論文一覧に戻る 📚 用語集トップ 🗺 概念マップ
📚 用語解説
📚 用語解説
IoT
Internet of Things
リテラシー
別称: モノのインターネット

🔖 キーワード索引

センサーデバイスクラウドMQTTエッジリアルタイムビッグデータ産業IoTスマートホーム5G

別名・略称：モノのインターネット

💡 30秒で分かる結論

IoT（Internet of Things）：モノがインターネットに接続しデータをやり取りする仕組み

📍 あなたが今見ているもの

「IoT が生成する膨大なデータ」がデータサイエンティストの仕事を増やしています。 温度センサー、 加速度センサー、 GPS、 カメラなどから毎秒大量のデータが流れ込み、 これを分析して 異常検知・需要予測・最適制御 につなげるのが現代の典型業務。 SSDSE は静的データですが、 実務では IoT 由来のストリーミングデータも多く扱います。

🎨 直感で掴む

IoT のアーキテクチャ

  1. デバイス層：センサー、 アクチュエータ、 マイコン（Raspberry Pi, M5Stack）
  2. 通信層：Wi-Fi, Bluetooth, LoRa, 5G, MQTT
  3. エッジ層：ゲートウェイ、 エッジサーバ。 一次集計や AI 推論
  4. クラウド層：データ蓄積、 ダッシュボード、 機械学習
  5. アプリ層：可視化、 アラート、 制御命令

代表的なユースケース

  • 製造業：機械の振動センサーで故障予知（Predictive Maintenance）
  • 農業：土壌湿度・気温で散水自動化
  • 医療：ウェアラブルで心拍・血糖を常時モニタ
  • 都市：交通センサーで渋滞最適化

📐 定義 / 数式

IoT 固有の数式というよりは、 アーキテクチャと通信モデル。

【データ流量の見積もり】
$$\text{総データ量} = N_{\text{センサー}} \times f_{\text{サンプリング}} \times s_{\text{ペイロード}} \times T$$
N センサー数、 f サンプリング周波数、 s 1サンプルのサイズ、 T 期間

🔬 記号・式を言葉で読み解く

センサー
物理量（温度、 加速度、 光、 音、 圧力）をデジタル値に変換するデバイス。
MQTT
Pub/Sub 型の軽量通信プロトコル。 IoT 標準的選択肢。
エッジ
デバイスに近い場所で処理。 遅延・帯域を削減。
クラウド
大規模ストレージ + 分析基盤。 AWS IoT, Azure IoT Hub, GCP IoT Core。
デジタルツイン
物理デバイスの状態をクラウド上に投影した仮想モデル。

🧮 実データで計算してみる

例：工場の振動センサー 100 台、 100Hz サンプリング、 8 バイト/サンプル：

  • 毎秒：100 × 100 × 8 = 80,000 バイト ≈ 80 KB/s
  • 1 日：80 KB × 86,400 = 約 6.6 GB/日
  • 1 年：約 2.4 TB

これだけのデータをクラウドに送るのは高コスト → エッジで一次集計（例：1秒平均で 100 倍削減）。

🐍 Python 実装

SSDSE-B-2026（47 都道府県・2023 年データ）を題材にした最小コード：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
# IoT センサーデータの読み込み・分析
import pandas as pd

# センサーデータ（タイムスタンプ付き）
df = pd.read_csv('data/raw/sensor_log.csv', parse_dates=['timestamp'])

# 1 分単位でリサンプリング・平均
df = df.set_index('timestamp').resample('1min').mean()

# 異常検知（移動平均から大きく外れた値）
df['rolling_mean'] = df['value'].rolling(60).mean()
df['rolling_std'] = df['value'].rolling(60).std()
df['anomaly'] = (df['value'] - df['rolling_mean']).abs() > 3 * df['rolling_std']

⚠️ よくある落とし穴

⚠️ セキュリティ脆弱
IoT デバイスはセキュリティが弱く、 ボットネット化される。 パスワード強化必須。
⚠️ 通信途絶への配慮なし
デバイスがネット切断中のデータが失われる。 ローカルバッファ必須。
⚠️ 時刻同期問題
デバイスごとに時刻ズレ → 時系列分析がおかしくなる。 NTP 必須。
⚠️ データの異質性
センサーごとに型・単位・スケールが異なる。 統一前処理が必要。
⚠️ プライバシー
個人の活動データを集めるなら同意・匿名化が必須。

🌐 関連手法・この用語を使う論文

📄 センサーデータを扱う論文
IoT データを使った論文ではストリーミング前処理が登場します。