ビッグデータはなくなりますか?

産業用IoTアプリケーションの場合、ビッグデータは状況に沿った説明にされ構造化されたデータにますます置き換えられていますが、それには理由があります。

産業用システムには、デバイス、コントローラ、Historian、データベース、産業用コンピュータから継続的に流れているデータがあります。データは閉じられた独自のシステム内に閉じ込めることもできます。

コネクテッドエンタープライズは、このデータを実用的な洞察に変換して生産性を高め、市場投入までの時間の短縮、運用生産性、資産パフォーマンス、エンタープライズリスク管理などの新しいビジネス価値を生み出すことをお約束します。

大きすぎませんか?

産業用アプリケーションでのビッグデータの収集は簡単です。

それは、現在ではあらゆる場所からあらゆるデータを収集して、データレイクまたはデータベースに保存し、人工知能(AI)、機械学習、およびデータサイエンスを活用して実用的な洞察を引き出すことができるためです。

欠点は、データが多すぎて洞察が少なすぎる可能性があります。

データ量はすぐにペタバイトになります(ペタバイトとは、1015バイトまたは1000テラバイトです)。それがどれほど迅速に追加されるかを以下に示します。石油&ガス会社は、1台のコンプレッサから1日当たり500GBのデータを収集できるため、データ量は1年間で1ペタバイトを簡単に超えます。

1ペタバイトのMP3エンコードされた曲をダウンロードして再生する場合、すべてのリストを再生するには約2,000年かかります。

データの欠点

ビッグデータが多すぎると、価値を引き出すための時間とビッグデータの保存と処理のコストが大きくなる可能性があり、企業は非構造化ビッグデータを扱うのが難しいことを理解しています。

産業用IoTアプリケーションの場合、別のアプローチをご使用になることをお奨めします。

• まず、データから求めるビジネス成果を特定する。
• 次に、分野の専門家の知識を活用して、これらのビジネス成果をもたらす最も可能性の高いデータを選択する。
• 最後に、適切なデータ処理と分析をビジネス価値の処理データに一致させる。

このシナリオでは、産業用システムのデータを特定して状況に沿った説明へと変える分野の専門家の役割は、産業用IoTにおけるデータサイエンティストの役割と同じくらい重要です。

これは、ビッグデータがスマートデータになる方法の簡易化されたバージョンです。

スマートデータへの生データの変換

一般に、データ処理には3つのレベルがあります。

1. デバイス: シンプルな制限チェックは、デバイスの動作に関する有用な洞察を提供する。
2. システム: 数サイクルでウェブが破損する可能性が高いパーパーウェブの張力などの洞察を導き出す。
3. エンタープライズ: OT環境から選択された状況に沿った説明にされたデータまたはスマートデーを分析し、企業の他の部分のデータと組み合わせて、データマッシュアップまたはダッシュボードを開発できる。

これらの各レベルでの分析とAI /機械学習により、産業プラントのプロセスと動作を最適化して、生産性を高めることができます。

次の機能

産業用IoTアプリケーションのビッグデータはますますスマートデータに置き換わっています。

産業用IoTソリューションは、デバイス、システム、およびエンタープライズレベルで利用可能なスケーラブルなコンピューティングを活用して、エッジおよびクラウドで記述的、診断、予測、規範的分析などのビジネス価値を提供するソリューションを実装します。

したがって、企業にとって、ビジネスの成果のためにスマートデータ、スケーラブルな分析、ビッグデータの組み合わせを使用することがさらに重要になります。