データサイエンスをドメインの専門家の手に委ねて、より価値のある洞察を提供する

高度な分析や人工知能（AI）などの新しいテクノロジーは、製造業を変革しています。工場のフロアは、モノのインターネット（IoT）センサーの成長によって駆動されるデータで溢れています。ただし、 Rockwell Automation の英国とアイルランドのCTOであるMikeLoughran氏は述べています。 、データだけでは有用な商品ではありません。このデータは、貴重なビジネス洞察と価値を提供するために分析される前に、コンテキストとドメインの専門知識を適用する必要があります。

分析とAIは、多くの業界、特に消費者空間を混乱させてきました。今日、私たちは購入したい製品を予測できるターゲットを絞った広告およびソーシャルメディアのeコマースプラットフォームを目にし、ロケーションベースのアプリはあなたがどこにいるかに基づいて推奨を行うことさえできます。ここでの基本的なテーマは、分析により、適切なタイミングで洞察を提示することにより、データ主導の意思決定が可能になることです。

明確なメリット

当然の問題は、消費者空間とはまったく異なる工業製造業がこの機会をどのように活用するかということです。メリットは明らかです。デジタルトランスフォーメーションと分析を採用して業務の変革に着手している平均的な製造組織は、収益を最大10％増加させ、運用コストを最大12％削減し、資産効率を最大30％向上させることを目指しています。

他のデジタルテクノロジーがこの種の2桁の成長を推進していますが、メーカーがこれらのテクノロジーを分析に適用しようとすると、いくつかの固有の課題に直面します。その理由は、製造コンテキストでの分析の適用が複雑であるためです。多くの場合、分析は、最初にすべてのデータを一元的に収集し、次にアルゴリズムまたはモデルを適用して約束の地に到達するターンキーソリューションとして位置付けられます。

まあ、それはそれほど単純ではありません。ネットワーク帯域幅のコストが高く、遅延が長いため、ほとんどの産業分析ワークロードはおそらくクラウドで実行するべきではありません。これらの分析モデルを、データが生成されるエッジの近くにデプロイする方が理にかなっています。また、産業環境向けの分析モデルをトレーニングするには、多くの作業が必要です。産業データの世界をもう少し深く掘り下げる必要があることを理解するため。

大量のデータを管理する

まず、製造業者は、プラントシステムによってリアルタイムで生成される非常に大量のデータを、履歴データとともに管理する必要があります。皮肉なことに、ユースケースによっては、マイニングされたデータのごく一部しか関連しない可能性があります。次に、異なるプロトコルを使用している可能性のある異なるソースからのこのデータを統合する必要があります。

これらの異種システムには、接続性とデータ集約を困難にする可能性のあるさまざまなレガシーテクノロジーが含まれている可能性があります。また、関係を構築するシステム間、またはデータポイント間の関係を確立する共通のデータモデルがない可能性があり、かなり不明確です。

また、洞察を関係者またはシステムに提供して、関連性を高めるために短期間でアクションを推進する必要があります。最後に、分析を適用するには、基礎となる産業プロセスに関する深い知識が必要です。通常、同じ人物でデータサイエンスとプロセスの専門知識を見つけることは非常に困難です。

成功するには、製造と分析の両方を理解できるだけでなく、ユースケースに合わせてソリューションを調整できるパートナーが必要です。理想的には、このパートナーは製造業に強い伝統を持ち、プロセスハードウェアと運用技術、そしてもちろんビジネス目標に精通している必要があります。

実際のデータサイエンスの簡素化

必要なのは、制御エンジニアとプロセスエンジニアがデータサイエンティストに頼ることなく分析を実行できるようにするツールです。データサイエンスの実践を簡素化する必要があります。デジタルトランスフォーメーションの旅に出ている顧客と話すとき、2つの一般的な要件があります。 1つ目はデジタルワーカーで、2つ目は機械学習です。

企業がデータ分析で実行する必要がある4つのステップがあります。まず、重要な運用属性を特定する必要があります。その後、論理データ構造を確立するために進むことができます。これが達成されると、彼らは高速でデータをキャプチャするための実践を実施することができます。最後に、効率と速度を向上させるために、情報レイヤー全体でモデルを再利用する必要があります。目的は、エンジニアにデータサイエンスツールを提供することで結果を加速することです。

自動化や制御エンジニアがこれらのデータサイエンス活動の一部を簡単に行えるようにしようとしています。これは、データを消費するThingWorxs Analytics製品で実行でき、データサイエンティストが実行する必要のあるいくつかの手順を実行します。データサイエンスをドメインエキスパートの手に委ねる革新的なソリューションテンプレートを提供します。

タグを調べて、最適な予測に必要な相関をとることができます。 100、または1000のうち、大きな影響を与える可能性があるのは5つだけかもしれません。次に、自動機械学習と呼ばれるものを自動的に実行します。これは、実行するアルゴリズムを選択するのに役立ち、さらにいくつかのシナリオを実行して、どのアルゴリズムまたはアルゴリズムのコレクションが最適な出力を提供するかを選択します。

複雑なプロセスを単純化することで、ドメインエキスパートは、収集されたデータに閉じ込められ、市民データサイエンティストの時代に先駆けた価値を実際に引き出すことができます。

著者は、ロックウェル・オートメーションの英国とアイルランドのMike LoughranCTOです。 。

作者について

Mike Loughranは、産業用自動化および情報技術のプロバイダーであるRockwellAutomationの英国およびアイルランドのCTOです。彼は会社に14年以上在籍しており、ソフトウェアの販売の分野で働き始め、現在のCスイートのポジションに昇進しました。