ARスマートグラス×IoT連携による現場検査支援プラットフォーム構築ユースケース紹介

プロジェクト概要

本プロジェクトは、製造設備やインフラ施設の現場検査作業をデジタル化し、作業効率と検査品質を大幅に向上させることを目的としています。従来、担当者は紙ベースのチェックシートと目視による測定器で点検を行い、データ入力と報告書作成に多くの手間と時間を費やしていました。そこで、ARスマートグラスを装着した検査員が現場設備を見ながらIoTセンサーからのリアルタイムデータを視界に重畳表示し、そのまま音声やジェスチャーで検査結果を記録・報告できるプラットフォームを開発しました。これにより、検査時間を従来比で約40％短縮し、報告書作成にかかる時間を80％削減。また、ヒューマンエラーによるデータ抜けや誤記入を大幅に抑止し、品質トレーサビリティを担保しました。

技術スタック選定のポイント

本システムの開発にあたっては、ARスマートグラスとIoTプラットフォーム、クラウドバックエンドを最適に連携させる技術を選定しました。ハードウェアはMicrosoft HoloLens 2を採用し、手のジェスチャーと音声認識による自然な操作性を実現。IoTセンサーはBLE対応の振動・温度・加速度センサーを用い、EdgeデバイスとしてRaspberry PiにMQTTブローカーを展開しました。バックエンドはAWS上に構築し、IoT Coreでデバイス管理、Kinesis Data Streamsでリアルタイム処理、Lambdaでのデータ加工、DynamoDBに測定履歴を保存。ARスマートグラスからはWebSocket経由でGraphQL APIに接続し、必要データをオンデマンドで取得します。CI/CDはGitHub Actionsでテスト・デプロイを自動化し、Infrastructure as CodeはAWS CloudFormationで管理して、環境間の差異を排除しました。

要件定義と現場ワークフロー可視化

要件定義フェーズでは、現場作業の流れをヒアリングし、検査項目と画面表示要件を詳細に整理しました。ポイントは「現場で必要な情報はリアルタイムかつハンズフリーで提供すること」「検査結果はその場で正確に記録できること」「紙のチェックシートと併用せずに完全にデジタル化すること」です。業務フロー図では、①起動→②作業対象の機器選択→③センサー計測値リアルタイム表示→④検査項目へのOK/NG入力→⑤音声メモや写真撮影→⑥そのまま報告書生成、という流れを定義。これをもとにユーザーストーリーを書き起こし、JIRAに登録してタスク管理を徹底しました。

ARスマートグラス連携設計

ARスマートグラスとの連携設計では、HoloLens 2のMixed Reality Toolkit（MRTK）をベースに、独自のハンドジェスチャーと音声コマンドを組み合わせた操作UIを実装しました。測定対象の機器を認識するため、Azure Spatial Anchorsで現場点検箇所にアンカーを張り、位置ズレなく装置情報を表示。また、検査員が見ている機器の型番や仕様書へのリンクをフル3Dモデルでオーバーレイし、さらにメンテナンス履歴や稼働率などのダッシュボードを同時に表示できるように設計。入力は「OK」「NG」などのキーワードと、指差しジェスチャーを組み合わせ、誤操作を防ぎつつ直感的に使えるUIを追求しました。

IoTセンサー連携とリアルタイムデータ処理

現場の各機器に取り付けたBLE対応センサーは、Raspberry Pi経由でMQTTトピックにデータを配信します。MQTTブローカーにはMosquittoを採用し、Lambdaで購読したメッセージをKinesis Data Streamsへプッシュ。Kinesis Data Analyticsを用いてストリーム処理を行い、データクレンジングや異常値検知をリアルタイムで実行します。異常検知時には即座にARスマートグラス画面にアラート表示し、検査員にフォローアップ作業を促すフローを実装。バッチ処理ではDynamoDBに溜まった計測データをAthenaで分析し、定期レポートと異常傾向予測を作成。これにより予防保全を実現し、設備ダウンタイムを年間で15％低減しました。

セキュリティと運用設計

IoTデバイスやARスマートグラスとの通信はすべてTLS 1.2以上で暗号化し、AWS IoT CoreのX.509証明書認証を導入して正当なデバイスのみを接続許可。ユーザー認証にはCognitoを利用し、社内ADと連携したシングルサインオンを実現しました。各操作ログはCloudWatch Logsに収集し、LambdaでフィルタリングしてセキュリティチームへSIEMツール（Splunk）で転送。監査証跡をAPIドリブンかつ検索可能な形で保持し、規制対応や内部監査に対応します。運用設計では、デバイス証明書の有効期限切れアラートや、CloudFormation Stackの差分検出による設定ドリフト検出を自動化し、安定稼働を担保しました。

テストと品質保証

ARスマートグラスやIoTデバイス、クラウドAPIが連携する本システムでは、多層的なテスト戦略が必要です。まず、ユニットテストではLambda関数やGraphQLリゾルバ、IoTデータ処理ロジックをJest／Mochaで網羅的に検証。BLEセンサーのデータ受信やMQTTメッセージフォーマット検証には、エミュレータを使ったモックテストを導入し、物理デバイスなしでCI上でも動作を確認できます。
インテグレーションテストでは、HoloLens 2のMRTKアプリとバックエンドAPIを統合したE2Eテストを実行。Azure DevOpsのPipelinesにAppiumを組み込み、スマートグラスの仮想環境でジェスチャー操作や音声コマンド、データ表示の一連動作を自動化しました。特に、現場環境を模した臨場感のあるシナリオを検証するため、オンプレミスのテストラボにリアルセンサーを配置し、週次でFAT（Factory Acceptance Test）を実施しています。これにより、実運用時のトラブルを未然に防ぎ、品質保証体制を強化しました。

可観測性と運用監視

本番環境では、リアルタイムデータパイプラインやARアプリケーションの稼働状況を可視化する可観測性基盤を構築。AWS CloudWatch MetricsでLambda実行回数や処理遅延、IoT Coreの接続ステータス、DynamoDBのスループット使用率を収集し、Grafanaでダッシュボード化しました。HoloLensのアプリログはApplication Insightsへ送信し、操作ヒートマップやエラー発生箇所を可視化。IoTセンサーのバッテリー残量や接続品質もメトリクス化し、異常があれば自動アラートで現場担当者にSlack通知を発行します。これにより、障害の兆候を早期に検知し、事前対応を可能にしました。

保守運用体制構築

運用チームにはSRE／DevOpsエンジニアを配置し、24時間365日体制で監視とフィードバックを実施。CloudFormation Drift Detectionを定期実行し、インフラ設定の逸脱を検出。IoTデバイス証明書の期限管理やAzure Spatial Anchorsのアンカー有効期限切れ通知も自動化し、運用負荷を低減しました。定例のオンコールローテーションとRunbook演習を四半期ごとに実施し、緊急時の対応リードタイムを平均15分以内に短縮。運用ナレッジはConfluenceで一元管理し、新人教育や作業手順の標準化にも活用しています。

データガバナンスとバックアップ戦略

測定データと検査結果はDynamoDBに保存し、オンデマンドでAmazon S3へエクスポート。S3にはライフサイクルルールを設定し、30日経過後にGlacierへアーカイブ、365日経過で自動削除。DynamoDBはPoint-in-Time Recovery（PITR）を有効化し、任意時点への復旧を保証。さらに、週次で全テーブルをオンプレミスのバックアップストレージにもレプリケートし、地域障害時でもデータ損失ゼロを達成しています。これにより、法令遵守や内部監査にも対応できるガバナンス体制を確立しました。

プロジェクト管理とリスクマネジメント

本プロジェクトはアジャイル開発で進行し、2週間スプリントを採用。Azure Boardsでタスクを管理し、スプリントプランニング、デイリースクラム、スプリントレビュー、レトロスペクティブを定例化。リスク管理にはリスクレジスターを用い、発生確率・影響度をスコアリングして優先的に対策を実施。特にハードウェア依存のリスク（センサー故障、Wi-Fi環境の不安定）は予備デバイスの常備やエッジキャッシュ機能で回避し、納期遅延を未然に防ぎました。スプリントごとのステークホルダー共有で透明性を担保し、急な要件変更にも柔軟に対応しています。

システム 開発会社 選び方 予算 費用 相場 発注

受託先選定では、以下の比較軸で複数社に同一の要件定義書とWBSを提供し、見積もり比較を実施しました。

1. AR／MR技術対応力：HoloLens実装やMRTKカスタマイズの実績

2. IoT連携実績：BLEセンサーやMQTTパイプライン構築経験

3. クラウド運用：AWS IoT Core、Kinesis、DynamoDBなどのマネージドサービス運用ノウハウ

4. 契約モデル：固定価格型と時間単価型の見積もりを比較し、自社予算に最適なモデルを選択

5. 保守運用体制：SLA応答時間、オンコール対応可否、Runbook更新頻度

6. コミュニケーション：定例MTG頻度、ドキュメント共有プラットフォーム、英語対応可否

これらの観点からコスト削減策（エッジキャッシュ導入によるクラウド利用料抑制、オフショアによる一部開発工数削減）も比較軸に含め、開発予算と費用対効果を最大化できるパートナーを選定しました。

コストシミュレーションと予算管理

本プロジェクトの初期開発費用は約1,200万円、内訳は要件定義200万円、設計300万円、実装500万円、テスト100万円、導入支援100万円。ランニングコストはIoT Core・Kinesisの従量課金（月額約15万〜25万円）とHoloLensライセンス料（月額約10万円）、S3／Glacierストレージ費用（月額約5万円）を含め、年間総額を約400万円と試算しました。
予算管理にはAWS Budgetsで月次上限を設定し、アラートをSlackに通知。タグベースでコストセンターごとに配分し、Azure DevOpsのダッシュボードにグラフ化して経営層に定期報告しています。これにより、コスト超過の兆候を早期に察知し、リソースプランの見直しや契約変更を迅速に実施できる体制を構築しました。

まとめと今後の展望

本ユースケースでは、ARスマートグラスとIoTセンサーを組み合わせた現場検査支援プラットフォームの開発プロセスを詳細に紹介しました。要件定義から設計、実装、テスト、運用、パートナー選定、コスト管理まで、現場での生産性向上と品質担保を両立するためのノウハウを網羅しています。
今後は、AI異常検知モデルのエッジ推論対応、5Gネットワークによる低遅延通信、ARナビゲーション機能の強化、遠隔支援やデジタルツイン連携など、新技術を取り入れた機能追加フェーズに移行予定です。これらを通じて、現場作業のDXをさらに推進し、競争力の高い業務システム開発を実現しましょう。見積もり依頼はこちらからどうぞ。