データ品質がIoTプロジェクトの収益性を高める方法

インターネットオブシングス（IoT）への世界の技術支出は2022年に1.2兆ドル（1兆ユーロ）に達すると予想されており、ディスクリート製造業は1,190億ドル（1,080億ユーロ）、プロセス製造業は780億ドル（708億ユーロ）などの業界が主導しています。輸送は710億ドル（645億ユーロ）、公益事業は610億ドル（554億ユーロ）。

実際、インダストリー4.0の製品とサービスの市場は、今後数年間で大幅に成長すると予想され、RFID、ウェアラブル、自動システムなどのテクノロジーの変化を利用して、60％以上のメーカーがその時点で完全に接続されると予想されます。 、 FogHorn の製品担当副社長RamyaRavichandarは言います 。

業界は現在および今後のIoTおよびIIoTプロジェクトの前向きな成長を期待していますが、顧客の信頼を完全に獲得し、パイロットプロジェクトを成功する大規模なIoT生産に移行するには、いくつかの重要な課題に対処する必要があります。多くの人が、接続の制限、セキュリティリスク、データ量などのデータバイアスを、IoTの成功への障害として認識していますが、データ品質も効果的なIoTプロジェクトを実現する上で重要な役割を果たしていることがわかりました。

データ品質とは何ですか？それは導入の成功にどのように影響しますか？

データ品質は、3つの主な方法でIoTデバイスの採用を増やす上で重要な役割を果たします。

1. 組織は、使用するデータが正しく、目前のユースケースに適している場合にのみ、適切なデータ主導の意思決定を行うことができます。
2. 低品質のデータは実際には役に立たず、不正確な機械学習モデル、不正確な意思決定、不十分なROIなどの深刻な問題につながる可能性があります。
3. 具体的には、人工知能と機械学習アプリケーションの増加に伴い、ガベージイン/ガベージアウトの典型的な問題が再浮上しました。

高品質のデータフィード、トレーニング、機械学習（ML）モデルの調整により、IoT対応の工場が情報に基づいたデータ主導の意思決定を行えるようになります。

たとえば、蒸気タービンの予期しない故障は、発電所と下流の電力網の両方に重大な混乱、損傷、および経済的損失をもたらす可能性があります。高品質のデータセットでトレーニングされた予測機械学習モデルは、重大な問題が発生する前に潜在的な障害を検出することで、これらの産業組織が機器の信頼性を最大化するのに役立ちます。

ただし、欠落している、不完全な、またはエラーが発生しやすいデータを含むダーティデータは、組織が不便で時間と費用のかかるミスを犯すことにつながります。実際、データウェアハウスインスティテュート（TDWI）によると、ダーティデータは米国企業に毎年約6,000億ドル（5,450億ユーロ）の費用をかけています。データサイエンティストの仕事の約80％が、MLモデルが適切な洞察を提供することを保証するために、データの準備とクレンジングに集中しているのは事実です。

今後、組織は、データストリームの完全性、有効性、一貫性、正確性を確保するための方法論を取り入れて、洞察の質を高め、効果的なIoTプロジェクトを展開し、最適なROIを実現する必要があります。

では、データ品質においてエッジコンピューティングはどのような役割を果たしますか？

産業用センサーにはさまざまな種類があり、ビデオ、オーディオ、加速度、振動、音響など、大量、種類、速度のデータを収集します。組織がこれらのさまざまなデータストリームをすべて正常に調整、クリーンアップ、強化、および融合できれば、運用の効率、健全性、および安全性を大幅に向上させることができます。ただし、工場の運営の完全で正確な全体像を描くには、組織はこれらの多様なリモートデータソースによって提供される生の洞察を収集、結合、処理する必要があります。

エッジコンピューティングは、開始時にリアルタイムデータを収集して処理し、データ内に構造を作成して価値を特定できるため、これらのタイプの環境で繁栄します。

エッジ対応のマシンは、ダーティデータをローカルでクリーンアップおよびフォーマットするのに役立ち、正確で効果的な機械学習モデルのトレーニングと展開を改善します。実際、業界の研究者は、IoTのエッジベースのユースケースが主要な垂直市場全体の成長の強力な触媒になると信じています。データは2025年までにIoT展開の59％でエッジコンピューティングによって（何らかの形で）処理されるでしょう。

たとえば、エッジコンピューティングを使用すると、工場はセンサーデータをリアルタイムで分析して、以前に定義されたしきい値の範囲外の値を特定し、MLモデルを構築およびトレーニングして根本的な問題の原因を特定し、必要に応じて展開することで、製品の品質を向上させることができます。不良部品の生産を自動的に停止するMLモデル。

これらの、および同様のユースケースの場合、エッジ対応ソリューションは、リアルタイムのマシンデータ（低品質データ）を、運用管理者が削減するために使用できる生産効率と品質メトリックに関連する実用的な洞察（高品質データ）に変換します。計画外のダウンタイム、歩留まりの最大化、機械の使用率の向上。

多くの組織は、エッジソリューションがリアルタイムのデータ処理と分析を使用して、生のストリーミングセンサーデータを実用的な洞察に変えるため、エッジコンピューティングがIoTおよびIIoTプロジェクトにもたらす価値を理解し始めています。エッジコンピューティングは、作成時にダーティデータをクレンジングして強化することで、データ品質を大幅に向上させ、反復的なマシンデータを改良して、運用効率を向上させることができます。

作成者は、FogHornのVP製品であるRamyaRavichandarです。