데이터 품질로 IoT 프로젝트의 수익성을 높이는 방법

사물 인터넷(IoT)에 대한 전 세계 기술 지출은 2022년에 1조 2천억 달러(1조 유로)에 이를 것으로 예상되며, 이 중 개별 제조 1,190억 달러(1,080억 유로), 공정 제조 780억 달러(708억 유로), 운송 710억 달러(645억 유로) 및 유틸리티 610억 달러(554억 유로)

실제로 인더스트리 4.0 제품 및 서비스 시장은 향후 몇 년 동안 크게 성장할 것으로 예상되며, RFID, 웨어러블 및 자동화 시스템과 같은 기술의 변화를 활용하여 제조업체의 60% 이상이 완전히 연결될 것으로 예상됩니다. , FogHorn 제품 부사장 Ramya Ravichandar는 말합니다. .

업계는 현재 및 향후 IoT 및 IIoT 프로젝트의 긍정적인 성장을 예상하고 있지만 고객의 신뢰를 완전히 확보하고 파일럿 프로젝트를 성공적인 대규모 IoT 생산으로 옮기기 위해서는 몇 가지 중요한 과제를 해결해야 합니다. 많은 사람들이 연결 제한, 보안 위험, 데이터 양을 포함한 데이터 편향 문제를 IoT 성공의 장애물로 보고 있지만 데이터 품질도 효과적인 IoT 프로젝트를 제공하는 데 중요한 역할을 한다는 것을 발견했습니다.

데이터 품질이란 무엇이며 배포 성공에 어떤 영향을 미칩니까?

데이터 품질은 다음과 같은 세 가지 주요 방식으로 IoT 장치의 채택 증가에 중요한 역할을 합니다.

<올>

조직은 사용하는 데이터가 정확하고 당면한 사용 사례에 적합한 경우에만 올바른 데이터 기반 결정을 내릴 수 있습니다.

낮은 품질의 데이터는 실제로 쓸모가 없으며 부정확한 기계 학습 모델, 부정확한 의사 결정 또는 ROI 부족과 같은 심각한 문제로 이어질 수 있습니다.

특히, 인공 지능 및 머신 러닝 애플리케이션의 증가와 함께 가비지 인/가비지 아웃(garbage in/garbage out)의 고전적인 문제가 다시 나타났습니다.

<노스크립트>

고품질 데이터는 기계 학습(ML) 모델을 피드, 교육 및 조정하여 IoT 지원 공장이 정보에 입각한 데이터 기반 결정을 내릴 수 있도록 합니다.

예를 들어, 증기 터빈의 예기치 않은 고장은 발전소와 다운스트림 전력망 모두에 심각한 중단, 손상 및 경제적 손실을 초래할 수 있습니다. 고품질 데이터 세트에 대해 훈련된 예측 기계 학습 모델은 이러한 산업 조직이 심각한 문제가 발생하기 전에 잠재적인 오류를 감지하여 장비의 신뢰성을 극대화하는 데 도움이 됩니다.

그러나 누락되거나 불완전하거나 오류가 발생하기 쉬운 데이터를 포함하여 더티 데이터는 조직으로 하여금 불편하고 시간 소모적이며 값비싼 실수를 하게 만듭니다. 실제로 TDWI(Data Warehouse Institute)에 따르면 더티 데이터로 인해 미국 기업은 매년 약 6000억 달러(5450억 유로)의 비용을 지출합니다. 데이터 과학자의 업무 중 약 80%가 ML 모델이 올바른 통찰력을 제공할 수 있도록 데이터 준비 및 정리에 집중하고 있다는 사실입니다.

앞으로 조직은 데이터 스트림의 완전성, 유효성, 일관성 및 정확성을 보장하는 방법론을 통합하여 통찰력 품질을 향상하고 효과적인 IoT 프로젝트를 배포하며 최적의 ROI를 실현해야 합니다.

그럼 엣지 컴퓨팅은 데이터 품질에서 어떤 역할을 합니까?

산업용 센서는 다양한 유형으로 제공되며 비디오, 오디오, 가속도, 진동, 음향 등을 포함하여 대용량, 다양성 및 속도의 데이터를 수집합니다. 조직이 이러한 다양한 데이터 스트림을 모두 성공적으로 정렬, 정리, 강화 및 융합할 수 있다면 운영의 효율성, 상태 및 안전을 크게 향상시킬 수 있습니다. 그러나 공장 운영에 대한 완전하고 정확한 그림을 그리기 위해 조직은 이러한 다양한 원격 데이터 소스에서 제공하는 원시 통찰력을 수집, 결합 및 처리해야 합니다.

<노스크립트>

에지 컴퓨팅은 초기에 실시간 데이터를 수집 및 처리한 다음 가치를 식별하는 데 도움이 되도록 데이터 내에 구조를 생성할 수 있기 때문에 이러한 유형의 환경에서 번창합니다.

에지 지원 머신은 로컬에서 더티 데이터를 정리하고 형식을 지정하여 정확하고 효과적인 머신 러닝 모델의 교육 및 배포를 개선합니다. 실제로 업계 연구원들은 IoT의 에지 기반 사용 사례가 주요 수직 시장 전반의 성장을 위한 강력한 촉매제가 될 것이며 2025년까지 IoT 배포의 59%에서 에지 컴퓨팅에 의해 데이터가 (어떤 형태로든) 처리될 것이라고 믿습니다.

예를 들어, 에지 컴퓨팅을 사용하여 공장은 실시간으로 센서 데이터를 분석하여 이전에 정의된 임계값을 벗어나는 값을 식별하고 ML 모델을 구축 및 교육하여 근본 문제 원인을 식별하고 원하는 경우 배포함으로써 제품 품질을 개선할 수 있습니다. 결함 부품의 생산을 자동으로 중지하는 ML 모델.

이와 유사한 사용 사례의 경우 에지 지원 솔루션은 실시간 머신 데이터(저품질 데이터)를 생산 효율성 및 품질 메트릭과 관련된 실행 가능한 통찰력(고품질 데이터)으로 변환하여 운영 관리자가 계획되지 않은 가동 중지 시간, 수율 극대화 및 장비 활용도 증가

에지 솔루션이 실시간 데이터 처리 및 분석을 사용하여 원시 스트리밍 센서 데이터를 실행 가능한 통찰력으로 전환함에 따라 많은 조직이 에지 컴퓨팅이 IoT 및 IIoT 프로젝트에 가져올 수 있는 가치를 이해하기 시작했습니다. 에지 컴퓨팅은 생성 시점에서 더티 데이터를 정리하고 강화함으로써 데이터 품질을 크게 향상시키고 반복적인 머신 데이터를 개선하여 운영 효율성을 높일 수 있습니다.

작성자는 Ramya Ravichandar, FogHorn 제품 부사장입니다.