産業用ビッグデータ: IoTデータ管理ワークショップ

「製造業におけるデータ管理の再考」という記事では、産業ビッグデータを公共資源データ、エンジニアリングデータ、管理データ、IoTデータに分類しています。この記事は主に IoT データについて説明しており、データ管理セクションの最後の記事でもあります。従来の管理システムでは、人をデータ収集端末として使用し、プロセスを使用して組織行動を強化し、指標を使用してプロセスと組織の効率を測定および評価します。産業企業向けのモノのインターネットとは、人とモノ、システムとモノを結び付け、モノをデータ収集端末として使用し、人やシステムがデータ分析や意思決定を行えるようにすることです。データ分析と最適化は、モノのインターネットの重要な技術の 1 つであり、モノのインターネットが将来的にその価値を実現するための重要なポイントでもあります。モノのインターネットは、物流倉庫、生産と製造、製品の運用と保守など、業界で多くの用途があります。ここでは、生産と製造、製品の運用と保守に焦点を当てます。

セクション 1 IoTデータの整理方法

工業企業の生産および製造における IoT の応用は、一般的にワークショップ IoT または製造 IoT と呼ばれます。 RFIDセンサー、無線ネットワーク通信、GPS測位、音声・ビデオシステムなどの技術を利用して、製造計画を「人、機械、材料、方法、環境」などの製造リソースの情報とリンクさせ、5大製造リソースをインテリジェントに識別、位置特定、追跡、監視、管理することで、企業の指揮・派遣、環境監視などの管理要件を満たします。 5 つの主要な製造リソースは、静的属性と動的属性に分けられます。例えば、工作機械の静的属性は、管理情報（設備コード、設備名、設備分類など）、静的パラメータ（作業環境、送り速度、切削パラメータなど）、動的パラメータ（工作機械の状態、旋盤完成率、旋盤負荷率、保守記録など）に分けられます。静的属性は製造プロセスの影響を受けず、製造プロセスが開始される前に決定されます。これらはワークショップの現場管理における一定のデータですが、これらのデータは常に固定されているわけではなく、生産プロセスが完了した後にユーザーが調整することができます。動的データとは常に変化するデータであり、ワークショップの IoT データのほとんどは動的データです。

第2章 IoTデータの管理技術

ワークショップの IoT は、データ品質管理、データの融合と統合、複雑なイベント処理、データの保存と処理、セキュリティ アクセス制御など、データ管理のさまざまな側面を含む典型的な複雑な情報システムです。

データ品質管理: モノのインターネットのデータ品質は、精度、信頼性、完全性という 3 つの指標で測定できます。無線周波数識別およびセンサー ネットワーク データの品質管理を改善するという点では、過剰読み取りデータや誤読データをクリアし、欠落データを補うことが主な方法です。データクリーニングでは通常、確率統計と時空間相関法が使用されます。

データの融合と統合: IoT データ空間におけるデータ オブジェクトの多態性は、複数のタイプ、異質性、および統一されたモデルがないという形で現れます。そのため、一方では、ワークショップ用の統一されたデータ モデルを構築し、統一された方法でデータを表現する必要があります。一方、統一データモデルに基づいて、異種データを統一データフレームワークにマッピングおよび変換する方法についての研究が行われています。第三に、モノのインターネットにおけるデータソースは分散型、自律型、独立型です。データ統合プロセス中に、関連するデータ ソースを自動的に検出する必要がある場合があります。第四に、データの追跡可能性を実現するために、データのソースを記録する必要があります。第五に、工場の製造リソースは常に変化しており、そのような変化はデータの一貫性、バージョンやモデルの更新などに影響を与えるため、データの進化プロセスを記録できる必要があります。

複合イベント処理: 一般的な IoT アプリケーションでは、上位レベルのシステムが各オブジェクトの状態と動作を監視し、それを制御してインテリジェントな応答を行い、確立された手順に従って対応する動作を完了する役割を担います。オブジェクトの動作は通常、イベントの形式で表現されます。

安全なアクセス制御: モノのインターネットのオープン性により、センサーデータのプライバシーをどのように保護するかが困難な問題になっています。これらの膨大なデータは簡単に入手できるため、インターネットから情報を取得し、複雑な推論技術を使用すれば、個人情報を推測することができます。 IoT オブジェクトの異種性とモビリティにより、プライバシー保護の複雑さが増します。

第3章 IoTデータの応用モデル

1. IoT 工場の生産管理: 工場生産指揮・派遣センターは、生産全体の「頭脳」として、工場のさまざまなリソースと生産能力を調整し、派遣する必要があります。センターはERP、MES、MDCなどのシステムデータを統合し、大型電子スクリーンを媒体として各生産現場の稼働状況、緊急事態、イベント追跡、改善状況などを表示します。リーン生産方式のコンセプトと組み合わせて、各生産ユニットの生産タスク実行のプロセス全体を管理します。統計、分析、誘導、予測を通じて、生産データを視覚化して管理し、会社の生産タスク実行の全体像を提供し、企業の意思決定支援分析を提供し、品質と量の面で生産タスクが時間どおりに完了することを保証します。

2. IoTワークショップの品質管理：ある鉄鋼会社は中国最大の特殊鋼メーカーです。同社のシリコン鋼生産ラインの 1 つでは、さまざまな複雑な要因の影響により、完成品の表面に縦縞と呼ばれる波形の欠陥が発生することがあります。縦縞欠陥は製品の外観に影響を与えるだけでなく、層間抵抗、電磁気特性、積層性能などの製品の物理的特性にも直接影響を及ぼします。縦縞欠陥鋼は生産量の約30％を占め、毎年企業に多大な損失をもたらしています。データマイニング技術により、生産工程データの徹底的な分析・マイニングを行い、製品品質最適化モデルを確立し、不良率を低減し、製品品質を向上させます。