運用の頭脳：産業用IoTにおけるインテリジェントなデータ管理の新しいパラダイム

Crate.ioのChristianLutz

インダストリアルインターネットオブシング（IIoT）は、組織が増え続けるマシンとセンサーデータを展開して、無数の生産プロセスを最適化し、セキュリティを強化し、労働者のエクスペリエンスを向上させることを約束します（従業員が工場のフロアにいるかオフィスにいるかに関係なく） 。

Crate.io のCEOであるChristianLutzは、産業ビジネスについて述べています。 、データ処理の古いパラダイムは、チームがデータの速度に追いつくのに役立たず、新しい分析アルゴリズムと一致せず、おそらく最も重要なことに、リアルタイムのデータクエリの競争力のあるニーズを可能にしないことを発見しています。

この問題を解決するためのアプローチは、最新の分散（オープンソース）データベースアーキテクチャを機械学習/人工知能、およびIIoTネットワークと組み合わせることです。これらのテクノロジーが一体となって、データベースの従来の概念を超えて、産業および製造業に深刻な増大するデータの問題を解決する、かなり新しいデータ管理パラダイム（私はオペレーショナルブレインと呼んでいます）を形成します。

運用上の頭脳の定義

従来のリレーショナルデータベース（ Microsoft、など） SQL Server および Oracle ）は、通常、IIoTアプリケーションを成功させるために処理する必要のある大量のデータを処理することが技術的に不可能です。これらのデータベースは、実際には、スマートファクトリー、スマートシティ、または自動運転車の開発に必要な種類のバックボーンを作成するようには設計されていません。このようなユースケースでは、より高速でインテリジェントなデータ処理が求められます。包括的なデータベース管理戦略は、最終的には、メモリの量やハードディスクの速度ではなく、その使用によるビジネス価値の付加によって測定されます。

私はこのタイプの包括的なIIoTデータ管理を「運用の頭脳」と呼んでいます。脳は、このデータに基づいて受け取り、構造化し、決定を下すことができる器官です。将来のデータ管理システムは、常に中枢神経系のように機能し、感覚的な印象に直接接続し、人工知能を使用してシステムをリアルタイムで監視、予測、制御します。

データの取得と強化

近代的なネットワーク化された工場には、さまざまなメーカーのさまざまな機械が組み込まれています。したがって、課題は、異なるデータ構造をキャプチャし、クラウドで分析し、それらからアクションを導き出すことです。最新のデータ管理システムはすでにここから始まっています。これにより、マシンとデータベースが3番目のインスタンスを介して通信しないため、実装が簡素化され、エラー率が低下します。

コンテキストがないと、収集されたデータはそれ以上の処理には使用できません。記録された値は、最初は単なる数値です：108。それは温度ですか？もしそうなら、それは摂氏または華氏ですか？商品数ですか？もしそうなら、カウンターはいつリセットされ、実際には何がカウントされますか？意味のあるデータを充実させる必要があります。この強化には、データベース、特定のルールを実行するランタイム、およびデータの意味に関する知識の3つのコンポーネントが必要です。

オペレーショナルブレインは、これらの必要なすべてのステップを1つのモデルに結合します。これにより、産業組織は、データをさらに処理できるようにするためのアルゴリズムを作成する必要がなくなります。代わりに、処理された情報のストリームを解釈するルールを設定できます。運用ブレインは、基本的に、プロセスを自動化するルールを実行し、工場の設備総合効率（OEE）を向上させるマシンです。 1つ以上の接続されたリモートの工場で、数百または数千の製品ラインに展開された機器の潜在的に数万のセンサーからのリアルタイムデータ収集を使用します。

オペレーショナルブレインの集中型「ミッションコントロール」はセンサーデータを処理および分析し、特定のマシンをX時間ごとにクリーニングする必要があることを従業員に通知したり、エンジニアに警告したりするなど、工場フロアで必要な関連メンテナンスに関する予測アラートを提供します。製造プロセスのエラー率。要するに、それが提供する情報は、目視検査で可能なものよりもはるかに効率的です。

データ駆動型自動化の価値

インテリジェントなデータ管理は、単なるデータベースではありません。高速取得からインテリジェントなデータ取得までの包括的なプロセスについて説明します。データ駆動型の自動化は、IIoTプロジェクトの成功の鍵となります。これにより、スマートファクトリーなどの施設は、リアルタイムのデータ分析を可能にし、一貫した稼働時間を維持し、迅速な開発と価値実現までの時間を確保し、ホスティング、統合、および管理のためのIT運用コストを低く抑えることができます。

たとえば、 ALPLA – Coca-Cola などのブランドのプラスチック包装メーカー およびユニリーバ 。同社には、OEEを最適化するために使用されている運用上の頭脳があります。 900の異なる工場固有のセンサータイプの数万のセンサーから収集されたデータが充実しています。次に、自動処理のためにクラウドに通知し、中央制御室も接続された（ただしリモートの）工場のプラントパフォーマンスを監視します。これらの洞察から、ALPLAはより早い段階で傾向を特定することができ、その機械オペレーターは、予測のユースケースを含む必要な調整に導くことができます。

工場のほぼすべての生産ラインに目視検査システムがあるため、不可能ではないにしても、生産現場にスタッフを配置して変化に対応することは困難です。運用上の頭脳戦略により、リアルタイムのセンサーデータの収集と分析が可能になり、従業員を重要な場所に誘導できます（その結果、スクラップ率が低下し、効率が向上します）。

この移行は、成熟するにつれてIIoTのより広範なシフトを象徴しています。データ収集だけでは不十分です。運用上の頭脳、またはそれと呼ぶことを好むものは、追いつくためのIIoTの前提条件になります。

著者は、のCEOであるChristianLutzです Crate.io 、CrateDBオープンソースリアルタイムSQLDBMSおよびCrate.ioMachine DataPlatformの開発者。