datarpm-overview

IIoTデータ活用を駆使し、設備効率を向上

強力な機械学習分析を活用し、複雑な産業データの活用に取り組む

IIoTデータ向けマシンファースト・ソリューション

Progress DataRPM異常検知と予知保全ソリューション(ADP)は、計画外の機械停止や保守費の削減のみならず、効率、歩留まり、品質低下などの、リスクやコストに影響を及ぼすシグナルを早期に見極めます。各センサーの時系列データの正常状態を様々なパターンで機械学習。既知の問題だけでなく、未知の問題を引き起こすシグナルとなる偏差を検出します。

エンタープライズプラットフォーム上での共同作業は手戻りを撲滅し、4D(データサイエンティスト、開発者、デザイナー、DevOps担当者)の生産性を向上します。開発から本番環境へのシームレスな移行が可能。個の設備より大規模環境まで、スケール不問の異常検知と予知保全を実現します。

わずか6ステップで産業設備の問題を一掃

how-it-work-1
Connect

CSVデータのアップロードもしくはデータソースへのコネクタを使用し、規定の形式でデータを送信。

Detect

設備/エンティティ及びセンサー/属性レベルで異常を検知。サマリー及び異常検知の品質マトリクスで確認。

Verify

既知の異常またはイベントデータで検証。

how-it-work-2
Predict

設備/エンティティ及びセンサー/属性レベルで異常及び既知/未知のイベントを予測。サマリー及び異常検知の品質マトリクスで確認。

Visualize

設備の振る舞いの変化をリアルタイムまたは過去に遡り確認。

Act

業務システムにAPI接続し、検出された異常と予測に対処。

IIoT成功への青写真 - 開発環境から大規模な本番環境まで

IIoTデータを活用した産業設備の品質、歩留まり、メンテナンス向上模索するR&Dチームに、DataRPMはより素早くインサイトを提供します。PoC段階でも本番環境においても、DataRPMの導出するインサイトを活用すれば、最善な判断を下せます。

DataRPMはエキスパートの代わりにマシンデータを自動分析し、解析プロフェッショナルの立場に立ったインサイトを提供します。

DataRPMが解析プロセスを自動化する手順:
1

様々な稼働状況下で稼働するセンサーデータのステージを特定するための、ユニークなデータ署名を作成。

2

データパターンを抽出し、正常状態の学習及びモデル化。設備ごとに異常な状態を特定。

3

類似した設備からモデルの集合を学習し、複数設備間での学習内容を転送。

4

モデル集合を適用し、すべての設備における問題を予測。

5

インサイトを自然言語で提示。

6

データサイエンス・ワークフローより収集したメタデータと専門家のフィードバックで学習し、継続的にモデルを改善。

主な効果

check高精度

自己学習型の適応アルゴリズムを使用し、より早くモデルを開発します。センサーステージ内での振る舞い、異なるセンサー間での相互作用、及び類似した設備の振る舞いから、深刻性、連続性、頻度に基づき異常を検知します。

 

 

check優れた予測

教師なし機械学習アルゴリズムが既知の問題のみならず、未知の問題についても早期にその兆候を機械学習します。

check教師無し学習

ラベルなしデータをそのまま機械学習し、実用的なインサイトを提供します。異常検知に過去の異常データは必須ではありません。

checkスケーラブル、漸進的かつダイナミックなモデル

データサイエンティストによる設備ごとの分析作業を削減します。また、状況変化に応じて継続学習し、自動的にモデルを更新します。

 

check生産性の向上

データサイエンティストは分析ワークフローの再生成より解放され、高付加価値な業務に集中できます。デザイナー、開発者、データエンジニア、DevOps担当者は、統合プラットフォーム上でデータサイエンティストと共同作業ができるため、認識の齟齬による手直しや遅延を削減できます。

check驚くべき速さでROIを向上

小規模なデータセットで迅速に検証を実施し、大規模な並列分散型の本番環境への展開も容易です。データ・サイエンス・ワークフローのモデル開発に於ける作業重複を防止できます。

データ・サイエンス・ブロック構築に最適なフレームワーク

DataRPMならばPoCに即座に着手できます。データ・サイエンス・ブロック構築技術を活用し、IIoTデータが予測不能な状態にならないようにします。

DataRPM_AssetDetail
Recipes
  • メゾットとアルゴリズムを組み合わせた単一のデータ・サイエンス・タスク。
  • 自社独自のレシピを作成。
Process Flows
  • 複数のレシピを組み合わせ、単一もしくは分散環境でタスクを順次または並列に実行。
  • 検証環境から本番環境への容易な移行。
Micro-App Framework
  • リッチでインタラクティブなユーザインタフェースを構築。
  • カスタマイズ可能な既定のMicro-App。
Integration  Framework
  • 様々なデータソースよりデータを収集するコネクタフレームワーク。
  • 外部アプリケーションとの統合を実現するRESTfulフレームワーク。
Meta-Learning Framework
  • 様々なデータ・サイエンス・タスクと機械学習よりメタデータを抽出し、デジタル・エクスペリエンス・レポジトリを構築。
  • メタデータを学習し、最適な設定を推奨、自動化。