It’s important to make sure all analytic work is reviewed properly to avoid deriving any misleading conclusions.誤解を招くような結論を導き出さないように、すべての分析作業が適切にレビューされていることを確認することが重要です。この仮説を考えてみてください。あなたは医療機器を開発および製造している会社で働いています。 COVID-19のパンデミックは、人工呼吸器の世界的な不足を引き起こしました。 あなたの会社は最近、インダストリー4.0基準を満たすために主要なデジタルトランスフォーメーション戦略を実装したため、代替の組立ラインでの動作障害を予測し、ウェーブはんだ付けプロセスのオンラインモニタリングを提供し、自動目視検査ロボットから組立欠陥に関する焦点を絞った統計を収集できます。
このデジタルトランスフォーメーションによって得られた柔軟性により、同社の生産ラインを迅速に変換して、待望の人工呼吸器を製造することができました。 上記の柔軟性には高レベルの分析機能が必要であるため、この変革の主要な要素は分析の適用です。 追加の背景と分析ベースのレポートを確認するためのチェックリストを読み続けてください。
インダストリー4.0、いわゆる第4の産業革命は、次の3つの基本要素に依存しています。
- 製品やプロセスをオンラインで広範囲に測定できるセンサー技術。
- さまざまなサイズのバッチを効率的に生産できる、3D印刷などの柔軟な製造機能。
- 意思決定を監視、診断、予測、最適化する機能を備えた産業用エンジンを強化する分析。
センサーはさまざまなタイムサイクルでデータを収集する可能性があるため、分析上の重要な課題の1つはデータ統合です。 動的タイムワーピング（DTW）またはその他の手法が、全体像を把握するための最良の方法である可能性があります。
ほとんどの場合、業界で行われる分析作業は、データが能動的または受動的に収集され、モデルが経験的方法、第一原理、またはハイブリッドモデルで開発されたことを意味します。 産業サイクルは、新製品または新しいプロセス設定を試して、その結果に基づいてフォローアップアクションを決定する短期的な機会を提供します。 ただし、誤解を招くような結論を導き出さないように、すべての分析作業を適切にレビューすることが重要です。これは、非常にコストや時間がかかる可能性があります。 たとえば、リチウム電池メーカーは、最終製品を評価する未校正のテスト機器があることを発見しました。 同社は、プラントの管理図を使用して問題のあるバッチを正確に特定することにより、大規模なリコールを回避することができました。 未熟な製品や欠陥のあるバッチの出荷を回避するには、報告された問題の原因を特定するために優れた診断機能が不可欠です。
システムエンジニアリングおよび産業用アプリケーションにおける特定の分析上の課題には、次のものがあります。
- 工学的設計
- 製造システム
- 意思決定支援システム
- 製造現場の管理とレイアウト
- 障害の検出と品質の向上
- 条件ベースのメンテナンス
- 顧客とサプライヤーの関係管理
- エネルギーとインフラストラクチャの管理
- サイバーセキュリティとセキュリティ
これらの課題は、製品とプロセスをより適切に監視するためのプロジェクトを生み出します。新規の設計または既存の製品とプロセスの変換。製品とプロセスを改善します。
データを使用してこれらの問題に対処するには、分析メソッドへの適切なアクセスが必要です。 分析作業をレビューするための1つのアプローチは、私が提示した情報品質フレームワークを使用することです。 JMPディスカバリーサミットプラハ。 情報の質は、分析の目的、調査で使用された分析の方法、調査の目標に関するデータの解決、データの統合、および調査結果の伝達によって決定されます。 （情報品質評価ワークショップの設定方法など、このトピックの詳細については、データサイエンスの実際の仕事。）
情報品質（InfoQ）、GalitShmueliと私が紹介したコンセプト情報の質：知識を生み出すためのデータと分析の可能性は、データ分析の価値を計画、追跡、評価するための一般的なフレームワークです。 InfoQは、4つのコンポーネントと8つのディメンションに基づいています。 これは、「統計分析またはデータマイニングを使用して特定の分析目標を達成するための特定のデータセットの有用性」と定義されています。 InfoQは、分析目標（g）、利用可能なデータ（X）、実装されたデータ分析（f）、および調査ユーティリティ（U）の影響を受けます。 分析プロジェクトを評価する際には、これら4つのコンポーネントと8つの情報品質の側面のそれぞれを調べる必要があります。
InfoQの8つのディメンションは次のとおりです。
- データ解決
- データ構造
- データ統合
- 時間的関連性
- 一般化可能性
- データと目標の年表
- 運用化
- コミュニケーション
データの解決は調査の目標と一致する必要があるため、分析の結果は適切な意思決定者に適切なタイミングで提供される必要があります。 たとえば、高速で実行される紙の製造プロセスの品質を評価するために使用される一部の画像処理分析では、品質エンジニアが適切に行動できるように、タイムリーな結果を生成する必要があります。 ロール紙に隠された品質の問題を識別するために使用される正確なイメージング分類器が、計算上の制約のために遅延した場合、それが生成する情報は非常に低品質になります。
以下のチェックリストは、特定の研究の8つの情報品質の側面を評価するために使用できます。 A JMP情報品質評価を要約するためのアドインはコミュニティで利用できます。JMPを使用して情報品質を生成する方法の例は次のとおりです。ここからダウンロード。
チェックリスト
これらは、目標と有用性を明確にした後、分析研究をレビューするときに尋ねる8つの質問です。
寸法
|
質問
|
データ解決
|
データの粒度は目的のジョブに適していますか？ 測定の不確かさは評価され、適切であると判断されましたか？
|
データ構造
|
目前の問題を反映したさまざまなソースからのデータを使用することは可能ですか？
|
データ統合
|
さまざまなソースからのデータはどのように統合されますか？ 重要な情報を削除することにつながるリンクの問題はありますか？
|
時間的関連性
|
データ収集と分析の間の時間差は懸念を引き起こしますか？
|
データと目標の年表
|
分析結果は適切な人にタイムリーに伝達されていますか？
|
一般化可能性
|
明示的に研究されたものを超えて一般的な結論を導き出すことができますか？ たとえば、他の製品やプロセスに適用できる結論。
|
運用化
|
測定された変数自体は研究目標に関連していますか？ 調査から導き出されたアクションアイテムの推奨事項はありますか？
|
コミュニケーション
|
調査結果は対象読者に適切に伝達されていますか？
|
これらの質問は、インダストリー4.0アプリケーション以降の分析ベースの調査を評価する必要があるレビュー担当者に役立つはずです。 ただし、これらは規範的なものではなく、特定の状況に適応させる必要があります。2020年、第4次産業革命は高度な製造業で成長を続け、広範なセンサーデータと柔軟な製造業および高度な分析を組み合わせています。 システムエンジニアリングと第4次産業革命の最先端の要素をカバーする新しい包括的な本は、こちらから入手できます。
詳細については
これらを通じて詳細をご覧くださいJMPインダストリー4.0に関連するリソース：
K-means clustering analysis of seven sensors tracking possible deformation under stress, shown in the ENBIS webinar listed above.上記のENBISウェビナーに示されている、応力下で発生する可能性のある変形を追跡する7つのセンサーのK-meansクラスタリング分析。
主題知識、データ管理、およびデータ分析の統合を通じて、受動的なデータ収集に関連することが多いデータの混乱を有用な情報に変える機会をより適切に伝達することにより、データ分析に対するかなりのサポートが得られると思います。
