データがなければ、AIは何もしません
フィールドデータをAIに直接活用するのが難しいのはなぜですか?
元のデータがありません
01
高頻度のセンサーデータが機器やファイルの中で失われると、AIは故障や品質問題の原因を再学習できません。
必要なデータをすぐに取り出せません
03
クエリに数分かかったり、一部のサンプルしか残っていなかったりすると、リアルタイムの判断や反復学習につなげられません。
現場の時間軸がデータごとに異なります
02
センサー・ログ・映像が異なる時間軸で保存されると、出来事の前後の文脈や因果関係を再現できません。
PoCが運用につながりません
04
収集・変換・API・セキュリティを課題ごとに再 構築すれば、AI PoCは現場運営と戦士拡張につながりません。
現場を記録し、理解し、
行動につなげる データプラットフォーム
==> Machbase Neo
LAYER
01
現場を記録します
Database Engine
高頻度のセンサー・ログ・時系列の原データを超高速で収集し、リアルタイムで圧縮して長期間 保存します。
毎秒数百万件の高速入力
オリジナルデータリアルタイム圧縮
標準SQLベースの即時分析
Edge・Server・Cluster拡張
LAYER
02
データを理解できるようにします
Data Service Platform
収集・変換・分析・可視化・APIをつなぎ、OTデータをAIや業務システムがすぐに 利用できるようにします。
HTTP・MQTT・OPC-UA接続
TQLによるデータ変換と分析
Dashboard·Tag Analyzer
API・Token・X.509によるセキュリティ
LAYER
03
理解したデータを行動に変えます
AI Application Runtime
JSHとBuilt-in Appを通じて、分析結果を警報・保全・品質・運用業務に連携します。
Data Replication
OPC-UA Client
Machine Blackbox
LLM Chat・業種別アプリ
現場を記録し、理解し、
行動につなげる データプラットフォーム
==> Machbase Neo
COMPLETE
あらゆる信号
PLC・センサー・ログ・映像から発生するデータを欠損なく収集します。
CONTEXTUAL
共通のコンテキスト
データを時間・機器・工程・イベントごとに整理し、原因と結果を併せて分析します
CONTINUOUS
あらゆる瞬間
サンプルではなく、元の解像度を保った連続データで過去の状況を再現します。
AVAILABLE
即時アクセス
標準SQL、API、ダッシュボード、アプリを通じて、EdgeとServerですぐに利用できます。
データインフラの性能は、
実際の運用データで実証する必要があります。
製造・モビリティ・エネルギー・公共・金融現場で検証された産業データインフラ
24時間365日のIoT保険サービス
50x Faster
24時間365日のIoT保険サービス
50x Faster
24時間365日のIoT保険サービス
50x Faster
24時間365日のIoT保険サービス
50x Faster
24時間365日のIoT保険サービス
50x Faster
24時間365日のIoT保険サービス
50x Faster
24時間365日のIoT保険サービス
50x Faster
24時間365日のIoT保険サービス
50x Faster

HD現代マリンソリューションは、世界中の船舶管理ソリューションの既存のInfluxDBをマークベースに置き換えて運営しています。
人工衛星で収集した数百隻の船舶データを保存・管理し、船舶の状態をリアルタイムで確認します。
2018年から約9,000億件のデータを蓄積し、毎日数千万件の船舶データをサービスに活用しています。

韓国電力とETRIの電力データプラットフォームは、既存のHadoopインフラストラクチャの複雑さとメンテナンスの負担で、パフォーマンスと運用コストに苦労しました。
マークベースを導入し、大規模な電力データをリアルタイムで収集・保存・分析・視覚化するシステムを構築し、 既存のコントラストコストを1/6以下に減らし、処理性能を50倍以上高めて電力データサービスを運営しています。

従来のMS-SQLの性能限界でリアルタイムのデータ収集と分析に困難を経験したロッテ七星飲料は、2021年にマークベースを導入しました。
導入後、毎秒最大20万件のデータをリアルタイムで処理し、必要なデータを抽出して分析しています。
これに基づき、製造工程を分析し、品質改善に活用しています。

ハンファ損害保険は、100万台以上の車両の走行データをリアルタイムで収集し、保険サービスと連携しています。
マークベースクラスタエディションをコアリポジトリとして活用して全国車両の走行情報を管理し、 高可用性技術を基盤に障害に対応して24時間365日安定したサービス運営を支援します。
データインフラの性能は、
実際の運用データで実証する必要があります。
設備振動AI
高速に収集した振動の原データとFFTを結び付け、異常兆候と保全の時期を判断します。
設備振動AI
高速に収集した振動の原データとFFTを結び付け、異常兆候と保全の時期を判断します。
設備振動AI
高速に収集した振動の原データとFFTを結び付け、異常兆候と保全の時期を判断します。
設備振動AI
高速に収集した振動の原データとFFTを結び付け、異常兆候と保全の時期を判断します。
設備振動AI
高速に収集した振動の原データとFFTを結び付け、異常兆候と保全の時期を判断します。
設備振動AI
高速に収集した振動の原データとFFTを結び付け、異常兆候と保全の時期を判断します。

