ドメインエキスパートにデータサイエンスを授け、よりスマートな製造インサイトを実現

高度な分析と人工知能が製造業を再構築していますが、生データだけでは限定的な価値しかありません。Rockwell Automationの英国およびアイルランド担当CTO、マイク・ラフリンは、コンテキストとドメイン専門知識がデータを実用的なビジネスインサイトに変えるために不可欠だと強調します。

消費者市場では、ターゲット広告から位置情報ベースの推奨まで、AI駆動のパーソナライゼーションが見られますが、製造業でも同様のメリットを引き出せます。分析は、最も重要な時に重要なインサイトを浮き彫りにする、タイムリーでデータ駆動型の意思決定を提供します。

明確なメリット

分析によって支えられたデジタルトランスフォーメーションは、収益を最大10%向上させ、運用コストを最大12%削減し、資産効率を最大30%向上させる可能性があります。これらの数値は、データ中心の運用を採用した組織が報告した実績を反映しています。

製造業での分析実装には独自の課題があります。一般的な「セントラライズド・クラウド」モデルは、高いネットワーク帯域幅コストとレイテンシがリアルタイム意思決定を妨げるため、しばしば失敗します。データが発生するエッジでモデルを実行する方が、通常より効果的です。

大量データの管理

製造業者は、リアルタイムのプラントデータとヒストリアンレコードの大量ストリームを生成します。しかし、特定のユースケースに関連するのはごく一部かもしれません。それぞれ異なるプロトコルとレガシーテクノロジーを持つ異種ソースを統合するには、高度なデータ集約と統一データモデルが必要です。

インサイトは、適切なステークホルダーや自動化システムに短いウィンドウ内で届かなければ実行可能性を失います。これを達成するには、基盤プロセスと分析技術の両方に関する深い知識が必要ですが、その稀な組み合わせを一人の個人が持つことは稀です。

成功するトランスフォーメーションは、製造オペレーションと分析の両方を理解する専門家とのパートナーシップにかかっています。こうしたパートナーは、業界の遺産、プロセスハードウェアとOTへの精通、ビジネス目標との整合性をもたらします。

実践におけるデータサイエンスの簡素化

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常時依存せずに分析を行えるツールは不可欠です。デジタルトランスフォーメーションの会話から、2つの核心要件が浮上しました：デジタルワーカーと機械学習機能。

企業は4つのステップでデータ分析を効率化できます：

1. 重要な運用属性を特定する。
2. 論理的なデータ構造を定義する。
3. 高速データ取得プラクティスを実装する。
4. 情報レイヤー全体でモデルを再利用し、速度と効率を高める。

このアプローチは、エンジニアに堅牢なデータサイエンスツールを装備させることで、結果を加速させます。

ThingWorx Analyticsプラットフォームは、自動化および制御エンジニア向けにデータサイエンスワークフローを効率化します。最も予測力の高いタグを特定し、オートMLで最適なアルゴリズムを選択し、複数のシナリオを評価して最適なモデル組み合わせを決定します。すべて手動介入なしで実行されます。

この簡素化により、ドメインエキスパートが収集データから潜在価値を引き出せるようになり、シチズンデータサイエンティストの時代を告げます。

著者はマイク・ラフリン、Rockwell Automation英国およびアイルランド担当CTO。

著者について

マイク・ラフリンは、Rockwell Automationで14年以上にわたり、ソフトウェアセールスからC-suiteまで昇進し、英国とアイルランドの技術戦略を主導しています。