習例 (画像内の物体を範囲指定してタグ付け)
アノテーション: データに注釈(ラベル)を付けて教師データを作り出す作業

作成したAIをクラウド上に発行(配置)する

URL と予測キーを取得する

お客様
Microsoft データセンター (Azure)
学習
Custom Vision Service
(画像判別AIモデル作成)
https通信
お客様
解析したい画像データ
解析結果
[ { “Class": “OK",
“Score":
0.9997838 },
{ "name": "trek",
"confidence":
0.09037602 } ]
https通信
https通信
完成したAIモデル
①学習時 (AIモデル作成)
②運用時 (AIモデル実行)
画像判別AIモデル
Custom Vision Service 活用フロー

Custom Vision で作成したAIモデルのExport (エッジデバイス実行)
Custom Vision Service で学習
(画像判別AIモデル作成)
AIモデルをエッジデバイス上で実行
AIモデルをExport

学習用の画像撮影

学習・モデル作成 (Custom Vision)
【タグ名: コントローラー名】
SS: セガサターン
SSW: セガサターン(白)
PS: プレイステーション
PSA: プレイステーション(アナログ)

クイックテスト (Custom Vision)

Custom Vision Service の活用例
35A 紫 15A 青 30A 緑
物体検出
画像分類
OK NG
部品A [OK]
部品B [OK]
部品C [OK]
部品D [NG]
出荷梱包・不足品の判定
類似部品の型番判定
画像分類
ケーブル配線の正誤判定
画像判定AIを活用した梱包物検査システム

デモ: 画像判定AIを活用した梱包物検査システム

[デモ] Cognitive Speech Services - テキスト/音声解析
https://azure.microsoft.com/ja-jp/products/cognitive-services/speech-services

はい、
これでDXの「内製化」できます…か？

改めて、DXの「市民開発者」とは
市民開発者
「ローコード・ノーコード」によるシステム開発の「内製化」
２
× 全員、プログラミング・ソフトウェア開発のスキルを身につける
△ 開発ができる人材をスカウトする (そもそも人材不足…)
〇プログラミングスキルが無い人でも、アプリ開発ができる
〇自分達が必要なものを、自分達で作る

Cognitive Services は AIの「要素技術」
⚫ AIを作る必要は無い
もしくは簡単に作れる
⚫ 画像の撮影やAIの呼び出し、
AIの解析(推論)結果を扱う部分は
アプリ開発が別途必要
DXの「内製化」には、もう１歩…？

「ノーコード・ローコード開発」
Power Platform

Microsoft AI/Power Platform ポートフォリオ

ローコード・ノーコード開発プラットホームのご紹介

Power Apps
⚫ ローコード・ノーコードで作成できる、アプリ作成のためのプラットフォーム
⚫ キャンバスで描くようなアプリ開発
出典: マイクロソフト社資料

Power Automate
⚫ ローコード・ノーコードで業務を自動化・効率化するためのプラットフォーム
⚫ ドラッグ＆ドロップだけで、ワークフローや定型業務などを自動化
データコネクタ (一例)

Power Apps キャンバスアプリ
DXの鍵は「市民開発者」
「ローコード・ノーコード」で
システム開発を「内製化」

Cognitive + PowerPlatform連携

参考: Power Automate + Computer Vision(OCR)連携

https://docs.microsoft.com/ja-jp/connectors/cognitiveservicescomputervision/

Power Automate 上に
OCRのテンプレートも用意済

Power Platform AI Builder

Power Platform導入事例 iYell株式会社様
https://esg.teldevice.co.jp/iot/azure/case/case10.html
住宅ローン審査書類の読み取りと分類の作業を AI-OCR+RPA で効率化
運転免許証は98%を超える文字認識率で、高い効率化を実現
パートナー: 株式会社 ASAHI Accounting Robot 研究所様 (山形/仙台)
Microsoft Base Sendai 運営企業
Power Automate/RPA のスペシャリスト集団

プロ開発者 x 市民開発者

Azure で構築する IoTシステム
15

一般的なIoTのシナリオ例
データの可視化
センサーで収集した各種
データを「見える化」し、
作業の効率化や情報分析を
実施
遠隔操作
複数の工場に設置してある
デバイスに対して、遠隔地
から同時に設定変更やアッ
プデートを実行
工程の効率化
遠隔地からデバイス稼働状
況を確認し、製造ラインの
効率化やメンテナンスのス
ピードを向上
故障の予測
センサーで収集した各種
データからデバイスの故
障予測を実現

Microsoft Azure の IoT 向けサービス (データ収集、蓄積、分析、可視化)

過去の歴史から学ぶ Azure IoT の最新情報
【今日のポイント】
Azure IoTは、だんだん簡単に、シンプルに使えるようになってきた！

その1: PaaS で構築

PaaS の組み合わせで IoTのシステムを構築(例)

ローカルクラウド (Microsoft Azure)
IoT Hub
• 1千万台以上のデバイスの接続、管理
• 双方向通信の確立
• デバイスからのデータ受信
• デバイスに対するコマンド送信
• デバイスの登録、認証、管理
フィールド
ゲートウェイ
ローレベル
センサー類
インテリジェント
デバイス類
インターネット接続
AMQP/MQTT
HTTPS プロトコル
I/O通信
シリアル、Bluetooth、
USB など
ローカルネットワーク通信
WiFi、Ethernet など
インターネット接続
AMQP/MQTT
HTTPS プロトコル
IoT Hub
接続モジュール
IoT Hub
IoT Hub
・Azure IoT SDK
(Software Development Kit)
・Azure IoT Edge
Azure IoT Hub - デバイスの接続・管理、データの収集

Azure IoT SDK (Device SDK / Service SDK)
Azure IoT SDK
⚫ デバイスをAzure IoT Hubに容易に接続するための、
オープンソースライブラリ (Githubで提供)
⚫ 様々なOSに対応
(Windows,Linux,Arduino,mbed など)
⚫ 様々な開発言語に対応
(C,C#,Python,Node.js,Java など)
⚫ 豊富なサンプルとドキュメントが用意
Azure IoT SDK
https://github.com/Azure/azure-iot-sdks
各種、開発言語用の
SDKへのランディングページ
言語毎に
Device SDK と
Service SDK が提供される

Azure IoT Hub
デバイスの接続・管理、データの収集

Azure上に IoT Hub を構築

IoT Hub の管理画面での操作例 – デバイス登録と認証キーの発行
IoT Hub を外部から操作するためのアクセスキーの発行や、
IoT Hub に接続を許可するデバイスの登録(ID/KEYの発行)が可能

【参考】ラズベリーパイ Azure IoT オンラインシミュレーター
https://azure-samples.github.io/raspberry-pi-web-simulator/#Getstarted

Stream Analytics
ストリームデータのリアルタイム処理

Azure Stream Analytics
ストリームデータのリアルタイム処理
データの集計、変換、結合などを行う専用の部品
・IoT Hub
・Event Hub
・Blob Storage
・SELECT
・WHERE
・JOIN
・GROUP BY など
・SQL DB
・Blob Storage
・Table Storage
・Event Hub
・Power BI など

Azure 上に Stream Analytics を構築

Stream Analytics の管理画面

Stream Analytics の入力・出力の設定
入力の設定出力の設定

Stream Analytics のクエリの実装

PaaS リソース例

PaaS の部品を組み合わせた IoT システムの構築例

[エッジ処理]
Azure IoT Edge
⚫ これまでクラウドで行っていた分析やデータ処理をエッジデバイス上で実行

IoTシステムにおける「エッジコンピューティング」
Azure IoT Edge は「Edge コンピューティング」を実現する仕組みです
IoT Edge
【エッジ処理のニーズ】
データをクラウドに送る前に
エッジ側で処理したい

IoT Edge – クラウドのインテリジェンスをエッジに

IoT Edge 構成概要
IoT Edge モジュール
Azure のサービス、サードパーティのサービス、または独自のコードを実行するコンテナー(Docker互換)です。
モジュールは IoT Edge デバイス上に展開され、そのデバイス上のローカルで実行されます。
IoT Edge ランタイム
各IoT Edge デバイス上で動作し、各デバイスにデプロイされたモジュールのランタイムおよび通信を管理します。
IoT Edge ランタイムによって、モジュールが常時実行状態であることが保証され、モジュールの正常性がクラウドに報告されます。
Edge Agent: モジュールをインスタンス化し、IoT Hubに各モジュールの状態を報告
Edge Hub: モジュール間の通信や、デバイスとクラウド間の接続管理

Azure IoT Edge はオープンソースで提供
Github - Azure IoT Edge
https://github.com/azure/azure-iotedge

エッジAIを活用した画像判定AI検査システムの例
Custom Vision
Microsoft Azure
画像判定AIモデル
IoT Hub
Container Registry
AI
モジュール
Azure IoT Edge
runtime
モジュール
IoT Central
エッジデバイス (IoT Edge)
カメラ
画像判定AIモデルの管理と配信
エッジデバイスでAIを高速処理
部品A [OK]
部品B [OK]
部品C [OK]
部品D [NG]
梱包作業を画像判定AIで支援
梱包作業における
不足品の検知や
部品入れ間違いを
AIでチェック
カメラビュー
判定結果
検査AI
IoT Edgeを活用するメリット
⚫ クラウドで作成されたAI モデルのエッジへの展開・利用ができるため、高度なAI ソリューションを提供可能
⚫ AIモデル(AIモジュール)をクラウドから「エッジデバイス」への配信に対応 (AIモデルの管理・配信)
⚫ IoT Edge でエッジデバイスの稼働状況を管理・監視が可能 (デバイスの管理・監視)
⚫ 「エッジデバイス」でAI 処理した結果のクラウド上での可視化が可能
デバイス管理

IoTの課題: デバイス側＋クラウド側両方のスキルが必要
デバイスクラウド
【デバイス側のアプリ開発】
センサー → ゲートウェイ
ゲートウェイ → クラウド
(Azure IoT SDK / IoT Edge)
【クラウド側のシステム構築】
デバイスの接続管理、データ送受信、データ処理
(Azure IoT Hub / Stream Analytics / …)
頑張って、苦労して、ようやく温度情報が取れるようになりました！
…はて、温度情報を収集して、いったい何をしたかったんだっけ？
本来の目的(空調管理など)のための手段だったはずなのに
途中から「温度を取る事」が目的になってしまった例
(笑い話じゃなくて怖い話)

その2: 構成済みPaaS (半完成品)
IoT Solution Accelerators

構成済みPaaS - IoT Solution Accelerators
https://www.azureiotsolutions.com/Accelerators
業務シナリオごとに事前構成された
ソリューション
既に廃止

シナリオに最適な構成済みのPaaSが自動でデプロイ

リソース例 (リモートモニタリング)

その3: SaaSで利用
IoT Central

Azure IoT Central – IoTの「クラウド側」の課題を解決
SaaS型のIoTソリューション。クラウド開発に不慣れな方でもが簡単に利用可能。
デバイスの接続と管理
テレメトリデータの取り込み
コマンド送信、デバイスをコントロール
監視ルールによってアクションをトリガー
ユーザーに応じたアクセス権制限
ダッシュボードによる可視化
マイクロソフトが全体を管理

デモ IoT Central
https://apps.azureiotcentral.com/home

デモ IoT Central

IoTソリューション開発の簡素化だけでなく、各種連携も可能に

IoT Central リソース例

その4: Azure IoT PnP

IoT Plug and Play – IoTの「デバイス側」の課題を解決

Azure IoT PnP 認定デバイス
https://catalog.azureiotsolutions.com/

IoT PnP をスマートフォンで体験 (IoT Plug and Play アプリ)

デモ IoT PnPアプリ + IoT Central

まとめ
AI の民主化
(Cognitive
Services)
IoT の民主化
(IoT Central
/ IoT PnP)
ローコード・ノーコード開発
(Power Platform)
Do more with less
より少ないコストでより多くの事を実現する
無いものは「作る」あるものは「使う」

JAZUG_TOHOKU_modeki_20230324_共有版.pdf

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie JAZUG_TOHOKU_modeki_20230324_共有版.pdf

Ähnlich wie JAZUG_TOHOKU_modeki_20230324_共有版.pdf (20)

JAZUG_TOHOKU_modeki_20230324_共有版.pdf