機械や生産工場では、絶えずデータが生成されています。このデータをイノベーションに変換することに成功した企業は、決定的な競争上の優位性を得ることができます。ワイドミュラーは、使いやすいソフトウェアにより、機械メーカや製造会社に人工知能の手法を提供しています。
Industrial Analyticsを用いた機械やプロセスデータの解析には、異常の検出や将来の機械挙動の予測が可能な複雑なモデルを使用します。人工知能(AI)手法と機械学習(ML)により、生のデータから得られる特徴量を用いて、これまで知られていなかった測定値間の関係性を明らかにします。
複合的なノウハウが必要
必要な情報は、ほぼすべての企業で利用できます。重要な分析モデルを構築する際、特に中規模企業では、データサイエンティストの外部サポートに依然として依存している場合がほとんどです。ワイドミュラーは、データサイエンティストのリソースがなくても行動できる画期的なソリューションを開発しました。エンドユーザーと密接に協力して、データの専門家は、測定値の関連する相関関係を特定し、初期モデルのトレーニングを行います。アプリケーションが成功すると、初期モデルに新データが繰り返し供給され、機械のライフサイクル全体にわたって開発が進みます。これにより、時間の経過とともに情報の質が向上します。
機械学習を学ぶ
多くの機械メーカや製造会社は、分析の専門家によるデータ駆動型の活動に作業が最適化されているため、まだ利用可能な機械学習ツールを独自に使用できません。企業は、莫大な費用をかけて既存の従業員を教育するか、データサイエンティストを雇うかのどちらかになります。その結果、抑制閾値が発生し、現在では業界における AI の普及が遅れています。
代替案として、統計的なトレーニングを受けていないユーザーでも分析モデルを理解して生成できる、使いやすいソフトウェアソリューションを開発することが挙げられます。ワイドミュラーのIndustrial Analytics事業部門は、このアイデアを自動機械学習ソフトウェアで実践しています。アプリケーションの名前そのものは、モデルの大部分が自動的に開発されることを示しています。
「同様のアプリケーションは現在、フィンテック、銀行業務、マーケティングの分野で使用されています。ただし、既存のソリューションはオートメーション業界の関連データタイプをサポートしていないため、機械やプラントエンジニアリングには適していません。常に理想的なデータベースが必要です」 とBU Industrial Analytics の製品マネージャであるDr Carlos Paiz Gaticaは説明しています。また、業界別の応用に不可欠なユーザーの専門知識を統合する機能も備えていません。
自動機械学習のソフトウェアでは、ワイドミュラーの分析専門家が、領域専門家のデータや情報をアルゴリズムと組み合わせて最適なモデルを自動で生成します。次の作業手順では、異常検出を例にして、モデル生成プロセスについて説明します。
1.トレーニングデータの選択
領域専門家は、機械またはプラントの正常動作の学習に使用するデータセットを決定します。そのために、まず生データの概要を生成し、ユーザーがデータの情報内容を評価するのをサポートします。測定値の作成は完全に自動で行われます。
2.特徴量エンジニアリング
生データが十分でない場合は、それに基づいて追加の情報を生成できます。ユーザーは、自分の専門知識を使用して新たに特徴量を作成できます。例えば、温度変化の個々の状態を示すだけでなく、その過程を示すことができます。このような特徴量を使用すると、多くの場合、生データよりも機械の状態をより適切に評価できます。
3.機械動作のラベル付け
ラベルを使用すると、ユーザーはデータ内で正常な動作（緑）または望ましくない動作（赤）が存在する領域にマークを付けることができます。これにより、ユーザーは自分の専門知識でトレーニングデータの情報量を増やすことができます。支援システムは、データセット内の類似した状況を直接強調表示することによって、ラベリングプロセスをサポートしています。
4.モデルトレーニング
ラベル付けされたデータセットはモデルに変換され、さまざまなML手法でトレーニングされます。この完全に自動化されたプロセスにより、代替モデルのリストが作成され、結果の品質、実行時間、トレーニング期間に関する情報が提供されます。いわゆるAnomaly Score Plotは、モデルの結果を直接表すので、専門家はモデルの性能を直接比較できます。望ましモデルの性能にまだ達っしていない場合、ユーザーはモデルの特徴量やラベルを再び編集できます。その後、モデルをターゲットシステムのアーキテクチャに直接転送できます。
AI アプリケーションの拡張
「自動機械学習ソフトウェアにより、機械メーカや製造会社は、データの専門家になることなく、人工知能や機械学習のメリットを独自に活用する機会を得ることができます」と Paiz 氏は言います。「一般的に応用することで、初期モデルの生成とさらなる開発の両方でユーザーをサポートします。このように、企業はデータサイエンティストのリソースに依存することがなくなり、プロセスや機械の知識を外部のパートナーと共有する必要もありません。」