機械データを活用した工場現場の最適化 自動化製造設備（CNC工作機械）、そしてそれを操作する人々は、あらゆる製造オペレーションの鼓動する心臓部であり、製造業者にとって最大級の資本支出を占めます。これらの機械は数百万ドルの価値があり、他業界より多くのデータを生成しますが、ロボティクスと自動化のあらゆる革新にもかかわらず、このデータは効率改善のために取得・分析されていません。 これらの機械はミリ秒ごとに数百のデータポイントを生成し、データ構造は機械ごとに異なります。このため、すべての異なる機械間でデータを標準化することが極めて重要ですが、特定の設備ではこれが困難です。 OPC-UAやMTConne

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

ビッグデータは未来技術の基盤ですが、機械学習（ML）と人工知能（AI）も不可欠な役割を果たします。三者の関係は「ビッグデータ＝素材、ML＝方法、AI＝成果」と捉えられます。 機械学習とは AIの一分野で、明示的なプログラミングなしに、経験（データ）から自動的に学習・適応・改善するアルゴリズムを構築する技術。MLアルゴリズムは「訓練データ」に基づきモデルを構築し、未知データへの予測・分類を行います。 機械学習の4分類 教師あり学習 教師なし学習 半教師あり学習 強化学習 教師あり学習 「正解ラベル付きデータ」でモデルを訓練し、未知データの正解を予測させる手法。過去データ（入力特徴量）

今や誰もが機械学習について耳にし、それがすべてを変えると聞いています。しかし、実際にどう始めればよいか分かっている人はごく少数です。このブログの手順を試すか、あるいは読むだけでも、PLCnextコントローラで機械学習を始める足がかりになれば幸いです。ここでは、最初のMLモデルの訓練、ONNX形式への変換、PLCnextコントローラでの推論実行までを扱います。わかりやすくするため、有名なIrisデータセットを使用してモデルを構築します。 始める前に、何を達成しようとしているかを明確にしておきましょう。このブログで扱うトピックを簡単に説明します。参考資料は文末にまとめています。 機械学習入門 機械