ページの本文へ

Hitachi

ビッグデータ×AI(人工知能)

Hitachi Advanced Data Binder プラットフォーム:活用事例

活用例 Hitachi Advanced Data Binder プラットフォーム

[社会イノベーション事業] 火山噴火の迅速な被害予測を実現
〜100時間分の噴火時データを2時間で3D表示

昨今、活発な火山活動による噴火被害が懸念されており、災害に強い社会の実現に向け、防災科学技術研究所では溶岩流などの被害予測の実現に向けた研究を行っています。
防災対策への実用化には噴火後、速やかに被害予測を可視化することが重要です。そのため、可視化に必要となる溶岩流シミュレーションデータや建造物データといった多種多様なデータを短時間で処理する必要がありました。しかし、従来のデータベースではデータの処理性能がボトルネックとなっていたため、防災対策の実用化に向けた研究が困難でした。

研究者

【課題】
  • シミュレーションデータの種類と量が膨大。短時間で必要なデータを処理したい。
  • データ処理速度は向上させたいが、導入費用は抑えたい。
  • DBに格納するデータ選別に手間がかかる。手間を軽減して、本来の研究に注力したい。

火山リスクマネジメントシステムの概念図
Hitachi Advanced Data Binder プラットフォームとGISと組み合わせた「火山リスクマネジメントシステム」を構築
〜溶岩流による建造物への被害予測を短時間で地図上に表示〜

本システムは、溶岩流の挙動をシミュレーション解析したデータと、建造物データの約2,400億通りもの組み合わせに対して、Hitachi Advanced Data Binder プラットフォームを使用して被害予測を高速に評価しています。また、その結果を日立ソリューションズのGIS(Geographic Information System:地理情報システム)である、「GeoMation」で3D表示することで、災害の影響を分かりやすく可視化します。
たとえば、富士山周辺の約20km四方エリアを対象に噴火から100時間後までの被害予測を行う場合、溶岩流シミュレーションのデータを読み込み、状況をGeoMationで可視化するまでの処理が、約2時間*という短時間で完了します。
このスピードであれば防災施策への実用化に実効性があると、研究者からも高く評価いただいています。(*自社従来製品比約100倍の性能)

【解決】

研究者

圧倒的な高速処理で実効性のある被害予測を実現
与えられた命令を順次実行する一般的なデータベースエンジンと異なり、Hitachi Advanced Data Binder プラットフォームは各命令の処理完了を待たずに並列処理する「非順序型実行原理」を採用。これにより、圧倒的な検索性能を実現。
処理性能の高速化にかかるコストを抑制できる
Hitachi Advanced Data Binder プラットフォームは一台で処理できるデータ量が圧倒的に多いので、処理の高速化のために複数サーバーを用意して並列分散処理をさせる必要がない。
インメモリ技術を採用したデータベース製品もデータ量が増えれば大量のメモリを実装する必要があるが、Hitachi Advanced Data Binder プラットフォームは不要。
DBに格納するデータの選別が不要
通常はDBの処理性能の低下を考慮し、不要なデータは格納しないのが一般的。しかし、処理性能が高速なHitachi Advanced Data Binder プラットフォームなら、全データの内、不要なデータが含まれていても必要なデータのみを高速に出力することが可能。そのため研究者はDBに格納するデータの必要有無を選別する作業が不要となり、シミュレーションなどデータ解析に注力できる。

[流通業]売り場のデータでお客さまの満足度を向上
〜13.5時間かけていたPOSデータ分析が7分に

昨今流通業では、個客戦略実現のために売り場のデータをもっと活用し、さまざまな視点からきめ細かくデータを分析することが求められています。それには、事前に明細データからサマリーデータ(データマート)をバッチプログラムで作成する必要がありますが、バッチプログラム処理に時間がかかるといったシステムの課題や、データマートの範囲の定型的なサマリーの分析しかできないという分析の課題がボトルネックとなり、試行錯誤しながらのきめ細かな分析は困難でした。

経営者

【課題】
  • 現場にタイムリーに指示を出し、チャンスロスを削減したい
  • お客さまに気の利いたサービス、情報を提供したい

課題:膨大なPOSデータをすばやく柔軟に軸を変えながら分析できない

POSデータ分析の概念図1

解決:データマートなしで、自在に分析軸を変えられる

POSデータ分析の概念図1

【改善できる業務の例】

経営者

「日別」集計から「時間帯別」集計の実現
併売分析の実現

POSデータ分析の概念図3