데이터 과학으로 도메인 전문가 역량 강화: 더 스마트한 제조 인사이트

고급 분석과 인공지능이 제조업을 재편하고 있지만, 원시 데이터만으로는 제한된 가치를 제공합니다. Rockwell Automation의 영국 및 아일랜드 CTO인 Mike Loughran은 데이터가 실행 가능한 비즈니스 통찰로 변환되려면 맥락과 도메인 전문성이 필수적이라고 강조합니다.

소비자 시장이 AI 기반 개인화(타겟 광고부터 위치 기반 추천까지)를 경험한 것처럼, 제조업도 유사한 혜택을 누릴 수 있습니다. 분석은 가장 중요한 시기에 중요한 통찰을 수면 위로 끌어올리는 시의적절한 데이터 기반 결정을 제공합니다.

명확한 혜택

분석에 기반한 디지털 혁신은 매출을 최대 10% 높이고, 운영 비용을 최대 12% 절감하며, 자산 효율성을 최대 30% 향상시킬 수 있습니다. 이 수치는 데이터 중심 운영을 수용한 조직들이 보고한 실제 성과를 반영합니다.

제조업에 분석을 구현하는 것은 독특한 과제를 안고 있습니다. 지배적인 '중앙화된 클라우드' 모델은 높은 네트워크 대역폭 비용과 지연 시간이 실시간 의사결정을 방해하기 때문에 종종 실패합니다. 데이터가 생성되는 곳인 엣지에서 모델을 실행하는 것이 일반적으로 더 효과적입니다.

대용량 데이터 관리

제조업체는 실시간 플랜트 데이터와 히스토리안 레코드의 거대한 스트림을 생성합니다. 그러나 특정 사용 사례와 관련된 것은 작은 부분집합일 수 있습니다. 각각 고유한 프로토콜과 레거시 기술을 가진 이질적인 소스들을 통합하려면 정교한 데이터 집계와 관계를 명확히 하는 통합 데이터 모델이 필요합니다.

통찰은 짧은 윈도우 내에 올바른 이해관계자나 자동화 시스템에 도달해야 실행 가능합니다. 이를 달성하려면 기본 프로세스와 분석 기법 모두에 대한 깊은 지식이 필요합니다. 이는 한 개인에게서 드물게 발견되는 조합입니다.

성공적인 혁신은 제조 운영과 분석을 모두 이해하는 전문가와의 파트너십에 달려 있습니다. 그런 파트너들은 업계 헤리티지, 프로세스 하드웨어와 운영 기술에 대한 익숙함, 비즈니스 목표와의 정렬을 가져옵니다.

실무에서 데이터 과학 단순화

제어 및 공정 엔지니어가 데이터 과학자에 지속적으로 의존하지 않고 분석을 수행할 수 있게 하는 도구가 필수적입니다. 디지털 혁신 대화에서 두 가지 핵심 요구사항이 부상했습니다: 디지털 워커와 머신러닝 역량.

기업은 네 단계를 통해 데이터 분석을 간소화할 수 있습니다:

1. 중요 운영 속성 식별.
2. 논리적 데이터 구조 정의.
3. 고속 데이터 수집 관행 구현.
4. 정보 계층 전반에서 모델 재사용으로 속도와 효율성 확보.

이 접근법은 엔지니어에게 견고한 데이터 과학 도구를 제공하여 결과를 가속화합니다.

우리의 ThingWorx Analytics 플랫폼은 자동화 및 제어 엔지니어를 위한 데이터 과학 워크플로를 간소화합니다. 가장 예측력 있는 태그를 식별하고, 자동 머신러닝을 적용해 최적 알고리즘을 선택하며, 여러 시나리오를 평가하여 최적 모델 조합을 결정합니다. 이 모든 것이 수동 개입 없이 이루어집니다.

이 단순화는 도메인 전문가가 수집된 데이터에서 잠재적 가치를 추출할 수 있게 하여, 시민 데이터 과학자의 시대를 엽니다.

작성자는 Mike Loughran, Rockwell Automation 영국 및 아일랜드 CTO.

작성자 소개

Mike Loughran은 Rockwell Automation에서 14년 이상 근무하며 소프트웨어 영업에서 C-레벨로 진출, 영국 및 아일랜드 기술 전략을 이끌고 있습니다.