堅牢なデータ管理が産業IoTにおける機械学習とAIを駆動する

大脳皮質は画像を処理する脳の部位です。人間は他の哺乳類と比較して最大の大脳皮質を持ちます。この優れた視覚は、人間が他の動物より優位に立つ進化的特徴の一つです。進化生物学者がこの特徴の謎を解き明かそうとする一方、技術研究者たちはそれを再現しようとしています。 図1. 工場内のマシンビジョンシステム。 人間は経験と練習を通じて学習します。機械学習は、コンピューターが人間の脳の学習プロセスを模倣することを目指す人工知能（AI）の分野です。画像認識と処理はその重要なサブセクションです。画像認識を用いれば、エンジニアは直接的な人間の介入なしでオブジェクトを分類できます。 ニューラルネットワー

生産に最も近い従業員として、オペレーターはショップフロアへの深い可視性を持っています。一方、ショップフロアマネージャーや製造エンジニアなどの他のステークホルダーは、生産ステータス、チームの生産目標に対するパフォーマンス、設備とリソースの使用効率への可視性で苦労することがあります。 幸い、接続デバイスは、従来の製造業に見られる生産問題に光を当てるデータ、分析、レポート、コミュニケーションツールを提供します。 ダウンタイムの分析 管理者が直面する最も一般的な課題の一つは機械ダウンタイム——機械が生産していない時間です。企業のダウンタイムの最大原因を分析しようとすると、ほぼ即座に知識のギャップが露見

組織はデータ品質を自動化してAIとMLを改善できるか？ 過去10年間で、企業は人工知能（AI）と機械学習（ML）がもたらすポテンシャルを理解し、解き放ち始めました。まだ初期段階ですが、企業はこの技術がもたらす大きなインパクトを理解し始めており、より良い、より速い、より効率的な意思決定を支援します。 もちろん、AIとMLはビジネスのイノベーション受容の特効薬ではありません。実際、これらのアルゴリズムの成功は、その基盤、具体的には質の高いデータの質しかありません。 それがなければ、企業はAIとMLを導入した目的そのものが失敗し、悪いデータの予期せぬ結果が、効率とレピュテーションの両面でビジネスに取

データサイエンティストはデータサイエンスプロジェクトの成功に不可欠だ。だが、彼らは単独ではできない。他のスキルセットと自動化ソリューションからの支援が必要だ。 データ——現代機械の歯車を潤すオイル。だが問題がある。組織はこの新たな力からビジネスインサイトを得るのに苦労している。 慢性的な不足 市場では、多くのエンタープライズ顧客が非常に大きなデータサイエンスチームを構築しようとしている。中には、顧客入力からIoTデバイスまで——これがメインチャネルになる——データ爆発に対処するため、数百人を採用しようとするところもある。 だが容易ではない。データサイエンティストは大幅に不足している。 Gar