Dáta z historianu (a ML)
- Historian je archív časových radov závodu: roky dát zo senzorov a PLC, už zozbieraných, už zaplatených.
- Je to najrýchlejšia cesta k hodnote ML: moderné platformy sa trénujú na dátach z historianu bez nového hardvéru.
- Pascami sú artefakty kompresie, nič nehovoriace názvy tagov a chýbajúci kontext (výrobok, zmena, šarža): riešiteľné, ale počítajte s nimi v rozpočte.
- Najprv nepotrebujete data lake: platformy sa čoraz častejšie pripájajú priamo k historianu a kontextualizujú dáta počas učenia.
Každá ambícia v oblasti ML v závode vedie cez jedno nenápadné aktívum: historian. OSIsoft PI, Wonderware, GE Proficy alebo domáce úložisko SQL: obsahuje roky presne tých dát, ktoré modely potrebujú, a už tam je. Závody, ktoré začnú s ML od historianu, majú prvé výsledky v priebehu dní; závody, ktoré začnú stavbou data lake, sa prvých výsledkov často dočkajú až v ďalšom fiškálnom roku.
Čo z neho modely potrebujú
Tri veci, zoradené podľa bolestivosti. Rozlíšenie: historiany komprimujú (deadband, swinging-door); agresívna kompresia môže vymazať práve tie prechodové deje, ktoré model potrebuje. Overte skutočne uložené rozlíšenie voči tomu, čo vyžadujú poruchové režimy. Sémantika tagov: modelom je jedno, že sa tag volá TT4711, ale inžinierom, ktorí konajú podľa atribúcií, nie: krok mapovania tagov je súčasťou každého seriózneho nasadenia. Kontext: kódy výrobkov, ID šarží, značky zmien a prestavieb menia anonymné časové rady na trénovacie dáta, ktoré rozlišujú režimy; bez nich si modely mýlia zmenu výrobku s driftom procesu.
Praktický postup
Pripojiť historian v režime len na čítanie, spätne načítať 6-24 mesiacov, namapovať podstatné tagy, pridať kontextové toky (dáta o výrobkoch a šaržiach z MES/ERP) a nechať platformu trénovať. Dodávatelia sa enormne líšia v tom, koľko z toho automatizujú: je to lepšia otázka na demo než čokoľvek o algoritmoch.
Časté otázky
- Koľko dát z historianu platformy ML potrebujú?
- Dosť normálnej výroby, aby pokryla skutočné prevádzkové režimy: bežne 6-24 mesiacov spätne. Viac výrobkov a sezónnosť posúvajú požiadavku k hornej hranici; stabilná jednoproduktová linka môže začať s menej.
- Musíme dáta najprv vyčistiť?
- Nie vyčerpávajúco: moderné platformy znesú medzery aj šum. Opravte to, čo mení závery: uložené rozlíšenie, mapovanie tagov pri podstatných premenných a kontext režimov (výrobok/šarža/zmena). Projekt čistenia, ktorý začína perfekcionizmom, je miestom, kde umiera tempo.
Každé číslo z tohto webu: v jednej tabuľke so zdrojmi.
Výpočet trhu 43,6 mld. USD, podiely prípadov použitia, bariéry zavádzania a publikované výsledky nasadení, s nedotknutým stĺpcom zdrojov. Pripravené na vloženie priamo do vášho business case.