사실 또는 허구:귀하의 데이터는 어떤 이야기를 말합니까?

기원전 30,000년에 우리 조상들은 동굴 벽에 일상 생활에 대한 이야기를 그렸고 기원전 700년에 우리는 길가메시라는 최초의 인쇄된 이야기를 갖게 되었습니다. 2021년을 향해 나아가십시오. 우리는 이미 반년 이상 동안 AI와 함께 이야기를 함께 만들어 왔습니다. 하지만 정확한 비즈니스 인텔리전스가 일상적일 때 기업은 인공 지능과 머신 러닝 시스템이 예술적 자유를 빼앗아 허황된 이야기를 늘어놓는 것이 아님을 확신하기를 원합니다.

AI 및 ML이 주도하는 의사 결정이 현재까지 가장 높은 수준으로 채택되고 있으며 가장 꺼리는 경영진도 데이터 중심의 전략 접근 방식을 통해 얻을 수 있는 엄청난 이점을 보게 됨에 따라 특히 그렇습니다. AI 및 ML의 약속에 대한 신뢰가 구축됨에 따라 정확성이 매우 중요합니다. 많은 사람들이 가장 먼저 생각하는 질문은 다음과 같습니다. "데이터가 전체 이야기를 말하고 있고 사실에 기반한 것인지 어떻게 알 수 있습니까? 우리 모델을 신뢰하기 위해 무엇을 알아야 합니까?”

깨끗한 데이터

기계 학습 시스템이 부정확한 예측을 제공할 때 우리는 한 가지 원인인 데이터를 볼 수 있습니다. 검은 백조 사건을 제외하고 데이터는 모든 예측 시스템의 시작, 중간 및 끝입니다. 시스템을 안정적으로 교육하거나 예측을 기반으로 하는 데이터가 충분하지 않을 수 있으며, 이 경우 더 많은 데이터 포인트로 문제를 해결할 수 있습니다. 일반적으로 이와 같은 것은 모델에 대한 관념화의 초기 단계에서, 그리고 적어도 매우 부정확한 예측을 방지하는 한 배포 이전에 거의 확실하게 포착됩니다. 그러나 더 가능성이 높은 원인은 시작 데이터가 충분히 "깨끗하지" 않았다는 것입니다. 충분히 깨끗한 것은 상대적입니다. 일부 프로젝트의 데이터 요구 사항은 "내 운동화가 슈퍼마켓에 갈 만큼 깨끗합니까?"와 유사합니다. 특히 중요한 시스템과 생명, 안전 및 웰빙과 관련된 시스템의 다른 시스템은 데이터가 얼마나 깨끗해야 하는지와 관련하여 "먼지가 없고, 침처럼 빛나고, 치아를 확인할 수 있는 퍼레이드 광택" 시나리오와 비슷합니다. 안정적으로(그리고 윤리적으로) 작업을 수행합니다.

그럼 데이터를 더럽게 만드는 것은 무엇입니까? 단편 소설이 부정확하거나 왜곡된 정보입니다.

깨진 태그, 깨진 모델

이것은 부적절하게 태그가 지정된 데이터, 잘못된 필드에 잘못된 정보가 있거나 잘못된 형식의 데이터일 수 있습니다. 2015년 12월 27일 대신 2015년 12월 27일 또는 2015년 12월 27일. 첫 번째 옵션은 단순히 오류를 발생시키거나 무시할 수 있지만 마지막 두 날짜 형식을 교환하면 정확도에 심각한 영향을 미칠 수 있습니다. 날짜는 잘못된 형식이 영향을 줄 수 있는 전부가 아닙니다. 시간, SKU, 숫자가 있어야 하는 텍스트, 텍스트가 있어야 하는 숫자, 재정의, 알람, 로드, 속도, 작업 현장 장비에서 나오는 모든 특수 데이터 스트림, 요점은 안정적이고 일관된 구조가 없으면 데이터가 지저분해지고 부정확한 통찰력으로 이어질 수 있다는 것입니다.

MachineMetrics를 사용하면 기업에서 광범위한 데이터 유형을 표준화하고 형식을 지정하여 쉽게 분석할 수 있는 자동화된 데이터 변환 엔진을 활용할 수 있습니다. 맞춤형 센서 값, 기계 상태, 모드, 알람, 오버라이드, 부하, 속도, 피드, PMC 매개변수, 진단 등을 처리할 수 있습니다.

당신의 출처를 신뢰할 수 있습니까?

사용 중인 모든 데이터 소스의 정확성과 정확성을 고려하는 것이 중요합니다. 특히 해당 소스가 사람인 경우 더욱 그렇습니다. 인간은 가장 정확한 생물이 아닙니다. 우리는 숫자를 반올림하고 잊어버리고 위조합니다. 우리는 게으르거나 피곤하거나 배고프거나 산만해집니다. 인적 데이터 소스를 사용하는 특성상 데이터는 어떤 식으로든 더러워집니다. 여기에서 허용 오차를 확인하는 것이 중요합니다. 예를 들어, 기계 운영자는 사용하는 장비의 상태에 대한 데이터를 추가할 수 있습니다. 가동 중지 시간에 대한 정보를 제공할 때 나열된 이유는 정확할 수 있지만 시간은 추정치에 가깝습니다. 이렇게 하면 예측 시스템이 출력하는 응답이 실제로 정확한 데이터가 제공된 경우보다 추정치에 더 가깝기 때문에 예측 시스템의 정확도가 떨어집니다.

이것은 현실적인 허용 오차를 고려해야 하는 또 다른 시나리오입니다. 초 또는 30분 간격? 머신 데이터 소싱의 경우 일부 사용 사례의 경우 나노초 이하로 볼 수도 있습니다. 프로젝트에 합당한 허용 오차가 무엇이든 관계없이 해당 허용 오차를 적용하고 시스템에 대한 모든 데이터 입력이 정확성을 위해 해당 매개변수 내에 포함되도록 하는 것이 중요합니다.

MachineMetrics 고주파 데이터 어댑터는 1kHz에서 머신 데이터를 캡처하므로(표준 1Hz에 비해 1000배 더 빠름) 애플리케이션에서 요구하는 정확도 수준에 관계없이 비트를 놓치지 않습니다.

기업이 편향 가능성을 찾아야 하는 곳이기도 합니다. 누락의 거짓말은 여전히 ​​​​동화 예측으로 이어집니다. 데이터 소스가 전체 그림을 표시할 만큼 충분히 광범위하게 수집되고 있습니까? 아니면 사용된 수집 방법의 결과로 편향되기 쉬운가요? 예를 들어, 생산 라인 근로자의 평균 급여를 계산하려고 하지만 모든 응답자가 남성인 경우 보다 명확하고 정확한 결과를 얻기 위해 남성과 여성 모두를 설문조사한 경우와 비교하여 왜곡된 수치를 가질 가능성이 높습니다. 더 정확한 그림. 이와 같은 잠재적인 실수를 적극적으로 찾으면 더 깨끗한 데이터와 더 정확한 예측으로 이어질 수 있습니다.

상황 및 복잡성

시스템이 복잡할수록 시스템을 분석에 사용할 수 있는 것으로 변환하려고 할 때 시스템을 뒷받침하는 데이터와 논리의 부정확성, 불일치, 위험 및 일반적인 고장에 대한 여지가 더 많습니다. 데이터를 수집하려는 프로세스에는 몇 단계가 있습니까? 원시 데이터에 대한 컨텍스트를 제공하는 데 도움이 되는 업계 지식이 있습니까? 예를 들어, 성공적인 생산과 함께 몇 분 내에 여러 번 "다운"되는 기계는 실제 생산이 실행될 가능성이 적습니다. 진짜 재개할 준비가 되었습니다. 생산. 그러나 이러한 숫자를 입력된 대로 데이터 세트에 그대로 두면 훈련되지 않은 눈으로 파악하기 어려울 수 있는 심각한 부정확성이 발생할 수 있습니다.

그렇다고 해서 데이터 과학 팀이 업계의 모든 분야에서 최고의 전문가여야 한다는 의미는 아닙니다. 그러나 이는 전문가가 할 수 있는 채널을 보유하고 있음을 의미합니다. 컨텍스트를 추가하는 것이 중요합니다. 예를 들어 MachineMetrics를 사용하면 기계 작업자는 작업 현장의 기계 바로 위에 태블릿 장치를 장착할 수 있습니다. 분석 단계에서 정확도를 높이기 위해 수치 데이터에 사람의 컨텍스트를 빠르고 쉽게 추가할 수 있습니다. 이러한 종류의 컨텍스트 채널이 없으면 팟에 던져야 하는 숫자와 버려야 하는 숫자를 결정하는 추측 게임이 될 수 있습니다.

무손실 변환

광석을 강철로, 면을 직물로, 데이터를 분석 형식으로 변환하든지 간에, 기본적으로 어느 정도의 손실은 기본적으로 항상 존재합니다. 많은 것은 예방할 수 있습니다. 깨끗하고 정확한 데이터로 시작하는 것은 깨끗하고 정확한 분석의 중요한 첫 번째 단계입니다. 그 단계를 넘어 어떤 도구를 어떤 응용 프로그램에 사용할지, 충실도 손실 가능성, 어느 정도 허용 가능한지(또는 관련이 없는지) 고려해야 합니다. 이를 통해 데이터와 모델로 무엇을 하려는지, 해결하려는 문제와 이를 효과적으로 해결하는 데 필요한 정확도 수준을 다시 이해하게 됩니다.

MachineMetrics에서는 귀하의 데이터가 모든 진실만을 제공하는지 확인합니다. 우리는 데이터 기반 접근 방식을 사용하여 기계 가동 중지 시간, 출력 최적화 또는 기타 수많은 옵션과 같은 가장 시급한 문제를 해결하는 데 필요한 데이터의 깊이, 폭 및 유형을 이해하는 업계 전문가입니다. 우리는 실시간에서도 무결성과 충실도를 유지하는 공유 및 분석을 위해 간단하고 소화 가능한 형식을 사용합니다. MachineMetrics는 검증된 프로세스를 통해 실제 의사 결정과 작업 현장 데이터를 통합하는 작업을 단순화합니다. 이 프로세스는 일반 언어로 구현되고 매우 쉬운 도구를 사용하여 비기술자도 쉽게 DIY 설치할 수 있는 서비스를 제공합니다. 1주일도 채 되지 않아 고객의 ROI를 달성했습니다. MachineMetrics가 귀하의 비즈니스에 대해 어떤 유형의 질문에 답변할 수 있는지 확인하거나 데모를 예약하려면 여기에서 언제든지 저희에게 연락하십시오.