COVID-19がデータ取得・分析の進化を加速

COVID-19時代、リモートデータ可視化とリアルタイムデータ駆動意思決定への要求増大により、データ取得戦略が進化しています。ヒューマンマシンインターフェース（HMI）とSCADA（監視制御データ収集）システムは、エッジデバイス上で分析実行可能なため、デジタルトランスフォーメーション達成にさらに重要になっています。これらは成功に不可欠な俊敏性とレジリエンスを提供します。

新旧センサーとの接続

従来型計器と新しいIoTセンサーが現場設備に設置され、エッジデバイス近接にあり、ポンプ圧力や機械運転状態等、生成される大量データを取得可能。IDC予測では2025年にIoTだけで79.4ゼタバイトデータ創出見込みですが、全生データが必ずしも洞察生むわけではありません。代わりに、生データ分析から得られる情報、知識、洞察を取得・適用することでのみ価値創出され、エンドユーザーがプロセス改善可能になります。

リアルタイム信号を分析用望ましいフォーマットへ圧縮、フィルタリング、変換するスマートセンサーソリューション今日利用可能；しかし既に稼働中の多数レガシーデバイスが独自プロトコル持っており、完全データ駆動変革にはこれらも包含必要。HMI/SCADAソフトウェア導入が既にエッジ近くにあるため、このソフトウェアをレガシーデバイス通信とスマートセンサー協働の両方に用い、リアルタイムデータ駆動意思決定支援するのは自然で便利です。

エッジへの分析機能導入

エッジデバイス上で高度分析実行可能なHMI/SCADAソフトウェアが、リアルタイムデータからの制御、可視化、洞察・知識形成で極めて重要な役割果たします。可視化と制御に既に使用されているため、HMI/SCADAソフトウェアは現在運用監視と制御提供（図1）。

今後、HMI/SCADAソフトウェアがリアルタイムデータへ必須コンテキスト供給し、データ駆動意思決定支援。既知パターン検出と異常発見、迫る故障予測と事前警告可能。推論とローカルアクションはエッジデバイス/エッジサーバーで処理、集約データや予測モデリングはクラウドで実行可能。高度分析でHMI/SCADA従来機能拡張、ユーザーがイベント/行動根本原因理解と将来状況予測可能に。

分析機能付きモバイルHMI/SCADAアプリケーションをネットワークエッジに展開すると、組織にリモートワーカー向けインテリジェントモバイルサービス支援の追加柔軟性提供。これらモバイルアプリがリモートデバイスからリッチデータ収集し、エッジサーバーで更なる集約・分析後、クラウドへ送信し機械モデリング等分析実行可能。

HMI/SCADAアプリケーションと分析の緊密統合（組み込み分析と呼ばれる）が台頭中——データを知識へ変革する必要性のため。Allied Market Research予測では組み込み分析市場が2016年251.3億ドルから2023年602.8億ドルへ拡大見込み。従来HMI/SCADAソフトウェアが組み込み分析機能で強化されると、洞察とアクション同一アプリケーション内融合でユーザーがより良いアプリケーション体験獲得。

組み込み分析成果にはKPI（重要業績評価指標）、統計評価、アラートが含まれ、オペレーター作業・意思決定現場近くで提供。デジタルトランスフォーメーションをデータ収集エッジ寄りへ推進する需要存在——データ駆動意思決定高速化圧力のため。ニアリアルタイム応答加速必要で、オペレーターは分析のためコントロールルーム戻る時間なし。

機械学習とアルゴリズム

データ分析がリアルタイム他データソースから有意義洞察抽出。機械学習はアルゴリズム用いてデータ抽出、学習、履歴データベースで将来予測する分析形態。アルゴリズムがデータセットをモデルへ変換。最適アルゴリズム訓練（学習）手法は、解決問題種類、利用可能計算リソース、データ性質に依存。代表的学習手法：教師あり、教師なし。

教師あり学習では、アルゴリズムに入力セットと望ましい出力（ラベル）提示。目標はコンピューターが関係性分解し、入力データが出力へどうマッピングされるか学習できるルール発見。

教師なし学習では、アルゴリズムに入力セットのみ提示、望ましい出力（ラベル）なし。アルゴリズムが独自に構造とパターン発見し、発見パターンベースで数千データポイント評価・分類。分析伝統的4カテゴリ：記述的、診断的、予測的、処方的、第5カテゴリとして認知的出現中。

記述的分析

「何が起きているか？」に回答。リアルタイム/過去データベースでプロセス実行状況洞察獲得、データへコンテキスト提供。リアルタイムデータベースでHMI/SCADAアプリケーションが記述的分析使用し、起きていること可視化、オペレーターへアラーム通知、発生日時、関連値、機械情報等詳細提供。

診断的分析

記述的分析基盤に「なぜ起きたか？」回答。統計用いてパターン発見、リアルタイムデータへ洞察提供。典型用途：異常検出と根本原因（図2）。

予測的分析

診断的分析基盤に「将来何が起き、なぜか？」回答。前2分析類似履歴データ活用し数理モデル構築、将来起こり得ること推論、生産性影響未来イベント事前警告（図3）。予測分析ツール：

• 異常検出：「振る舞いは異常か？」期待パターンに適合しないデータ発見。
• 分類：「この機械/プロセス故障するか？」データ二値分類（例：「この製品欠陥あるか？はい/いいえ」）。
• 多クラス分類：「理由Xで故障するか？」データ3以上カテゴリ分類（例：「品質欠陥種類？軽微/重大/クリティカル」）。
• 回帰：「故障までどれくらいか？」従属変数と1つ以上独立変数間関係統計的推定。

処方的分析

予測的分析基盤に「何をすべきか？」回答。オペレーターへ推奨アクション通知モデル提供。最適化・シミュレーションアルゴリズムよく使用。HMI/SCADAと処方的分析連携で複数可能アクション提示、オペレーターを解決へ誘導。

認知的分析

処方的分析基盤に「なぜそうすべきか？」回答。自己学習アルゴリズムと深層学習技法で人間思考模倣。

次世代理解へ

記述的/診断的分析が過去データで「何が/なぜ起きたか」説明する一方、予測的/処方的/認知的分析が履歴データで「将来起きること」と「特定成果達成へ取るべきアクション」予測。多く場合、複数分析とアルゴリズム同時使用、結果集約でより良い意思決定。

エッジデバイス導入HMI/SCADAソフトウェアが、リモートロケーションからでも組織をより良いデータ駆動意思決定へ導く分析提供の鍵要因になり得ます。競争力向上に寄与。

COVID-19パンデミックに銀の裏張りがあるとすれば、企業がビジネスモデルをよりリアルタイム・データ駆動意思決定へ調整する方法学んでいることです。人、設備、原材料、施設活用しプロセスへリモート可視性創出で、企業は顧客、従業員、サプライヤーとのより緊密な繋がりでより最適運営可能になりつつあります。

本記事はADISRA（オースティン、TX）最高技術責任者ブルーノ・アルモンド・クレパルディ氏執筆。詳細はこちら 。

参考文献

1. 2019年6月18日 - IDC新予測：接続IoTデバイス増加で2025年に79.4ZBデータ生成見込み。
2. 2020年6月1日 - グローバル組み込み分析市場2023年602.8億ドル到達見込み：AMR。