Historian verisi (ve makine öğrenmesi)
- Historian, tesisin zaman serisi arşividir: yıllarca biriken sensör ve PLC verisi, zaten toplanmış, zaten ödenmiş.
- Makine öğrenmesi değerine giden en hızlı yoldur: modern platformlar yeni donanım olmadan historian verisiyle eğitilir.
- Tuzaklar sıkıştırma kalıntıları, anlamsız etiket adları ve eksik bağlamdır (ürün, vardiya, parti): düzeltilebilir, ama bütçeye dahil edin.
- Önce bir veri gölüne ihtiyacınız yok: platformlar giderek daha sık doğrudan historian’a bağlanıyor ve öğrendikçe bağlamsallaştırıyor.
Bir tesisteki her makine öğrenmesi hedefi gösterişsiz tek bir varlıktan geçer: historian. OSIsoft PI, Wonderware, GE Proficy veya şirket içinde geliştirilmiş bir SQL deposu: modellerin tam olarak ihtiyaç duyduğu verilerin yıllarcasını tutar ve zaten oradadır. Makine öğrenmesine historian’dan başlayan tesisler ilk sonuçları günler içinde alır; veri gölü kurarak başlayanlar ise ilk sonuçlarını çoğu zaman bir sonraki mali yılda görür.
Modellerin ondan neye ihtiyacı var
Zorluk sırasına göre üç şey. Çözünürlük: historian’lar sıkıştırma yapar (deadband, swinging-door); agresif sıkıştırma, bir modelin ihtiyaç duyduğu geçici olayları tam da silebilir. Gerçekte saklanan çözünürlüğü, arıza modlarının gerektirdiğiyle karşılaştırın. Etiket anlamı: bir etiketin TT4711 olarak adlandırılması modelleri ilgilendirmez, ama atıflara göre harekete geçen mühendisleri ilgilendirir: etiket eşleme adımı her ciddi dağıtımın parçasıdır. Bağlam: ürün kodları, parti kimlikleri, vardiya ve ürün değişimi işaretleri anonim zaman serilerini rejim farkındalıklı eğitim verisine dönüştürür; bunlar olmadan modeller bir ürün değişimini proses sürüklenmesiyle karıştırır.
Pratik sıralama
Historian’ı salt okunur bağlayın, 6-24 aylık geçmişi yükleyin, önemli etiketleri eşleyin, bağlam akışlarını ekleyin (MES/ERP’den ürün ve parti verileri) ve platformun eğitilmesine izin verin. Tedarikçiler bunun ne kadarını otomatikleştirdikleri konusunda muazzam farklılık gösterir: algoritmalarla ilgili her şeyden daha iyi bir demo sorusudur.
Sıkça sorulan sorular
- Makine öğrenmesi platformlarının ne kadar historian verisine ihtiyacı var?
- Gerçek çalışma rejimlerini kapsayacak kadar normal üretim: genellikle 6-24 aylık geçmiş. Daha fazla ürün ve mevsimsellik üst sınıra doğru iter; istikrarlı tek ürünlü bir hat daha azıyla başlayabilir.
- Önce verileri temizlememiz gerekir mi?
- Kapsamlı biçimde değil: modern platformlar boşlukları ve gürültüyü tolere eder. Sonuçları değiştireni düzeltin: saklanan çözünürlük, önemli değişkenler için etiket eşleme ve rejim bağlamı (ürün/parti/vardiya). Mükemmeliyetçi bir temizlik projesi, ivmenin öldüğü yerdir.
Bu sitedeki her rakam: tek bir kaynaklı tabloda.
43,6 milyar dolarlık pazar hesabı, kullanım senaryosu payları, benimseme engelleri ve yayımlanmış uygulama sonuçları, kaynak sütunu korunarak. Doğrudan iş gerekçenize yapıştırmaya hazır.