COVID-19로 데이터 수집 및 분석 진화

데이터 수집 전략은 원격 데이터 시각화 및 실시간 데이터 기반 의사 결정에 대한 요구 사항이 증가함에 따라 COVID-19 시대에 진화하고 있습니다. HMI(인간-기계 인터페이스) 및 SCADA(감독 제어 및 데이터 수집) 시스템은 에지 장치에서 분석을 수행하여 성공의 기본이 되는 민첩성과 탄력성을 제공할 수 있기 때문에 디지털 혁신을 달성하는 데 더욱 중요해지고 있습니다.

신규 센서와 기존 센서 연결

현장 장비에 설치된 기존 기기 및 최신 IoT(사물 인터넷) 센서는 에지 장치에 매우 근접하여 펌프 압력 또는 기계 작동 조건과 같은 생성된 대량 데이터를 캡처할 수 있습니다. IDC(International Data Corporation)는 20251년에 IoT만으로 79.4제타바이트의 데이터가 생성될 것으로 예측하지만 이 모든 원시 데이터가 반드시 인사이트를 생성하는 것은 아닙니다. 대신 원시 데이터 분석에서 파생된 정보, 지식 및 통찰력을 얻고 적용하여 최종 사용자가 프로세스를 개선할 수 있도록 해야만 가치가 창출됩니다.

스마트 센서 솔루션은 실시간 신호를 압축, 필터링 또는 분석을 위해 원하는 형식으로 변환하는 데 사용할 수 있습니다. 그러나 완전한 데이터 기반 변환을 위해 포함되어야 하는 독점 프로토콜과 함께 이미 서비스 중인 많은 레거시 장치가 있습니다. HMI/SCADA 소프트웨어 설치는 이미 에지 근처에 있으므로 레거시 장치와 통신하고 스마트 센서와 협력하여 실시간 데이터 기반 의사 결정을 지원하는 데 이 소프트웨어를 사용하는 것이 자연스럽고 편리합니다.

에지에서 분석 제공

에지 장치에서 고급 분석을 수행할 수 있는 HMI/SCADA 소프트웨어는 제어, 시각화 및 실시간 데이터로부터의 통찰력과 지식의 공식화에서 중추적인 역할을 할 것입니다. 이미 시각화 및 제어에 사용되기 때문에 HMI/SCADA 소프트웨어는 현재 작업의 모니터링 및 제어를 제공합니다(그림 1).

앞으로 HMI/SCADA 소프트웨어는 데이터 기반 의사 결정을 지원하기 위해 실시간 데이터에 필수적인 컨텍스트를 제공할 수 있습니다. 또한 알려진 패턴을 감지하고 이상 징후를 발견할 수 있으며 운영자에게 임박한 장애를 미리 예측하고 경고할 수 있습니다. 추론 및 로컬 작업은 에지 장치 또는 에지 서버에서 처리할 수 있으며 집계 데이터 또는 예측 모델링은 클라우드에서 수행할 수 있습니다. 고급 분석은 HMI/SCADA의 기존 기능을 확장하여 사용자가 이벤트 및 동작의 근본 원인을 이해하고 미래 조건을 예측할 수 있도록 합니다.

네트워크 에지에서 분석이 포함된 모바일 HMI/SCADA 애플리케이션을 배포하면 조직에 원격 작업자를 위한 지능형 모바일 서비스를 지원할 수 있는 추가적인 수준의 유연성이 제공됩니다. 이러한 모바일 애플리케이션은 원격 장치의 풍부한 데이터 수집을 활용하고 머신 모델링 및 기타 분석을 위해 클라우드로 보내기 전에 추가 집계 및 분석을 위해 에지 서버와 공유할 수 있습니다.

데이터를 지식으로 변환해야 하는 필요성 때문에 임베디드 분석으로 정의되는 HMI/SCADA 애플리케이션과 분석의 긴밀한 통합이 증가하고 있습니다. Allied Market Research는 임베디드 분석 시장이 2016년 251억 3천만 달러에서 2023년 602억 8천만 달러로 성장할 것으로 예측합니다. 신청.

임베디드 분석의 결과에는 핵심 성과 지표(KPI), 통계 평가, 운영자가 작업을 수행하는 위치 및 의사 결정이 이루어지는 위치와 가까운 경고가 포함됩니다. 디지털 혁신을 데이터가 수집되는 엣지에 더 가깝게 밀어붙이려는 이러한 요구는 데이터 기반 의사 결정을 더 빨리 내려야 한다는 압력 때문에 존재합니다. 실시간에 가까운 응답을 가속화해야 하기 때문에 운영자는 더 이상 분석을 위해 제어실로 돌아갈 시간이 없습니다.

기계 학습 및 알고리즘

데이터 분석은 실시간 및 기타 데이터 소스에서 의미 있는 통찰력을 추출합니다. 머신 러닝은 알고리즘을 사용하여 데이터를 추출하고 학습한 다음 과거 데이터를 기반으로 미래를 예측하는 분석의 한 형태입니다. 알고리즘은 데이터 세트를 모델로 변환합니다. 최적의 알고리즘 교육 또는 학습 방법은 해결하려는 문제의 종류, 사용 가능한 컴퓨팅 리소스 및 데이터의 특성에 따라 다릅니다. 지도 학습 방법과 비지도 학습 방법 두 가지가 있습니다.

지도 학습에서 알고리즘은 원하는 출력(레이블이라고도 함)과 함께 입력 세트와 함께 제공됩니다. 목표는 컴퓨터가 본질적으로 관계를 분해하고 어떤 입력 데이터가 출력에 매핑되고 어떻게 매핑되는지 배울 수 있도록 하는 규칙을 발견하는 것입니다.

비지도 학습을 사용하면 알고리즘에 입력 집합이 제공되지만 원하는 출력(레이블)이 없습니다. 즉, 알고리즘은 발견된 패턴을 기반으로 수천 개의 데이터 포인트를 평가하고 분류할 때 자체적으로 구조와 패턴을 찾아야 합니다. 분석에는 기술, 진단, 예측, 처방의 4가지 전통적인 분석 범주가 있으며 나머지 다섯 번째는 인지의 형태로 등장합니다.

기술 분석은 "무슨 일이 일어나고 있습니까?"라는 질문에 답합니다. 실시간 및 과거 데이터를 기반으로 데이터에 컨텍스트를 제공하여 프로세스가 어떻게 수행되고 있는지에 대한 통찰력을 얻습니다. 실시간 데이터를 기반으로 하는 기술 분석을 사용하는 HMI/SCADA 애플리케이션은 무슨 일이 일어나고 있는지 시각화하고 운영자에게 경보를 알리며 발생 날짜/시간, 관련 값 및 기계 정보와 같은 세부 정보를 제공합니다.

진단 분석은 "왜 이런 일이 일어났습니까?"라는 질문에 답하기 위해 기술 분석을 기반으로 합니다. 진단 분석은 통계를 사용하여 패턴을 찾고 실시간 데이터에 대한 통찰력을 제공합니다. 일반적인 용도는 이상 현상 및 근본 원인을 식별하는 것입니다(그림 2).

예측 분석은 진단 분석을 기반으로 하여 "미래에 무슨 일이 일어날 것이며 그 이유는 무엇입니까?"라는 질문에 답합니다. 예측 분석은 앞의 두 가지 분석 유형과 동일한 과거 데이터를 활용하여 미래에 일어날 일을 추론하는 데 사용할 수 있는 수학적 모델을 구축하여 작업자에게 생산성에 영향을 미치는 미래 이벤트를 미리 경고합니다(그림 3). 다음을 포함하여 예측 분석에 사용되는 몇 가지 도구가 있습니다.

• "행동이 이상합니까?"라는 질문에 답하는 이상 탐지 예상 패턴과 일치하지 않는 데이터를 찾습니다.

• "이 기계나 프로세스가 실패할 것인가?"라는 질문에 답하는 분류 "이 제품에 결함이 있습니까?"와 같은 이진 범주로 데이터를 분류합니다. 예 또는 아니요.”

• 다중 클래스 분류는 "이 기계 또는 프로세스가 X의 이유로 실패합니까?"라는 질문에 대한 답을 시도합니다. "이 제품은 어떤 품질 결함이 있습니까?"와 같이 3개 이상의 범주 중 하나로 데이터를 분류합니다. 마이너, 메이저 또는 크리티컬?"

• 회귀는 "이 기계나 프로세스가 실패하기까지 얼마나 걸립니까?"라는 질문에 답합니다. 회귀는 종속 변수와 하나 이상의 독립 변수 간의 관계를 추정하기 위해 통계적 프로세스를 사용합니다.

처방적 분석은 "무엇을 해야 합니까?"라는 질문에 답하기 위해 예측 분석을 기반으로 합니다. 처방적 분석은 권장 조치에 관해 운영자에게 알리는 모델을 제공합니다. 최적화 및 시뮬레이션 알고리즘은 처방적 분석에 자주 사용됩니다. 처방적 분석과 함께 작동하는 HMI/SCADA는 여러 가지 가능한 조치를 처방하고 운영자를 솔루션으로 안내할 수 있습니다.

인지 분석은 처방적 분석을 기반으로 "왜 해야 합니까?"라는 질문에 답하기 위해 구축됩니다. 인지 분석은 자가 학습 알고리즘과 딥 러닝 기술을 사용하여 인간의 사고 방식을 모방합니다.

차세대 이해

기술 및 진단 분석은 과거 데이터를 사용하여 무슨 일이 일어나고 왜 일어났는지 설명하는 반면 예측, 처방 및 인지 분석은 과거 데이터를 사용하여 특정 결과에 영향을 미치기 위해 취해야 할 조치와 함께 미래에 일어날 일을 예측합니다. 많은 경우 여러 분석 및 알고리즘이 동시에 사용되며 더 나은 의사 결정을 위해 결과가 집계됩니다.

에지 장치에 배포된 HMI/SCADA 소프트웨어는 조직이 원격 위치에서도 더 나은 데이터 기반 의사 결정을 내리도록 유도하여 경쟁력을 향상시키는 분석을 제공하는 핵심 요소가 될 수 있습니다.

COVID-19 대유행의 은벽이 있다면 기업이 비즈니스 모델을 보다 실시간 데이터 기반 의사 결정에 맞게 조정하는 방법을 배우는 방법입니다. 사람, 장비, 원자재 및 시설을 활용하는 프로세스에 대한 원격 가시성을 확보함으로써 기업은 고객, 직원 및 공급업체와 긴밀한 관계를 제공함으로써 보다 최적으로 운영할 수 있음을 알게 되었습니다.

이 기사는 ADISRA(텍사스 오스틴)의 최고 기술 책임자인 Bruno Armond Crepaldi가 작성했습니다. 자세한 내용은 여기를 방문하십시오. .

참조

1. 2019년 6월 18일 - 새로운 IDC 예측에 따르면 연결된 IoT 장치의 성장은 2025년에 79.4ZB의 데이터를 생성할 것으로 예상됩니다.
2. 2020년 6월 1일 - 2023년까지 602억 8000만 달러에 도달할 글로벌 임베디드 분석 시장:AMR.