Qlik オープンプラットフォームによる IoT の価値向上の推進 

ブログ著者:Adam Mayer  本ブログは The Qlik IoT Race game の翻訳になります。

筆者は若い頃にScalextric (スケーレックストリック) という小型四駆の魅力にとりつかれ、小遣いを貯めていろいろなレースコースやモデルカーを購入していました。

効果音とレース統計の機能を増設した電子装置に憧れたものです。Qlik の気の利くスタッフ数人が、この装置から一歩進んでカレラのレースコースとモデルカーにセンサーと Wi-Fi チップを接続し、モデルカーのデータをすべて Qlik に送信しています。これは、IoT エコシステムの中で Qlik を使用できる好例とも言えます。

オランダと英国で開催された Visualize Your World 2017 の参加者は、この愉快な催し物に参加し、数人の担当者が見守る中、Qlik カレラレースコースで気に入ったモデルカーを自身の手で操縦することができました。参加者はまず Qlik Sense アプリを使用して、多肢選択式のいくつかの問題に解答する必要がありました。これらの解答が採点され、その合計点によって、レースコースでどの程度の総合性能を持つモデルカーを操縦するかが決まります。この採点が高いほど、リモコンのトリガーをいっぱいに押したときに発揮できるパワーが大きくなります。採点が低いと発揮できるパワーも少なくなるので、点数はパワーなりという原則が存在していました。

周回数、ラップタイム、エンジン出力をセンサーで測定し、すべてのデータを 1 回のマッシュアップで Qlik に送信すると、タイムと順位がスコアボードに表示されます。皆が夢中になって楽しめるのは何よりです。どちらの会場でも、ドライビングテクニックを披露しようと待ち構えている人が、このコースを設置したブースにあふれていました。

すべての設定は Qlik のプラットフォームと API で指定し、マッシュアップで組み込み型アナリティクスを使用して、スコアボードにほぼリアルタイムでデータを表示します。

私はこのレースゲームの制作者の 1 人 Daniel Lumkeman (ダニエル・ルケマン) をなんとかつかまえて、詳しい話を聞くことができました。

筆者のようなマニアの方のために、このモデルカーが実行している処理について説明します。この技術では、リード磁気パルスセンサーに ESP8266 Wi-Fi 対応チップを組み合わせています。MQTT (長寿命と低消費電力を目的として設計された軽量メッセージングプロトコル) を使用してセンサーのデータを Wi-Fi で送信します。MQTT は、送信データを 2 つのストリームに変換します。その 1 つは、リアルタイムデータを管理する Web ソケットの node.js アプリ、もう 1 つは、残りのセンサーデータを格納する mongoDB です。Qlik を使用して mongoDB にあるデータを分析し、それをスコアボードをはじめとするレースの統計情報として視覚化しています。

Daniel は、このデータ内に形成される特徴的なパターンを見つけることができたと述べています。それは、ほとんどのモデルカー操縦者の操縦は、きわめて熱狂的な動作で始まり、コントローラーのトリガーを力一杯押し込んでいるという事実です。モデルカーが数回スピンした後、もっと上手く操縦できるよう指を柔軟に動かすようになるので、モデルカーがコースアウトせずに走行するようになります。面白いことに、レースの終了が近くなると、より速いタイムを目指して突然リスクを覚悟した操縦になります。Daniel は次のように述べています。

「ここにはビジネスの世界にも通じるものがあります。迅速な意思決定が求められると、適切なデータを使用せず、直感で判断しようとする傾向が強くなります。ただし、意味のあるインサイトを推進する Qlik を使用すると、思考過程から感情を排除し、データに基づく正しい判断ができるようになります。」

このゲームの目的は、ソフトウェア主導のインサイトで人間を支援することです。

Qlik IoT レースゲームが今後どのようになるかを尋ねたところ、Daniel によれば、無限とも言える選択肢があるものの、レースコースとモデルカーに取り付けるセンサーを追加することを考えているという話です。たとえば、赤外線センサーやジャイロセンサーなどを使用して、位置、速度、加速度のポイントを各ステージで測定、分析することです。このポイントで、モデルカーが制御不能になった状態やスピンしてコースアウトした状態も考慮します。R などの統計エンジンで Qlik の Advanced Analytics Integration を使用すると、安全なコーナリングや安全ではないコーナリングが必要とする平均速度と平均出力を求めるアルゴリズムを作成できます。モデルカーがスピンして制御不能になる条件や出力が高すぎる状態を Qlik で分析し、減速を指示する警告を操縦者に発することができます。

このほかにも、たとえば API 呼び出しを使用してレースコース上に標識を点灯する処理や、最適な出力と速度に対して実際の出力と速度を示すダッシュボードを表示するマッシュアップを実行することもできます。

ここでは現実の拡張知能、機械知能、純粋論理を人間が統合する役割を果たしています。スタートレックで、協力して銀河を探検するミスター・スポックとカーク船長に少し似たところがあります。

最後にIoTデータ分析に興味がありましたら、2019年2月26日に「IoT次代のデータ活用セミナー」にてQlikがセッション講演を行いますので、是非、ご参加下さい。